图像增强方法
图像增强所包含的主要内容如下图。
1.灰度变换
灰度变换可调整图像的动态范围或图像对比度,是图像增强的重要手段之一。（1）线性变换
令图像f(i，j)的灰度范围为[a，b]，线性变换后图像g(i，j)的范围为[a′,b′],如下图
g(i，j)与f(i，j)之间的关系式为：
在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像每一个像素灰度作线性拉伸，可有效地改善图像视觉效果。
(2)分段线性变换
为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。如下图所示。
设原图像在[0，M f],感兴趣目标所在灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为
通过调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。
(3)非线性灰度变换
当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。
①对数变换
对数变换的一般表达式为
这里a,b,c是为了调整曲线的位置和形状而引入的参数。当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配。
②指数变换
指数变换的一般表达式为
这里参数a,b,c用来调整曲线的位置和形状。这种变换能对图像的高灰度区给予较大的拉伸。
2.直方图修整法
灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图
像的概貌。通过修改直方图的方法增强图像是一种实用而有效的处理技术。直方图修整法包括直方图均衡化及直方图规定化两类。（1）直方图均衡化直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。下面先讨论连续变化图像的均衡化问题，然后推广到离散的数字图像上。为讨论方便起见，设r和s分别表示归一化了的原图像灰度和经直方图修正后的图
像灰度。即。在[0,1]区间内的任一个r值，都可产生一个s值，且
。
T(r)作为变换函数，满足下列条件：
①在0≤r≤1内为单调递增函数，保证灰度级从黑到白的次序不变；
②在0≤r≤1内，有0≤T(r)≤1，确保映射后的像素灰度在允许的范围内。
反变换关系为，T-1(s)对s同样满足上述两个条件。由概率论理论可知，如果已知随机变量r的概率密度为pr(r),而随机变量s是r的函数，则s的概率密度ps(s)可以由pr(r)求出。假定随机变量s的分布函数用Fs(s) 表示，根据分布函数定义
利用密度函数是分布函数的导数的关系，等式两边对s求导，有：
可见，输出图像的概率密度函数可以通过变换函数T(r)可以控制图像灰度级的概率密度函数，从而改善图像的灰度层次，这就是直方图修改技术的基础。
从人眼视觉特性来考虑，一幅图像的直方图如果是均匀分布的，即Ps(s)=k(归一化时k=1)时，该图像色调给人的感觉上该图像比较协调。因此要求将原直方图通过T(r)调整为均匀分布的.然后反过来按均衡化的直方图去调整原图像，以满足人眼视
觉要求的目的。因为归一化假定，由密度函数则有
，两边积分得，上式表明，当变换函数为r的累积分布函数时，能达到直方图均衡化的目的。对于离散的数字图像，用频率来代替概率，则变换函数T(rk)的离散形式可表示为:
上式表明，均衡后各像素的灰度值s k可直接由原图像的直方图算出。一幅图像s k
同r k之间的关系称为该图像的累积灰度直方图。
下面举例说明直方图均衡过程。例：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中。对其均衡化计算过程如下：
原图像的直方图均衡后图像的直方图直方图均衡化示例
（2）直方图规定化
在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。可见，它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。对于直方图规定化，下面仍从灰度连续变化的概率密度函数出发进行推导，然后推广出灰度离散的图像直方图规定化算法。假设pr(r)和pz(z)分别表示已归一化的原始图像灰度分布的概率密度函数和希望得到的图像的概率密度函数。首先对原始图像进行直方图均衡化，即求变换函数：
假定已得到了所希望的图像，对它也进行均衡化处理，即
它的逆变换是
这表明可由均衡化后的灰度得到希望图像的灰度。
若对原始图像和希望图像都作了均衡化处理，则二者均衡化的ps(s)和pv(v)相同，即都为均匀分布的密度函数。由s代替v 得z=G-1(s)，这就是所求得的变换表达式。根据上述思想，可总结出直方图规定化增强处理的步骤如下：
①对原始图像作直方图均衡化处理；
②按照希望得到的图像的灰度概率密度函数pz(z)，求得变换函数G(z)；
③用步骤①得到的灰度级s作逆变换z= G-1(s)。
经过以上处理得到的图像的灰度级将具有规定的概率密度函数pz(z)。采用与直方图均衡相同的原始图像数据（64×64像素且具有8级灰度），其灰度级分布列于表中。给定的直方图的灰度分布列于表中。对应的直方图如下：
原图像的直方图规定化直方图
原图像的直方图规定的直方图规定化后图像的直方图
利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。下面是一个直方图规定化应用实例。
图(C)、(c)是将图像(A)按图(b)的直方图进行规定化得到的结果及其直方图。通过对比可以看出图(C)的对比度同图（B)接近一致，对应的直方图形状差异也不大。这样有利于影像融合处理，保证融合影像光谱特性变化小。
图像增强方法的研究
