图像增强理论-21页精选文档

第一章绪论

图像增强研究现状

图像增强是图像处理的基本内容之一，图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。处理的结果使图像更适应于人的视觉特性或机器的识别系统。图像增强主要可分为三类:频域图像增强方法、小波域图像增强方法、空域图像增强方法。

1.1频域图像增强方法

频域图像增强是对图像经傅立叶变换后的频谱成分进行操作，然后逆傅立叶变换获得所需结果。其原理如下图所示：

频域图像增强原理图

常用的频域增强方法有低通滤波技术，是利用低通滤波器去掉反映细节和跳变性的高频分量。但其在去除图像尖峰细节的同时也将图像边缘的跳变细节去除掉了，而使得图像较模糊。低频滤波有理想低通滤波器、Butterworth滤波器、指数滤波器等。高通滤波器技术是利用高通滤波器来忽略图像中过度平缓的部分，突出细节和跳变等的高频部分，使得增强后的图像边缘信息分明清晰。高通滤波技术进行增强处理后的图像，视觉效果不好，较适用于图豫中物体的边缘提取。高通滤波器有理想高通滤波器、梯形滤波器、指数滤波器等。频域增强方法中还有带通和带阻滤波、同态滤波等，一般是用来解决光动态范围过大或者光照不均而引起的图像

不清等情况。

频域变换的基础是卷积处理，因此其基本原理为:设原始图像为

g，而)

(y

x

h是线性不变算子。则根据卷积定

(y

x

,

,

,

(y

)

x

f，处理后图像为)

理，有:

x

h

y

f

x

x

g=（1-1）

y

)

*)

(

,

,

(

,

)

(y

其中*代表卷积。若)

x

(y

,

F分别是)

g、)

,

h、

x

(y

u

,

u

(v

(v

G、)

,

,

H、)

u

(v

f的傅立叶变换，则上式的卷积关系表示成变换域中为:

x

,

(y

)

u

F

H

v

u

G=（1-2）

u

v

,

*)

(

)

,

(

,

)

(v

其中)

,

u

H用线性系统理论来说，是转移函数。在具体的增强中，

(v

F也可通过变换求出。而),(v

u

H通过不同的滤波

u

x

,

f是给定的，则),(v

(y

)

器来确定，则

由式(1-2)可得:

H

u

F

F

v

g-

u

=（1-3）

x

y

(

)

,

(1v

,

)]

,

(

)

[

1.2小波域图像增强方法

小波是近几年发展起来的一种时频分析工具，它同时具有时频局部化能力和多分辨率分析的能力，因此它更适用于信号处理领域。之前的图像降噪大多采用低通滤波器直接滤除高频信息，因此使得在去除噪声的同时，也去掉了一些有用的高频信息，损失了图像的细节。而采用小波进行去噪，由于其多分辨率特性，它用不同中心频率的带通滤波器对信号进行滤波，把主要反映噪声频率的尺度系数去掉，再把剩余尺度的系数结合起来做反变换，从而使得噪声得到很好的抑制。

小波的反锐化掩模法是一种即简单、增强效果也不错的方法，但该算

法对噪声非常敏感，而且会出现过冲现象(处理后图像有很明显的人工处理痕迹)。S.K.Mitra提出了一种基于Teager算法的非线性算子，来代替线性高通滤波器，对减小噪声和增强细节进行了这种考虑。G.Ramponi提出了一种立方反锐化掩膜方法进行图像增强，该方法用一个对边缘敏感的平方滤波器算子乘以拉普拉斯算子，只增强局部亮度变化区域的图像细节，从而相对减少噪声。柯丽等人提出了基于小波变换的图像增强方法，该算法主要针对CR图像，先将CR图像进行小波变换分解，针对各子图像的特征，对高频和低频部分采用不同的处理，最后进行小波变换得到增强后的CR图像。董卫军等人提出了基于多小波的图像增强算法，由于多小波的对称性和短支撑性，因此多小波在图像处理方面比单小波更有优势。

1.3空域图像增强方法

空域是指组成图像的像素的集合，空域图像增强直接对图像中像素灰度值进行运算处理，基本上是以灰度映射变换为基础的。空域图像增强知识本文在第二章中会有详细介绍，这里简略介绍一下。

空域图像增强主要有灰度变换和直方图均衡化处理。灰度变换的原理就是通过改变灰度的动态范围，达到增强图像灰度级细节部分的方法。一般的变换函数包括线性变换、非线性变换、分段线性变换。具体函数的选择与图像的成像系统和相应的应用场合有关。直方图均衡化是空域图像增强中应用最广泛的一种方法，其基本原理是使得处理后的图像灰度级近似均匀分布，来达到图像增强效果。但由于其变换函数采用的是累积分布函数，因此它产出的近似均匀直方图都很相似，这必然限制了它的功能。为了适应图像的局部特性，基于局部变换的图像增强方法应运而生，如局部