数字图像处理-第四章图像增强

合集下载

第四章图像增强

中南大学信息物理工程学院测绘所梅小明
数字图像处理
例如，某像素5×5邻域的灰度分布如图，经计算9个掩模区的均值和方差为：
3 6 7 4 2 3 4 3 1ͣ 1 2 2 2 4 5 1 1 4 3 3 6
均值对应的方差
4
4
3
2
3
4
2
3
3
4 8 4 4
54 7 17 17 28 31 23 26 0
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
4.1 图像的对比度增强
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
图像的直方图修正

定义：数字图像中各灰度级与其出现的频数间的统计关系，可表示为：
直方图反映了图像的清晰程度，当直方图均匀分布时，图像最清晰。由此，我们可以利用直方图来达到使图像清晰的目的。直方图均衡化：通过原始图像的灰度非线性变换，使其直方图变成均匀分布，以增加图像灰度值的动态范围，从而达到增强图像整体对比度，使图像变清晰的效果。
梅小明
图像平滑
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法的举例及与平均滤波法的对比
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
第四章图像增强

概述图像的对比度增强图像的直方图修正图像平滑图形锐化图像的同态滤波图像的彩色增强

实验四图像增强

信息工程学院实验报告课程名称：数字图像处理Array实验项目名称：实验四图像增强实验时间：班级：姓名：学号：一、实验目的1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。

2. 掌握图像空域增强算法的基本原理。

3. 掌握图像空域增强的实际应用及MATLAB实现。

4. 掌握频域滤波的概念及方法。

5. 熟练掌握频域空间的各类滤波器。

6.掌握怎样利用傅立叶变换进行频域滤波。

7. 掌握图像频域增强增强的实际应用及MATLAB实现。

二、实验步骤及结果分析1. 基于幂次变换的图像增强程序代码：clear all;close all;I{1}=double(imread('fig534b.tif'));I{1}=I{1}/255;figure,subplot(2,4,1);imshow(I{1},[]);hold onI{2}=double(imread('room.tif'));I{2}=I{2}/255;subplot(2,4,5);imshow(I{2},[]);hold onfor m=1:2Index=0;for lemta=[0.5 5]Index=Index+1;F{m}{Index}=I{m}.^lemta;subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[])endend执行结果：图1 幂次变换增强结果实验结果分析：由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。

2.直方图规定化处理程序代码：clear allclcclose all%0.读图像I=double(imread('lena.tiff'));subplot(2,4,1);imshow(I,[]);title('原图')N=32;Hist_image=hist(I(:),N);Hist_image=Hist_image/sum(Hist_image);Hist_image_cumulation=cumsum(Hist_image);%累计直方图subplot(245);stem(0:N-1,Hist_image);title('原直方图');%1.设计目标直方图Index=0:N-1;%正态分布直方图Hist{1}=exp(-(Index-N/2).^2/N);Hist{1}=Hist{1}/sum(Hist{1});Hist_cumulation{1}=cumsum(Hist{1});subplot(242);stem([0:N-1],Hist{1});title('规定化直方图1');%倒三角形状直方图Hist{2}=abs(2*N-1-2*Index);Hist{2}=Hist{2}/sum(Hist{2});Hist_cumulation{2}=cumsum(Hist{2});subplot(246);stem(0:N-1,Hist{2});title('规定化直方图2');%2. 规定化处理Project{1}=zeros(N);Project{2}=zeros(N);Hist_result{1}=zeros(N);Hist_result{2}=zeros(N);for m=1:2Image=I;%SML处理(SML,Single Mapping Law单映射规则for k=1:NTemp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});[Temp1,Project{m}(k)]=min(Temp);end%2.2 变换后直方图for k=1:NTemp=find(Project{m}==k);if isempty(Temp)Hist_result{m}(k)=0;elseHist_result{m}(k)=sum(Hist_image(T emp));endendsubplot(2,4,(m-1)*4+3);stem(0:N-1,Hist_result{m}); title(['变换后的直方图',num2str(m)]);%2.3结果图Step=256/N;for K=1:NIndex=find(I>=Step*(k-1)&I<Step*k) ;Image(Index)=Project{m}(k);endsubplot(2,4,(m-1)*4+4),imshow(Imag e,[]);title(['变换后的结果图',num2str(m)]);end执行结果：原图规定化直方图2变换后的直方图1变换后的结果图1变换后的直方图2变换后的结果图2图2 直方图规定化实验结果分析：由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。

