搜索
图像处理学院信息工程学院姓名钟佳杭班级14级物联网工程学号1440903010321、图像增强的原理及应用前景图象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。增强图象中的有用信息，它是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。近年来，随着消费型和专业型数码相机的日益普及，海量的图像数据正在被产生．但由于场景条件的影响，很多在高动态范围场景、昏暗环境或特殊光线条件下拍摄的图像视觉效果不佳，需要进行后期增强处理调整动态范围或提取一致色感才能满足显示和印刷的要求。人类视觉系统具有强烈的全局和区域的自适应性和非线性，在多种不同的光照条件下都能清晰地辨识细节，具有电子设备所不可比拟的优势。因此，图像增强引起了广泛的关注，很多图像增强方法在设计时考虑描述和模仿人类视觉系统的特性，以期获得符合人类视觉系统特性的增强效果。2图像增强的算法分类图像增强算法可分成两大类：频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。基于空域的算法处理时直接对图像灰度级做运算，具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。2.1空域图像增强算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，如局部直方图均衡化、对比度受限自适应直方图均衡化、利用局部统计特性的噪声去除方法。这些方法对图像细节部分的增强均有很好的效果，但均有一个共同的缺点，算法运算量较大，图像处理时间相对较长，使得这些算法不能适用于实时处理系统中。近年来，一类基于直方图分割的算法受到大家的广泛关注，该算法处理图像的侧重点在处理后图像的亮度保持上，使得处理后图像更适合人眼特性观察。但该方法应用到低照度图像增强上，对图像整体亮度的提高效果不明显。2.2频域图像增强算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：图1、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频域变换滤波增强频域反变换输出图像原始图像掉了，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，较适用于图像中物体的边缘提取。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。3具体的图像增强算法3.1灰度拉伸算法及原理灰度拉伸又叫对比度拉伸，它是最基本的一种灰度变换，使用的最简单的分段线性变换函数，主要思想是提高图像处理时灰度级的动态范围。它可以有选择的拉伸某段灰度区间以改善输出图像。如图，所示的变换函数的运算结果是将原图在a到b之间的灰度拉伸到c到d之间。如果一幅图像的灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸(斜率1)物体灰度区间以改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩(斜率1)物体灰度区间以改善图像质量。图2灰度拉伸如下图所示为对一副光照不均的图像进行灰度拉伸前后的处理结果对比，明显地改善了图像的视觉效果。原始图像灰度拉伸(斜率〉1)图3灰度拉伸图像前后对比3.2直方图均衡化算法及原理直方图是多种空间域处理技术的基础。直方图操作能有效地用于图像增强，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。灰度级为]1,0[L范围的数字图像的直方图是离散函数kknrh)(，这里kr是第k级灰度，kn是图像中灰度级为kr的像素个数。经常以图像中像素的总数(用n表示)来除它的每一个值得到归一化的直方图。因此，一个归一化的直方图由nnrPkk/)(给出。这里k=0，l，...，L-1。简单地说，)(krP给出了灰度级为kr发生的概率估计值。一个归一化的直方图其所有部分之和应等于1。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。直方图均衡化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。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。如下图所示为对一副图像进行直方图均衡化前后对比。原始图像0200040006000原图的直方图0100200均衡化后的图像0200040006000均衡化后的直方图0100200图4直方图均衡化处理结果3.3