图像增强方法的研究 摘要 数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。在图像处理中，图像增强技术对于提高图像的质量起着重要的作用。本文先对图像增强的原理以及各种增强方法进行概述，然后着重对灰度变换、直方图均衡化、平滑和锐化等几种常用的增强方法进行了深入的研究，在学习数字图像的基本表示与处理方法的基础上，针对图像增强的普遍性问题，研究和实现常用的图像增强方法及其算法，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的适用场合，并对其图像增强方法进行性能评价。如何选择合适的方法对图像进行增强处理，是本文的主要工作，为了突出每种增强方法的差异，本文在Matlab的GUI图形操作界面中集合了四种常用算法的程序，以达到对各种算法的对比更直观和鲜明的效果。 关键词：图像增强直方图均衡化灰度变换平滑锐化
目录 1 图像增强的基本理论 (3) 1.1 课题背景及意义 (3) 1.2 课题的主要内容 (4) 1.3 数字图像基本概念 (5) 1.3.1数字图像的表示 (5) 1.3.2 图像的灰度 (5) 1.3.3灰度直方图 (5) 1.4 图像增强概述 (6) 1.5图像增强概述 (8) 1.5.1图像增强的定义 (8) 1.5.2常用的图像增强方法 (8) 1.5.3图像增强的现状与应用 (9) 2 图像增强方法与原理 (10) 2.1 图像变换 (10) 2.1.1 离散图像变换的一般表达式 (10) 2.1.2 离散沃尔什变换 (11) 2.2 灰度变换 (12) 2.2.1 线性变换 (12) 2.2.2 分段线性变换 (13) 2.2.3 非线性变换 (13) 2.3 直方图变换 (14) 2.3.1 直方图修正基础 (14) 2.3.2 直方图均衡化 (16) 2.3.3 直方图规定化 (17) 2.4 图像平滑与锐化 (18) 2.4.1 平滑 (18) 2.4.2 锐化 (19)
MATLAB常用图像增强方法(精)
数字图像处理 实验报告 实验名称：常用图像增强方法 专业班级： 07级电子信息工程2班 姓名：王超 学号： 20077427 一、实验目的 1、熟悉并掌握MATLAB图像处理工具箱的使用； 2、理解并掌握常用的图像的增强技术。 二、实验步骤 1、显示图像直方图 选择一幅图像，转化为灰度图像后显示其直方图，建立M文件程序如下：a=imread('f:\chuan.jpg'；
b=rgb2gray(a； subplot(1,2,1； imshow(b； subplot(1,2,2； imhist(b 结果如图： 2、直方图均衡化 建立M文件，程序如下：a=imread('f:\chuan.jpg'; b=rgb2gray(a; subplot(1,3,1;imshow(b; subplot(1,3,2;imhist(b;
c=histeq(b,64; [c,T]=histeq(b; subplot(1,3,3;imhist(c 结果如图： 3、采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波，窗口分别采用3*3,5*5,7*7 建立M文件程序如下： a=imread('f:\chuan1.jpg'; x=rgb2gray(a; b=imnoise(x,'salt & pepper', 0.04; subplot(2,2,1;imshow(b; c=medfilt2(b,[3 3]; subplot(2,2,2;imshow(c;
d=medfilt2(b,[5 5]; subplot(2,2,3;imshow(d; e=medfilt2(b,[7 7]; subplot(2,2,4;imshow(e 结果如图：1图为加噪图像，2、3、4图分别为窗口采用3*3、5*5、7*7的滤波后的图像 4、采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 建立M文件程序如下： a=imread('f:\chuan1.jpg'; b=rgb2gray(a; subplot(1,2,1;imshow(b; h=[1,2,1;0,0,0;-1,-2,-1]; c=filter2(h,b;
图像增强研究现状
在借鉴国外相对成熟理论体系与技术应用体系的条件下,国内的增强技术与应用也有了很大的发展。总体来说,图像增强技术的发展大致经历了初创期、发展期、普及期与应用期4个阶段。初创期开始于20世纪60年代,当时的图像采用像素型光栅进行扫描显示,大多采用中、大型机对其进行处理。在这一时期由于图像存储成本高,处理设备造价高,因而其应用面很窄。20世纪70年代进入了发展期,开始大量采用中、大型机进行处理,图像处理也逐渐改用光栅扫描显示方式,特别就是出现了CT与卫星遥感图像,对图像增强处理提出了一个更高的要求。到了20世纪80年代,图像增强技术进入普及期,此时的计算机已经能够承担起图形图像处理的任务。20世纪90年代进入了应用期,人们运用数字图像增强技术处理与分析遥感图像,以有效地进行资源与矿藏的勘探、调查、农业与城市的土地规划、作物估产、气象预报、灾害及军事目标的监视等。在生物医学工程方面,运用图像增强技术对X射线图像、超声图像与生物切片显微图像等进行处理,提高图像的清晰度与分辨率。在工业与工程方面,主要应用于无损探伤、质量检测与过程自动控制等方面。在公共安全方面,人像、指纹及其她痕迹的处理与识别,以及交通监控、事故分析等都在不同程度上使用了图像增强技术。图像增强就是图像处理的重要组成部分,传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入与发展,新的图像增强方法不断出现。例如一些学者将模糊映射理论引入到图像增强算法中,提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题,并且随着交互式图像增强技术的应用,可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展:例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像,然后在子层图像内做均衡处理,较好地解决了直方图均衡过程中的对比度过拉伸问题,并且可以控制子层灰度映射范围,增强效果较好。 