数字图像处理第四章作业

第四章图像增强1.简述直方图均衡化处理的原理和目的。

拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。

原理：直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。

也就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。

把给定图像的直方图分布改变成“均匀”分布直方图分布目的：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。

它通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。

通过直方图均衡化，亮度可以更好地在直方图上分布。

这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

Matlab程序如下：clc;RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。

B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。

数字图像处理_胡学龙等_第04章_图像增强

直方图均衡化
通过对原图像进行某种变换，使得图像的直方图变为均匀分布的直方图。
灰度级连续的灰度图像：当变换函数是原图像直方图累积分布函数时，能达到直方图均衡化的目的。对于离散的图像，用频率来代替概率。【例4.2】假定有一幅总像素为n＝64×64的图像，灰度级数为8，各灰度级分布列于表4.1 中。试对其进行直方图均衡化。
• 4.3.2増晰原理 • 同态増晰采用合适的滤波特性函数，可以即使图像灰度动态范围压缩，又能让感兴趣的物体图像灰度扩展，从而是图像清晰。 • 图像是物体对照明光的反射，自然景物图像是由两个分量乘积组成的，即照明函数和反射函数的乘积。 • 图像的灰度由照明分量和反射分量合成，反射分量反映了图像的实际内容（细节，纹理，边缘等），随图像细节不同在空间上做快速变化，其频谱落在空间高频区域。 • 而照明分量在空间上均具有缓慢变化的性质，其频谱落在空间低频区域。 • 因此可通过傅里叶变换将两者分开，进行同态滤波。
a’=0，b’=255。
实现的程序：
• • • • • A=imread('pout.tif'); %读入图像 imshow(A); %显示图像 figure,imhist(A); %显示图像的直方图 J1=imadjust(A,[0.3 0.7],[]); %函数将图像在0.3*255~0.7*255灰度之间的值通过线性变换映射到0~255之间 • figure,imshow(J1); %输出图像效果图 • figure,imhist(J1) %输出图像的直方图
• 基本思想：按照高通滤波器设计，压缩低频分量，提升高频分量。 • 照明函数频率变化缓慢，幅度变化大，数字化占用位数多，所以要压缩； • 反射函数频率变化快，灰度变化很小，层次不清，细节不明，应该扩展。

数字图像处理第04章图像增强ppt课件

归一化的直方图（histogram）定义为灰度级出现的相对频率。即
Pr(k)nk /N
（4.13）
式中，N表示像素的总数；nk表示灰度级为k的
像素的数目。
Slide 25
为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益
1．线性变换
灰度g与灰度f之间的关系为
gaba[f a] ba
（1）变换使得图像灰度范围增大，即对比度增大，图像会变得清晰；
（2）变换使得图像灰度范围缩图4.4 线性变换小，即对比度减小。
Slide 16
为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益
图4.7 三段线性变换实例
（a）原始图像
（b）增强效果
Slide 21
为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益
3．非线性灰度变换
当用某些非线性函数如对数、指数函数等作为映射函数时，可实现灰度的非线性变换。
J = imadjust(I,[0.3 0.7],[]); %使用imadjust函数进行灰度的线性变换
figure,imshow(J); figure,imhist(J)
%显示变换后图像的直方图
Slide 17
为了规范事业单位聘用关系，建立和完善适应社会主义市场经济体制的事业单位工作人员聘用制度，保障用人单位和职工的合法权益
【例4.1】采用线性变换进行图像增强。

贾永红_数字图像处理-_chap4

任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。
为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。本节介绍空间域的几种平滑法。 4.2.1局部平滑法
局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。
s0=1/7
s1=3/7 s2=5/7
790
1023
0.19
0.25 0.21
850
850
r3=3/7
r4=4/7 r5=5/7 r6=6/7 r7=1
656
329 245 122 81
0.16
0.08 0.06 0.03 0.02
0.81
0.89 0.95 0.98 1.00
6/7
6/7 1 1 1 s4=1 448 0.11 s3=6/7 985 0.24
0.35
0.65 0.85 1.00
z4→s1=3/7 1023 0.25
z5→s2=5/7 z6→s3=6/7 z7→s4=1 850 985 448 0.21 0.24 0.11
448
0.11
1
r0 0 z 3 3 / 7 r1 1 / 7 z 4 4 / 7 r2 2 / 7 z 5 5 / 7 r3 3 / 7 z 6 6 / 7
第四章图像增强
图像增强是采用一系列技术去改善图像的视觉效果, 或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，提高图像的使用价值。图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。空间域增强是直接对图像各像素进行处理；频率域增强是对图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。

数字图像处理实验报告——图像增强实验

实验报告课程名称数字图像处‎理导论专业班级_____‎_____‎_____‎姓名_____‎_____‎_____‎学号_____‎_____‎_____‎电气与信息‎学院和谐勤奋求是创新‎2.编写函数w‎ = genla‎p laci‎a n(n)，自动产生任‎一奇数尺寸‎n的拉普拉‎斯算子，如5×5的拉普拉‎斯算子w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 14.采用不同的‎梯度算子对‎b lurr‎y_moo‎n.tif进行‎锐化滤波，并比较其效‎果。

[I,m ap]=im rea‎d('trees‎.tif');I=doubl‎e(I);subpl‎o t(2,3,1)imsho‎w(I,m ap);title‎(' Origi‎nal Im age‎');[Gx,Gy]=gradi‎e nt(I); % gradi‎e n t calcu‎l atio‎nG=sqrt(Gx.*Gx+Gy.*Gy); % matri‎xJ1=G; % gradi‎e nt1subpl‎o t(2,3,2)imsho‎w(J1,m ap);title‎(' Opera‎tor1 Im age‎');J2=I; % gradi‎e nt2 K=find(G>=7);J2(K)=G(K);subpl‎o t(2,3,3)im sho‎w(J2,m ap);title‎(' Opera‎tor2 Im age‎');J3=I; % gradi‎e n t3 K=find(G>=7);J3(K)=255;subpl‎o t(2,3,4)im sho‎w(J3,m ap);title‎(' Opera‎tor3 Im age‎');J4=I; % gradi‎e n t4 K=find(G<=7);J4(K)=255;subpl‎o t(2,3,5)im sho‎w(J4,m ap);title‎(' Opera‎tor4 Im age‎');J5=I; % gradi‎e nt5 K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;subpl‎o t(2,3,6)im sho‎w(J5,m ap);title‎(' Opera‎tor5 Im age‎');5.自己设计锐‎化空间滤波‎器，并将其对噪‎声图像进行‎处理，显示处理后‎的图像；附录：可能用到的‎函数和参考‎结果**************报告里不能‎用参考结果‎中的图像1)采用3×3的拉普拉‎斯算子w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1]滤波I=im rea‎d('moon.tif');T=doubl‎e(I);subpl‎o t(1,2,1),im sho‎w(T,[]);title‎('Origi‎n al Im age‎');w =[1,1,1;1,-8,1;1,1,1];K=conv2‎(T,w,'sam e');subpl‎o t(1,2,2)im sho‎w(K);title‎('Lapla‎cian Trans‎f orm a‎tion');图2.9 初始图像与‎拉普拉斯算‎子锐化图像‎2)编写函数w‎ = genla‎p laci‎a n(n)，自动产生任‎一奇数尺寸‎n的拉普拉‎斯算子，如5×5的拉普拉‎斯算子：w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]funct‎i on w = genla‎p laci‎a n(5)%Com pu‎t es the Lapla‎c ian opera‎t orw = ones(n);x = ceil(n/2);w(x, x) = -1 * (n * n - 1);3)分别采用5‎×5，9×9，15×15和25‎×25大小的‎拉普拉斯算‎子对blu‎rry_m‎o on.tif进行‎锐化滤波，并利用式完‎成图像的锐‎化增强，观察其有何‎不同，要求在同一‎窗口中显示‎。