20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。早期的图像增强技术往往涉及硬件参数的设置,如打印过程的选择与亮度等级的分布等问题。在1921年年底提出了一种基于光学还原的新技术。在这一时期由于引入了一种用编码图像纸带去调制光束达到调节底片感光程度的方法,使灰度等级从5个灰度级增加到15个灰度等级,这种方法明显改善了图像复原的效果。到20世纪60年代早期第一台可以执行数字图像处理任务的大型计算机制造出来了,这标志着利用计算机技术处理数字图像时代的到来。1964年,研究人员在美国喷气推进实验室(JPL)里使用计算机以及其它硬件设备,采用几何校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等增强方法对航天探测器“徘徊者7号”发回的几千张月球照片进行处理,同时她们也考虑太阳位置与月球环境的影响,最终成功地绘制出了月球表面地图。随后她们又对1965年“徘徊者8号”发回地球的几万张照片进行了较为复杂的数字图像处理,使图像质量进一步提高。这些成绩不仅引起世界许多有关方面的注意而且JPL本身也更加重视对数字图像处理地研究与设备的改进,并专门成立了图像处理实验室IPL。在IPL里成功的对后来探测飞船发回的几十万张照片进行了更为复杂的图像处理,最终获得了月球的地形图、彩色图以及全景镶嵌图。从此数字图像增强技术走进了航空航天领域。 20世纪60年代末与20世纪70年代初有学者开始将图像增强技术用于医学图像、地球遥感监测与天文学等领域。X射线就是最早用于成像的电磁辐射源之一,在1895年X射线由伦琴发现。20世纪70年代Godfrey N、Hounsfield先生与Allan M、Cormack教授共同发明计算机轴向断层技术:一个检测器围绕病人,并用X射线源绕着物体旋转。X射线穿过身体并由位于对面环中的相应检测器收集起来。其原理就是用感知的数据去重建切片图像。当物体沿垂直于检测器的方向运动时就产生一系列的切片,这些切片组成了物体内部的再现图像。到了20世纪80年代以后,各种硬件的发展使得人们不仅能够处理二维图像,而且开始处理三维图像。许多能获得三维图像的设备与分析处理三维图像的系统已经研制成功了,图像处理技术
三种不同灰度图像增强算法对比
三种不同灰度图像增强算法对比 一、摘要 本文主要是运用直方图均衡化、平滑、锐化三种常见的图像增强算法对图像进行处理,并在此基础上分别用这 3 种算法处理的灰度图像进行比较，比对它们对图像的处理效果, 分析3 种方法在图像增强处理能力的优劣之处。 结果发现,直方图均衡化可以均衡图像的灰度等级, 经过直方图的均衡化，图像的细节更加清楚了，但是由于直方图均衡化没有考虑图像的内容，只是简单的将图像进行直方图均衡，提高图像的对比度,使图像看起来亮度过高，使图像细节受到损失; 图像平滑的目的是减少或消除图像的噪声, 图像平滑可以使图像突兀的地方变得不明显, 但是会使图像模糊，这也是图像平滑后不可避免的后果，只能尽量减轻，尽量的平滑掉图像的噪声又尽量保持图像细节，这也是图像平滑研究的主要问题; 图像锐化使图像的边缘、轮廓变得清晰，并使其细节清晰,常对图像进行微分处理，但是图像的信噪比有所下降。 关键词: 图像增强灰度图直方图平滑锐化 二、三种图像增强算法 图像预处理是相对图像识别、图像理解而言的一种前期处理，主要是指按需要进行适当的变换突出某些有用的信息，去除或削弱无用的信息，在对图像进行分析之前, 通常要对图像质量进行改善,改善的目的就是要使处理后的图像比原始图像更适合特定的应用。影响图像清晰度的因素很多,主要有光照不足、线路传输收到干扰等。 现存的图像增强技术主要分为空间域法和频率域法两类,其中的增强方法主要有直方图的修正、灰度变换、图像平滑、图像锐化、伪彩色和假彩色处理等。下面主要采用直方图均衡化、图像平滑、图像线性锐化对图像进行增强处理, 对比他们的处理效果,分析 3 种方法的在图像增强处理方面的优劣。 1、直方图均衡化 直方图均衡化也称为直方图均匀化，是一种常见的灰度增强算法，是将原图像的直方图经过变换函数修整为均匀直方图，然后按均衡后的直方图修整原图像。 为方便研究，先将直方图归一化，然后图像增强变换函数需要满足2个条件。 假设灰度级为归一化至范围[0,1]内的连续量,设其中任一灰度级别Z归一化为r，变换后图像的任一灰度级Z'归一化为s，显然r，s应当满足：0<=r<=1,0<=s<=1 因此直方图修正就是对下列公式的计算过程：s=T(r)或r=T'(s) 式中T(r)为变换函数，它必须满足下列条件： a在0<=r<=1区间内是单值单调增加函数; b对于0<=r<=1,有T(r)在[0,1]内。 条件a 保证灰度级从黑到白的次序,而条件b确保映射后的像素灰度在允许的范围内，避免整个图像明显变亮或者变暗。 从S 到r的反变换关系为r=T'(s) ；T'(s)对r同样满足上述条件。 灰度变换是对图像上各个像素点的灰度值x 按某个函数T 变换到y ,将图像的灰度级整个范围或其中某一段( A, B)扩展或压缩到( A, B)。直方图均衡化是灰度变换的一个重要应用,是以累计分布函数变换为基础的直方图修正法, 可以产生一幅灰度级分布具有均匀概率密度的图像。一幅图像灰度级r k 出现的概率近似为 其中n 是图像中像素的总和, nk 是灰度级为r k 的像素个数, L 为图像中灰度级总数。若
03 遥感图像增强
实验三遥感图像增强 一、背景知识 在获取图像的过程中，由于多种因素的影响，导致图像质量多少会有所退化。图像增强的目的在于：(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分析处理的形式。通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。 增强的方法往往具有针对性，增强的结果只是靠人的主观感觉加以评价。因此，图像增强方法只能有选择地使用。 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像素灰度进行操作；频率域增强是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。 图像增强所包含的主要内容如下图。 二、实验目的： 掌握遥感图像增强的基本方法，理解不同处理方法的适用类型。能根据需要对遥感图像进行综合处理。 三、实验内容： ?辐射增强处理 ?直方图均衡化 ?直方图匹配 ?空间增强处理 ?卷积增强处理 ?自适应滤波
?锐化增强处理 ?分辩率融合 光谱增强处理 ?主成份变换（PC变换/K-L变换） ?去相关拉伸 ?缨帽变换（K-T变换） ?指数计算 ?自然色彩变换 四、实验准备 1.软件ERDAS IMAGINE8.5版本以上； 2.实验用相关数据 五、实验步骤： (一)、辐射增强处理(Radiometric Enhancement) 1.直方图均衡化(Histogram Equalization) 直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，使一定灰度范围内像元的数量大致相等；这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的 谷底部分对比度降低，输出图像的直方图是一较平的分段直方图，如果输出数据分段值较 小的话，会产生粗略分类的视觉效果。 打开方法：（以文件Lanier.img为例） (1).ERDAS图标面板菜单条：Main - Image Interpreter Radiometric Enhancement - Histogram Equalization，打开Histogram Equalization对话框。 (2).ERDAS图标面板工具条：点击Interpreter图标一Radiometric Enhancement一 Histogram Equalization，打开Histogram Equalization对话框。 2.直方图匹配（Histogram Match) 直方图匹配是对图像查找表进行数学变换，使一幅图像的直方图与另一幅图像类似。 直方图匹配经常作为相邻图像拼接或应用多时相遥感图像进行动态变化研究的预处理工 作，通过直方图匹配可以部分消除由于太阳高度角或大气影响造成的相邻图像的效果差异。 操作方法
【CN110197471A】一种图像对比度增强方法【专利】
(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 201910154634.5 (22)申请日 2019.03.01 (71)申请人 合肥工业大学 地址 230000 安徽省芜湖市屯溪路193号 (72)发明人 郝世杰 汪雷宇 张又明 洪日昌 汪萌 (74)专利代理机构 北京睿智保诚专利代理事务 所(普通合伙) 11732 代理人 杨海明 (51)Int.Cl. G06T 5/40(2006.01) (54)发明名称 一种图像对比度增强方法 (57)摘要 本发明公开一种图像对比度增强方法，所述 增强方法包括：采集待处理的图像，获得原始图 像；将所述原始图像采用色彩处理方法进行色彩 处理，获得色彩处理图像；将所述色彩处理图像 进行数据预处理，获得预处理色彩图像；将所述 原始图像进行预增强处理，获得第一增强图像； 根据所述色彩处理图像、所述第一增强图像和所 述原始图像采用图像增强方法，获得第二增强图 像。本发明提供的图像增强方法能够在像素级别 感知图像的结构，进行非均一的增强，产生对比 度得到增强且兼具自然性的结果。权利要求书1页 说明书2页 附图1页CN 110197471 A 2019.09.03 C N 110197471 A
1.一种图像对比度增强方法，其特征在于，所述增强方法包括： 采集待处理的图像，获得原始图像I； 将所述原始图像采用色彩处理方法进行色彩处理，获得色彩处理图像L；将所述色彩处理图像L进行数据预处理，获得预处理色彩图像； 将所述原始图像I进行预增强处理，获得第一增强图像； 根据所述色彩处理图像L、 所述第一增强图像和所述原始图像I采用图像增强方法，获得第二增强图像。 2.根据权利要求1所述的一种图像对比度增强方法，其特征在于，所述将所述原始图像采用色彩处理方法进行色彩处理，获得色彩处理图像L具体包括： 对所述原始图像做最大化颜色通道技术处理，获得色彩处理图像L。 3.根据权利要求1所述的一种图像对比度增强方法，其特征在于，所述将所述色彩处理图像L进行数据预处理，获得预处理色彩图像具体包括： 对所述色彩处理图像L进行取反和开操作，获得预处理色彩图像1-L。 4.根据权利要求1所述的一种图像对比度增强方法，其特征在于，所述将所述原始图像I进行预增强处理，获得第一增强图像具体包括： 对所述原始图像I采用简化的Retinex模型处理，获得第一增强图像。 5.根据权利要求1所述的一种图像对比度增强方法，其特征在于，所述根据所述色彩处理图像L、所述第一增强图像和所述原始图像I采用图像增强方法，获得第二增强图像具体包括： 第二增强图像。 权 利 要 求 书1/1页 2 CN 110197471 A
图像增强理论简述
图像增强方法研究 一、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。 二、图像增强所要借助的软件MATLAB MATLAB 是MATrix LABoratory（“矩阵实验室”）的缩写，是由美国MathWorks 公司开发的集数值计算、符号计算和图形可视化三大基本功能于一体的，功能强大、操作简单的语言。是国际公认的优秀数学应用软件之一。 三、图像增强方法分类 1、频域图像增强方法 2、小波域图像增强方法 3、空域图像增强方法 （一）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 1、平滑噪声 有些图像是通过扫描仪扫描输入、或传输通道传输过来的。图像中往往包含有各种各样的噪声。这些噪声一般是随机产生的，因此具有分布和大小不规则性的特点。这些噪声的存在直接影响着后续的处理过程，使图像失真。图像平滑就是针对图像噪声的操作，其主要作用是为了消除噪声，图像平滑的常用方法是采用均值滤波或中值滤波，均值滤波是一种线性空间滤波，它用一个有奇数点的掩模在图像上滑动，将掩模中心对应像素点的灰度值用掩模内所有像素点灰度的平均值代替，如果规定了在取均值过程中掩模内各像素点所占的权重，即各像素点所乘系数，这时就称为加权均值滤波；中值滤波是一种非线性空间滤波，其与均值滤波的区别是掩模中心对应像素点的灰度值用掩模内所有像素点灰度值的中间值代替。 2、锐化 平滑噪声时经常会使图像的边缘变的模糊，针对平均和积分运算使图像模糊，可对其进行反运算采取微分算子使用模板和统计差值的方法，使图像增强锐化。图像边缘与高频分量相对应，高通滤波器可以让高频分量畅通无阻，而对低频分量则充分限制，通过高通滤波器去除低频分量，也可以达到图像锐化的目的。 （二）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