图像增强-数字图像处理

图像增强
2.图像噪声的特点 (1)噪声在图像中的分布和大小不规则,即具有随机性。 (2)噪声与图像之间一般具有相关性。 (3)噪声具有叠加性。
图像增强
3.3.2 模板卷积模板操作是数字图像处理中常用的一种邻域运算方式,
灰度变换就是把原图像的像素灰度经过某个函数变换成新图像的灰度。常见的灰度变换法有直接灰度变换法和直方图修正法。直接灰度变换法可以分为线性变换、分段线性变换以及非线性变换。直方图修正法可以分为直方图均衡化和直方图规定化。
图像增强
3.1.1 线性变换假定原图像f(x,y)的灰度范围为[a ,b],希望变换后图像
ቤተ መጻሕፍቲ ባይዱ
图像增强
例如,假定一幅大小为64×64、灰度级为8个的图像,其灰度分布及均衡化结果如表3-1 所示,均衡化前后的直方图及变换用的累积直方图如图3-10所示,则其直方图均衡化的处理过程如下。
图像增强
图像增强由式(3-12)可得到一组变换函数:
依此类推:s3=0.81,s4=0.89,s5=0.95,s6=0.98,s7=1.0。变换函数如图3-10(b)所示。
图像增强
１
图像增强
图3-1 灰度线性变换
图像增强
图3-2 灰度线性变换示例
图像增强
3.1.2 分段线性变换为了突出感兴趣的灰度区间,相对抑制那些不感兴趣的
灰度区间,可采用分段线性变换。常用的3段线性变换如图33所示,L 表示图像总的灰度级数,其数学表达式为
图像增强
图3-3-分段线性变换
图像增强
设r 为灰度变换前的归一化灰度级(0≤r≤1),T(r)为变换函数,s=T(r)为变换后的归一化灰度级(0≤s≤1),变换函数T(r)满足下列条件:

数字图像处理图像增强第一讲概述及灰度变换

对灰度区间 [ a , b ] 进行了线性拉伸，而灰度区间[0, a]和[b, fmax]则被压缩。

三段线性变换

常用的是三段线性变换。
Slide 20
实际上，S1、S2、t1、t2可取不同的值进行组合，从而得到不同的效果。

1、如果S1=t1，S2=t2，则T为1条斜率为1的直线，增强图像和原图像相同。 2、如果S1=S2，t1=L-1，则增强图像只剩2个灰度级，此时对比度最大但细节全丢失。 3、如果S1>t1，S2<t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围减少了，而原图中灰度值在S1和S2间的动态范围增加了，从而增强了中间范围内的对比度。 4、如果S1<t1，S2>t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围增加了，而原图中灰度值在S1和S2间的动态范围减少了。

环境光源太暗，使灰度值偏小，就会使图像太暗看不清。
如果环境光源太亮，又使图像泛白。通过灰度变换，就可以将灰度值调整到合适的程度。

灰度变换可分为线性变换、分段线性变换和非线性变换几种方法。
直接灰度变换
1、图像求反
假设对灰度级范围是[0，L-1]的图像求反，就是通过变换将[0，L-1]变换到[L-1，0]，变换公式如下：

设变量 r 代表图像中像素灰度级。在图像中，像素的灰度级可作归一化处理，这样，r 的值将限定在下述范围之内:
0 r 1
在灰度级中， r = 0
(4—4)
代表黑， r = 1 代表白。
对于一幅给定的图像来说，每一个像素取得[0，1]区间内的灰度级是随机的，也就是说
r 是一个随机变量。假定对每一瞬间它们是连

遥感数字图像处理-第四章_遥感数字图像增强处理(一)[研究材料]

度值或亮度值区间像元出现的频率的分布图。
计算方法：
Pi
mi M
M表示整幅图像的像元个数
M表示整幅图像的像元个数
Pi表示第i灰度级的像元比例频率
X和
调研学习
13
直方图的性质
（1）直方图反映了图像中的灰度分布规律，描述每个灰度级具有的像元个数，但不包含这些像元在图像中的位置；
（2）任何图像有唯一的直方图，不同的图像可能有相同的直方图；
六、图像运算 Image Calcu.
七、多光谱增强 M调u研l学ti习-spectral Enhancement
1
一、图像增强概述
➢ 什么是图像增强？
Image enhancement is the process of making an image more interpretable for a particular application ( Faust, 1989).
空间域增强：空间域是指图像平面所在的二维平面。直接处理图像上的像素，主要对灰度进行操作；
1）点处理：每次对单个像元进行灰度增强的处理 2）邻域处理或模板处理：对一个像元及其周围的小区域子
图像进行处理
频率域增强：对图像经傅立叶变换后的频谱成分进行操作，然后经傅立叶逆变换获得所需结果
调研学习
6
➢图像增强的分类
调研学习
2
➢ 图像增强的目的
主要目的：（1）采用一系列技术改善图像的视觉效果，提高图像的清晰度；（2）将图像转换成一种更适合于人或机器进行解译和分析处理的形式。
改变图像的灰度等级，提高图像的对比度；消除边缘和噪声，平滑图像；突出边缘和线状地物，锐化图像；合成彩色图像；压缩图像数据量，突出主要信息等。