图像增强研究现状
在借鉴国外相对成熟理论体系和技术应用体系的条件下，国内的增强技术和应用也有了很大的发展。总体来说，图像增强技术的发展大致经历了初创期、发展期、普及期和应用期4个阶段。初创期开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中、大型机对其进行处理。在这一时期由于图像存储成本高，处理设备造价高，因而其应用面很窄。20世纪70年代进入了发展期，开始大量采用中、大型机进行处理，图像处理也逐渐改用光栅扫描显示方式，特别是出现了CT和卫星遥感图像，对图像增强处理提出了一个更高的要求。到了20世纪80年代，图像增强技术进入普及期，此时的计算机已经能够承担起图形图像处理的任务。20世纪90年代进入了应用期，人们运用数字图像增强技术处理和分析遥感图像，以有效地进行资源和矿藏的勘探、调查、农业和城市的土地规划、作物估产、气象预报、灾害及军事目标的监视等。在生物医学工程方面，运用图像增强技术对X 射线图像、超声图像和生物切片显微图像等进行处理，提高图像的清晰度和分辨率。在工业和工程方面，主要应用于无损探伤、质量检测和过程自动控制等方面。在公共安全方面，人像、指纹及其他痕迹的处理和识别，以及交通监控、事故分析等都在不同程度上使用了图像增强技术。图像增强是图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入和发展，新的图像增强方法不断出现。例如一些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展：例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像，然后在子层图像内做均衡处理，较好地解决了直方图均衡过程中的对比度过拉伸问题，并且可以控制子层灰度映射范围，增强效果较好。 20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。早期的图像增强技术往往涉及硬件参数的设置，如打印过程的选择和亮度等级的分布等问题。在1921年年底提出了一种基于光学还原的新技术。在这一时期由于引入了一种用编码图像纸带去调制光束达到调节底片感光程度的方法，使灰度等级从5个灰度级增加到15个灰度等级，这种方法明显改善了图像复原的效果。到20世纪60年代早期第一台可以执行数字图像处理任务的大型计算机制造出来了，这标志着利用计算机技术处理数字图像时代的到来。1964年，研究人员在美国喷气推进实验室(JPL)里使用计算机以及其它硬件设备，采用几何校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等增强方法对航天探测器“徘徊者7号”发回的几千张月球照片进行处理，同时他们也考虑太阳位置和月球环境的影响，最终成功地绘制出了月球表面地图。随后他们又对1965年“徘徊者8号”发回地球的几万张照片进行了较为复杂的数字图像处理，使图像质量进一步提高。这些成绩不仅引起世界许多有关方面的注意而且JPL本身也更加重视对数字图像处理地研究和设备的改进，并专门成立了图像处理实验室IPL。在IPL里成功的对后来探测飞船发回的几十万张照片进行了更为复杂的图像处理，最终获得了月球的地形图、彩色图以及全景镶嵌图。从此数字图像增强技术走进了航空航天领域。 20世纪60年代末和20世纪70年代初有学者开始将图像增强技术用于医学图像、地球遥感监测和天文学等领域。X射线是最早用于成像的电磁辐射源之一，在1895年X射线由伦琴发现。20世纪70年代Godfrey N. Hounsfield先生和Allan M. Cormack教授共同发明计算机轴向断层技术：一个检测器围绕病人，并用X射线源绕着物体旋转。X射线穿过身体并由位于对面环中的相应检测器收集起来。其原理是用感知的数据去重建切片图像。当物体沿垂直于检测器的方向运动时就产生一系列的切片，这些切片组成了物体内部的再现图像。到了20
医学图像增强方法研究
医学图像增强方法研究 摘要：简要介绍医学图像增强的概念和主要目的。从传统图像增强方法、基于区域的增强方法和基于小波变换的增强方法三方面对医学图像增强方法进行讨论。最后介绍图像增强效果的评价方案。 关键词：图像增强，算法，区域，小波变换，评价 图像增强根据图像的模糊情况采用了各种特殊的技术突出图像整体或局部特征，常用的图像增强技术有灰度变换、直方图处理、平滑滤波(高斯平滑)，中值滤波、梯度增强、拉普拉斯增强以及频率域的高通低通滤波等，然而，这些算法运算量大、算法复杂、处理速度低。 目前，图像增强没有统一的标准，医学图像增强的主要目的是满足医生诊断的临床应用需要。因此，如何提高医学图像质量，是图像处理的一个重要课题。 图像增强可归纳为两方面[2]：(1)消除噪声;(2)边缘增强和结构信息的保护。（图像增强方法的研究） 图像增强方法主要分为频域法、空域法两大类[2]。频域法通常计算量大，变换参数的选取需要较多的人工干预；空域法主要包括直方图均衡化、直方图变换、灰度拉伸、局部对比度增强、平滑滤波和反锐化掩模[4~ 6]等。直方图均衡化是最常见的图像增强方法，其主要缺点是图像易出现不平滑灰度过渡。当图像直方图含多个波峰时，会出现过度增强，不仅丢失了部分图像细节信息，而且会明显放大噪声，影响图像增强的效果。平滑滤波可去除一定噪声，但会使图像模糊，对比度增强不明显。反锐化掩模可以增强图像的边缘和细节，但同时也会增强噪声。此外，图像的高频细节区域相对低频区域增强显著，易出现过增强现象。利用这些空间域图像增强算法处理医学图像，存在对噪声敏感且易陷入欠增强或过增强等不足。（基于量子概率统计的医学图像增强算法研究） 图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的【3]。传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等等。这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。 目前，许多新的增强算法都充分利用了周围邻域这一重要的信息，形成了很多局部处理的灰度调整算法，该方法主要利用了邻域的统计特性【4]。自适应增强的研究主要集中在以下三大类增强算法： 1.既能平滑又能保护边缘的自适应滤波器。自适应滤波的基本思想是滤波器的参数可根据像素所在的邻域情况而自适应选取，也可描述为加权平均滤波器。(1)在提高算法的抗噪性能方面，文献〔5]【6〕介绍了几种方法。这些方法可以较好的平滑噪声区域，并能保护较显著的边缘，但对图像细节的保护较差。(2)在提高算法的细节保护能力方面，Saint一Marc【7】利用梯度来决定权值，建立了指数形式的权函数，较好的保护了图像细节。但该算法对脉冲噪声敏感，而且模型的性能受参数的影响比较大。另外，文献【8〕【9]还提出了各向异性扩散思想的改进方法，需要求解热传导方程。这些改进算法多数集中在权值的自适应选取上，但是由于自适应调整的参数较少，仍然不能很好的解决细节保护的问题。 2.基于图像建模和估计理论的增强算法。这类算法的基本思想是提出一个图像的模型，如果这个模型的参数由一种估计方法估计出来，则窗口中心的灰度值可由估计出来的参数计算得到。最简单的例子就是中值滤波器，对脉冲型噪声有很好的效果。但是，这类算法由于是以估计理论为基础，所以所采用的估计方法的鲁棒性对算法的性能有很大的影响。估计方
实验六 遥感影像增强处理
实验六遥感影像增强处理 实习目的：掌握常用的遥感影像增强处理的方法。 实习内容：遥感影像空间、辐射、光谱增强处理的主要方法 空间增强：包括卷积增强处理、纹理分析、自适应滤波等 辐射增强：LUT拉伸处理、直方图均衡化处理、直方图匹配、亮度反转处理等 光谱增强：主成份变换、缨帽变换、色彩变换、指数计算等 图像增强是改善图像质量、增加图像信息量、加强图像判读和识别效果的图像处理方法。图像增强的目的是针对给定图像的不同应用，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增强某些感兴趣区域的特征，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。图像增强的途径是通过一定的手段对原图像附加一些信息或变换数据，有选择的突出图像中感兴趣区域的特征或抑制图像中某些不需要的特征。图像增强的方法包括空间域增强和频率域增强两类。空间域增强包括空间增强、辐射增强和光谱增强。在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究内容和对象而定。 1．图像解译功能简介（Introduction of Image Interpreter） 利用ERADS IMAGINE 进行图像增强主要采用ERADS IMAGINE的图像解译器（Image Interpreter）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数，多数功能都借助模型生成器（Model Maker）建立了图形模型算法，容易调用或编辑。 图像解译器(Image Interpreter或Interpreter)，可以通过两种途径启动：ERDAS图标面板菜单条： Main/Image Interpreter--Image Interpreter 菜单 ERDAS图标面板工具条：点击Interpreter图标一Image Interpreter菜单
图像增强
实验二图像增强 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、学会对图像直方图的分析。 3、掌握直接灰度变换的图像增强方法。 4、掌握直方图均衡化。 5、采用均值滤波、中值滤波实现图像平滑。 6、采用梯度方法、拉普拉斯算子、Sobel 算子和 Prewitt 算子实现图像锐化。 二、实验原理及知识点 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，消弱或去除某些不需要的信息的处理方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。图像增强技术主要有直接灰度尺度变换、直方图修改处理、图像平滑化处理、图像尖锐化处理等。 1、灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。
在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理。若假定原图像f(x, y)的灰度范围为［a, b］，希望变换后图像 g(x, y)的灰度范围扩展至［c, d］，则线性变换可表示为： g(x,y)=[ f (x, y)? a]+ c 2、直方图变换 直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。 依据定义，在离散形式下，用r k代表离散灰度级，用p r(r k)代表p r(r)，并且有下式成立： 式 中 ：n k为图像中出现r k级灰度的像素数，n是图像像素总数，而n k/n即为频数。 n j s k= T (r k)=∑ =∑ p r(r j) 0≤ r j≤1 k = 0,1,...,l ?1 n P r(r k) =n k 0 ≤ r k≤ 1 k = 0,1,2,...,l?1 n a b c d - -
基于matlab的图像增强方法研究 开题报告
毕业设计(论文)开题报告 学生姓名：学号： 专业： 设计(论文)题目：基于matlab的图像增强方法研究 指导教师： 年月日