数字图像处理中的图像增强算法技巧

数字图像处理中的图像增强算法技巧图像增强是数字图像处理中的一个重要任务，旨在改善图像的视觉质量并提高图像的可读性。

图像增强算法通过改变图像的像素值，调整图像的对比度、亮度、色彩等属性，以获得更好的视觉效果。

本文将介绍几种常用的图像增强算法技巧，包括直方图均衡化、滤波、锐化和去噪等。

1. 直方图均衡化直方图均衡化是一种常用的图像增强方法，它根据图像的像素值分布情况，将像素值重新映射到更广的范围内，从而增强图像的对比度。

该方法利用图像的直方图来调整像素值的分布，使得像素值更加均匀分布，提高图像的细节和对比度。

直方图均衡化可以应用于灰度图像和彩色图像，具有简单易实现、计算效率高的优点。

2. 滤波滤波是一种常用的图像增强方法，它通过卷积操作对图像进行平滑和锐化处理。

平滑滤波器可以用来去除图像中的噪声，例如均值滤波器、中值滤波器等。

平滑滤波可以通过对像素周围的邻域像素进行平均或中值操作来实现。

锐化滤波器可以增强图像的边缘和细节，例如拉普拉斯滤波器、Sobel滤波器等。

滤波可以在时域和频域中进行，选择适当的滤波器和参数可以根据图像特点实现不同的增强效果。

3. 锐化锐化是一种图像增强方法，通过增强图像的边缘和细节以提高图像的清晰度和细节显示。

图像锐化可以通过增加图像的高频分量来实现，例如使用拉普拉斯滤波器或高通滤波器。

锐化操作可以使图像的边缘变得更加清晰，增强细节显示。

然而，过度的锐化可能会导致图像的噪声增加和伪影出现，因此，在选择锐化滤波器和参数时需要谨慎。

4. 去噪去噪是一种常用的图像增强方法，它旨在减少图像中的噪声并提高图像的质量。

图像噪声可能由于图像采集过程中的传感器噪声、信号传输过程中的干扰和图像处理过程中的误差等原因引起。

常见的去噪方法包括中值滤波、高斯滤波、小波去噪等。

中值滤波可以有效地去除椒盐噪声，通过对像素周围的邻域像素进行排序并选择中间值来实现。

高斯滤波通过对像素周围的邻域像素进行加权平均来实现，对高斯噪声有较好的去除效果。

(完整版)数字图像处理题库

[题目]数字图像[参考答案]为了便于用计算机对图像进行处理，通过将二维连续（模拟）图像在空间上离散化，也即采样，并同时将二维连续图像的幅值等间隔地划分成多个等级（层次），也即均匀量化，以此来用二维数字阵列表示其中各个像素的空间位置和每个像素的灰度级数（灰度值）的图像形式称为数字图像。

图像处理[参考答案]是指对图像信息进行加工以满足人的视觉或应用需求的行为。

题目]数字图像处理[参考答案]是指利用计算机技术或其他数字技术，对一图像信息进行某此数学运算及各种加工处理，以改善图像的视觉效果和提高图像实用性的技术。

一、绪论(名词解释，易，3分)[题目]图像[参考答案]是指用各种观测系统以不同形式和手段观测客观世界而获得的、可以直接或间接作用于人的视觉系统而产生的视知觉的实体。

一、绪论(简答题，难，6分)[题目]什么是图像？如何区分数字图像和模拟图像？[参考答案]“图”是物体透射或反射光的分布，是客观存在的。

“像”是人的视觉系统对图在大脑中形成的印象或认识，是人的感觉。

图像是图和像的有机结合，既反映物体的客观存在，又体现人的心理因素；图像是对客观存在的物体的一种相似性的生动模仿或描述，或者说图像是客观对象的一种可视表示，它包含了被描述对象的有关信息。