开题报告填写要求 1．开题报告（含“文献综述”）作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签署意见及所在系审查后生效； 2．开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见； 3．“文献综述”应按论文的格式成文，并直接书写（或打印）在本开题报告第一栏目内，学生写文献综述的参考文献应不少于10篇（不包括辞典、手册）； 4．有关年月日等日期的填写，应当按照国标GB/T7408—94《数据元和交换格式、信息交换、日期和时间表示法》规定的要求，一律用阿拉伯数字书写。如“2002年4月26日”或“2002-04-26”。
毕业设计（论文）开题报告 1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2000字左右的文献综述： 文献综述 1.1课题研究的目的和意义 图像作为自然界景物的客观反映，是人类感知世界的视觉基础，也是人类获取信息、表达信息和传递信息的重要手段。据统计，人类获得的信息大约75%是以图像的形式，通过视觉系统获得的。图像时人类重要的信息源，“百闻不如一见”、“眼见为实”即时图像对于人类重要性的简明概括。[1] 图像是物体透射或反射的光信息，通过人的视觉系统接受后，在大脑中形成的印象或认识，是自然景物的客观反映。一般来说，凡是能为人类视觉系统所感知的有形信息，或人们心目中的有形想象都统称为图像。图像作为一种有效的信息载体，是人类获取和交换信息的主要来源。实践表明，人类感知的外界信息，80%以上是通过视觉得到的。 然而，在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。所谓图像处理，就是通过某些数学运算对图像信息进行加工和处理，以满足人的视觉心理和实际应用需求[2]。图像增强是图像处理的一个重要环节，在整个图像处理过程中起着承前启后的重要作用。 随着图像处理设备性能的不断提高以及图像数字化和图像显示设备的普及化和低价化，人们对图像质量的要求越来越高。而图像质量的含义[3]包括两个方面的内容，即图像的保真度（Fidelity）和理解度（Intelligibility）。保真度是指被评价图像与标准图像的偏离程度，两者属于同一个映像，只是由于传输和处理等原因造成了偏差，因此保真度往往指的是图像细节方面的差异。理解度表示图像能向人或机器提供信息的能力，其中主要包括清晰度和美感等，因此，理解度通常指的是图像整体和细节的总体概念。
电子科大图像对比度增强实验报告
电子科技大学通信学院学院标准实验报告 （实验）课程名称图像对比度增强实验 电子科技大学教务处制表
电子科技大学 实验报告 学生姓名：学号：指导教师： 实验地点：实验时间： 一、实验室名称：通信系统实验室 二、实验项目名称：图像对比度增强实验 三、实验学时：16 四、实验原理： 图像增强的目的是针对应用或人们主观需求，对输入图像进行某种处理，使得处理后的图像在特定结构或对比度等方面有明显的改善，其源头可以追溯到1969年。随着应用需求的不断发展，世界各国对此问题展开了广泛的研究。 特定结构或对比度不够清晰，可能来自质量不佳的成像设备、恶劣的大气条件、不恰当图像压缩算法等，其特点是图像中像素灰度集中在一个相对较小的范围，导致后端处理设备的观察者不能有效对图像进行判读。 造成图像对比度不够清晰的原因是多方面，包括电子系统的热噪声、光照过强、光照过弱、目标反射率过低、大雾天气、逆光拍摄、压缩等等。由于其产生原因的多样性，导致图像对比度不够清晰在图像中体现出来的现象也不同，可以分为以下3类：整体偏暗、整体偏亮、分布在亮和暗的两端，并且有可能在空间分布上存在多个区域。 现有的对比度增强技术根据其处理方法理论依据不同可分为：直方图均衡化、基于Retinex理论的图像增强、基于梯度场重建的图像增强；根据其处理范围，又可以分为全局处理与局部处理两大类。本实验将主要论述直方图均衡化和基于梯度场重建的图像增强两种方法，其中直方图均衡化进描述基本原理，其实
现由学生独立完成，而基于梯度场重建的图像增强方法，本实验将重点阐述，并给出参考代码，要求学生在此基础上进行进一步的完善。 直方图均衡化的基本原理就是对图像进行灰度变换。灰度变换有逆反处理、阈值变换、灰度拉伸、灰度切分、灰度级修正、动态范围调整等方法。虽然它们对图像的处理效果不同，但处理过程中都运用了点运算，通常可分为线性变换、分段线性变换、非线性变换。其缺点是需要用户根据不同的图像调整不同的变换函数。灰度变换是最简单的对比度增强技术，它可增大图像动态范围，扩展对比度，使图像清晰、特征明显，是图像增强的重要手段之一。它主要利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。灰度变换不改变图像内的空间关系，灰度级的改变是根据某种特定的灰度变换函数进行。 实验所需基本结构如图1所示。 图1 实验所需基本结构图 本实验把成像设备（即摄像头）采集的一幅图像，传入计算机，由图像增强技术算法实现的编程软件处理后，对图像进行增强，然后实时显示增强后的图像。图像对比度增强技术，不仅要保持图像整体的一致性，还需要对图像的局部区域进行增强处理，使其具有最佳的表现力。因此，本文采用梯度场方法。技术方案特点有： a)梯度域增强避免了亮度不同对增强算子的影响 b)重建图像是基于最小二乘法,与原始的图像在亮度方面不同 c)重建图像在梯度域与原始图像具有强烈的相似性 d)重建图像具有亮度平均值的相对保持性 e)重建图像的边界条件周期延拓(采用DST变换要求) f)所有算子都是直接计算
频域图像增强方法研究
摘要：图像增强处理技术是图像处理领域中一项基本的，也是很重要的技术，一直是图像处理领域中不可回避的研究课题。因为一幅图像总是可能受到各种因素的干扰影响，造成图像质量的下降。图像增强包含两个方面内容：一是消除噪声，二是增强(或保护)图像特征。对图像恰当增强，能使图像去噪的同时特征得到较好保护，使图像更加清晰明显，从而提供给我们准确的信息。常用的图像增强技术各有其特点和效果。 论文在介绍图像频域增强原理的基础上，在频域内通过对Butterworth低通滤波器增强方法进了研究，介绍了相关的理论和数学模型，并给利用MATLAB工具进行实现。通过各种滤波后图像比较，实验证明在质量较差的图像中，选择不同的滤波算法对图像的增强在准确性上均有不同。 关键词：图像增强；Butterworth低通滤波器；MATLAB
Abstract:I mage enhancement in image processing technology is a basic and very important technology, the field of image processing has been a research topic can not be avoided. Because an image is always possible interference by various factors, resulting in a decline in image quality. Image enhancement includes two aspects: First, eliminate the noise, the second is enhanced (or protected) image features. Appropriate image enhancement, image denoising can be well protected at the same time features, to make the image more clearly evident, thus providing us with accurate information. Commonly used image enhancement techniques have their own characteristics and effects. Paper, introducing the principle of image enhancement based on frequency domain, in the frequency domain through the Butterworth low-pass filter enhancement into the study, describes the relevant theoretical and mathematical models and tools to use MATLAB implementation. After filtering through a variety of image comparison, real proof of poor image quality, choose a different algorithm for image enhancement filter of accuracy are different. Key words:Image enhancement; Butterworth low-pass filter; MA TLAB.
遥感原理与应用-图像增强
实验三：遥感图像的增强处理 (3机时) 实验目的：通过上机操作，了解空间增强、辐射增强几种遥感图象增强处理的过程和方法，加深对图象增强处理的理解。 实验内容：卷积增强处理；锐化增强处理；直方图均衡化；色彩变换。 ERDAS IMAGE图像解译模块主要包括了图像的空间增强、辐射增强、光谱增强、高光谱工具、傅立叶变换、地形分析以及其他实用功能。 实验数据：wx98tm543.img（待校正图像）与wx98spot_pan.img（参考图像）校正的结果 wx98tm543_warp.img；ERDAS安装目录中的若干样例图像数据文件。 1、卷积增强（Convolution） 空间增强技术是利用像元自身及其周围像元的灰度值进行运算，达到增强整个图像之目的。卷积增强（Convolution）是空间增强的一种方法。 卷积增强（Convolution）时将整个像元分块进行平均处理，用于改变图像的空间频率特征。卷积增强（Convolution）处理的关键是卷计算子----系数矩阵的选择。该系数矩阵又称卷积核（Kernal）。ERDAS IMAGINE将常用的卷计算子放在一个名为default.klb的文件中，分为3*3，5*5、7*7三组，每组又包括“EdgeDetect/Low Pass/Horizontal/Vertical/Summary”等七种不同的处理方式。具体执行过程如下： ERDAS图标面板菜单条：Main→Image Interpreter→Spatial enhancement →convolution→convolution对话框。
图3-1 Convolution对话框 几个重要参数的设置： 边缘处理方法：（Handle Edges by）：Reflection 卷积归一化处理：Normalize the Kernel 2、直方图均衡化（Histogram Equalization） 直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像像元值，是一定灰度范围内的像元数量大致相同。这样，原来直方图中间的峰顶部分对比度得到增强，而两侧的谷底部分对比度降低，输出图像的直方图是一较平的分段直方图。注意：认真对比直方图均衡化前后图像差别，仔细观察直方图均衡化的效果。 图3-2直方图均衡化 3、主成分变换 主成分变换（Principal Component Analysis）是一种常用的数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几个波段上，使图像数据更易于解译。ERDAS IMAGE提供的主成分变换功能最多等对256个波段的图象进行转换压缩。 ERDAS 图标面板菜单条：Main →Image Interporeter→Spectral Enhancement →Principial Comp →Pincipal Components对话框。（图3-3）