模拟图像是空间坐标和亮度(或色彩)都连续变化的图像；数字图像是空间坐标和亮度(或色彩)均不连续的、用离散数字(一般是整数)表示的图像。

[题目]简述研究图像恢复的基本思路。

[参考答案]基本思路是，从图像退化的数学或概率模型出发，研究改进图像的外观，从而使恢复以后的图像尽可能地反映原始图像的本来面日，从而获得与景物真实面貌相像的图像。

一、绪论(简答题，易，5分)[题目]简述研究图像变换的基本思路。

[参考答案]基本思路是通过数学方法和图像变换算法对图像的某种变换，以便简化图像进一步处理的过程，或在进一步的图像处理中获得更好的处理效果。

一、绪论(简答题，易，5分)[题目]简述一个你所熟悉的图像处理的应用实例。

精品文档-数字图像处理系统导论(郭宝龙)-第4章

算子是线性二阶微分算子。对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Laplacian 算子表达式为
2 f (x, y) f (x 1, y) f (x－1, y) f (x, y 1) f (x, y－1)－4 f (x, y)
下面以一幅3×2像素的简单图片(见图4-5)为例，来说明灰度直方图均衡化的算法。
图 4-4 直方图变化
图 4-5 原图像灰度值分布
求出每个色阶的百分比之后，再乘255，就可以求出与其对应的灰度值来。表4-1所示为对应灰度值转换。
表4-1 对应灰度值转换
根据每个色阶的百分比的对应关系组成一个灰度映射表，然后根据映射表来修改原来图像每个像素的灰度值。对于图45，用128替换50，用212替换100，用255替换200。这样，灰度直方图的均衡化就完成了，如图4-6所示。
2. 图像中的均匀与不均匀反映了频率高低不同，抑制低频 (增强高频)对应于锐化滤波器，而抑制高频(增强低频)对应于平滑滤波器。以下讨论考虑对F(u，v)的实部、虚部影响完全相同的滤波转移函数——零相移滤波器。 1) 理想低通滤波器理想低通滤波器的传递函数为
1 H (u, v) 0
D(u, v) D0 D(u, v) D0
图 4-10 原始图像及其傅里叶频谱图
1. 假定原图像为f(x，y)，经傅里叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u，v)对F(u，v)的频谱成分进行处理G(u，v)=H(u，v)F(u，v)，然后经逆傅里叶变换得到增强的图像g(x，y)=F－1({G(u，v)} 假设f(x，y)和h(x，y)的大小分别为A×B和C×D。如果直接进行傅里叶变换和乘积，会产生折叠误差(卷绕)。为解决这一问题，需通过对f和h补零，构造两个大小均为P×Q的函数，使其满足

数字图像增强技术

图像增强论文朱振国[日期]数字图像增强技术X振国论文导读：图像增强的目的是要增强视觉效果，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，以到达改善图像质量、丰富信息量的目的，并加强图像判读和识别效果的图像处理方法。

采用邻域平均法的均值滤波器非常适用于去除通过扫描得到的图像中的颗粒噪声〔如椒盐噪声〕。

它是一种常用的非线性平滑滤波器，其根本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换其主要功能是让周围象素灰度值的差比拟大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。

在比照了多种去噪方法之后，本文发现经典的图像去噪方法如：维纳滤波和中值滤波，一直存在着去噪之后导致图像模糊的问题。

关键词：图像增强，均值滤波，中值滤波，维纳滤波引言获取和传输图像的过程往往会发生图像失真，所得到图像和原始图像有某种程度的差异。

这种差异如果太大，就会影响人和机器对于图像的理解，在许多情况下，人们不清楚引起图像降质的具体物理过程及其数学模型，但却能根据经历估计出使图像降质的一些可能原因，针对这些原因采取简便有效的方法，改善图像质量。

一、图像增强的定义为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的简单改善方法或者加强特征的措施称为图像增强。

二、图像增强的目的图像增强的目的是要增强视觉效果，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，以到达改善图像质量、丰富信息量的目的，并加强图像判读和识别效果的图像处理方法。

其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制〔掩盖〕图像中某些不需要的特征，使图像与视觉响应特性相匹配。

在图像增强过程中，不分析图像质量降低的原因，处理后的图像不一定逼近原始图像。

三、图像增强的分类图像增强可分成两大类：频率域法和空间域法。