低通滤波与灰度值调整在图像增强中的应用
图像增强技术—灰度变换及应用实例
就是按照线性函数的映射关系对灰度进行变换，图 像取反、增加或者减小对比度、增加或者减小亮度都是 灰度线性变换的一种。
下图是用halcon做的图像取反的灰度变换。
原 图
灰 度 直
方
图
反
反Байду номын сангаас
变
变
换
化 后
后 的 灰
的
度
图
直
像
方
图
2.2 非线性灰度变换
非线性灰度变换就是构造一种非线性映射函数常见的变换有 ：对数变换、指数变换等。比如说：对数变换主要就是低灰度区扩展， 高灰度区压缩；灰度变换除了线性变换，非线性变换，还有分段线 性变换：这个主要是为了突出感兴趣的部位。下图为以10为底的对 数变换图像。
乳腺原图
去除部分背景后的图
采用了分段线性灰度变换突出乳腺信息。第二个峰值为乳腺信息，选取 两个转折点（80，20）（150，240），把乳腺的灰度值范围扩大， 实现了突出兴趣部位信息需求。
4 总结
灰度变换主要就是把原像素的值做了一个重新分 配来提高对比度，灰度变换很重要的一部分就是参 数的选择，可以在原有的算法的基础上进行改进， 得到自己更加需要的图像。
图像增强技 术—灰度变换
1 灰度变换的简单介绍
•
灰度变换是图像处理中的一个基本最基本技术技术之一，它
进行的是点运算，就是直接对像素点的值进行运算。灰度变换也是
图像增强技术中一种非常基础直接的空间域图像处理方式，根据自
的需要对图像进行灰度变换增强，增加对比度、突出感兴趣的区域
都是可以的。
2 常见的灰度变换
原 图
灰 度 直
方
图
指 数
图像增强的基本原理
图像增强的基本原理图像增强是一种用于改善图像视觉质量或提取目标特征的技术。
它通过改变图像的亮度、对比度、颜色、清晰度等属性来增强图像的可视性和可识别性。
图像增强的基本原理可以归纳为以下几点：1. 空域增强：采用空域操作，即对图像的每个像素进行操作。
常见的空域增强方法有直方图均衡化、灰度拉伸、滤波等。
直方图均衡化通过重新分布图像中像素的亮度来增加图像的对比度，灰度拉伸则通过线性转换将图像的亮度范围拉伸到整个灰度级范围内。
滤波则通过应用低通、高通、中通等滤波器来增强图像的细节和轮廓。
2. 频域增强：采用频域操作，即将图像转换到频域进行处理。
常见的频域增强方法有傅里叶变换、小波变换等。
傅里叶变换可以将图像从空域转换到频域，通过对频谱进行滤波操作来增强图像的细节和边缘。
小波变换则可以将图像分解为不同频率的子带，可以更加灵活地选择性地增强特定频率的信息。
3. 增强算法：通过应用特定的增强算法来增强图像的视觉效果。
常用的增强算法有Retinex算法、CLAHE算法等。
Retinex算法通过模拟人眼对光源的自适应调整能力来增强图像的亮度和对比度，CLAHE算法则通过分块对比度受限的直方图均衡化来增强图像的细节和纹理。
4. 机器学习方法：利用机器学习算法对图像进行增强。
通过训练模型，学习图像的特征和上下文信息，然后根据学习到的模型对图像进行增强处理。
常见的机器学习方法包括卷积神经网络、支持向量机等。
综上所述，图像增强的基本原理包括空域增强、频域增强、增强算法和机器学习方法等。
这些原理可以单独或结合使用，根据图像的特点和需求，选择合适的方法来对图像进行增强处理，以获得更好的图像视觉质量和目标特征提取效果。
如何进行高效的图像增强和降噪
如何进行高效的图像增强和降噪图像增强和降噪是数字图像处理中的重要任务之一。
它们的目的是改善图像的视觉质量和可视化细节，并消除图像中的不必要的噪声。
在本文中，我将介绍一些常用的图像增强和降噪技术，以及一些实现这些技术的高效算法。
一、图像增强技术1.灰度变换：灰度变换是一种调整图像亮度和对比度的常用技术。
它可以通过改变灰度级来增加图像的对比度和动态范围，提高图像的视觉效果。
2.直方图均衡化：直方图均衡化是通过重新分配图像灰度级来增加图像对比度的一种方法。
它通过改变图像的直方图来增强图像的细节和对比度。
3.双边滤波：双边滤波是一种能够保留图像边缘信息，同时消除噪声的滤波技术。
它能够通过平滑图像来改善图像的质量，同时保持图像的细节。
4.锐化增强：锐化增强是一种通过增加图像的高频分量来提高图像的清晰度和细节感的方法。
它可以通过增加图像的边缘强度来突出图像的边缘。
5.多尺度增强：多尺度增强是一种通过在多个尺度上对图像进行增强来提高图像视觉质量的方法。
它可以通过提取图像的不同频率分量来增强图像的细节和对比度。
二、图像降噪技术1.均值滤波：均值滤波是一种常见的降噪方法，它通过将像素值替换为其周围像素的均值来减少噪声。
然而，它可能会导致图像的模糊，特别是在对边缘等细节进行处理时。
2.中值滤波：中值滤波是一种基于排序统计理论的降噪方法，它通过将像素值替换为其周围像素的中值来消除噪声。
相比于均值滤波，中值滤波能够在去除噪声的同时保留图像的边缘细节。
3.小波降噪：小波降噪是一种利用小波变换的降噪方法，它在时频域上对图像进行分析和处理。
它能够通过消除噪声的高频分量来降低图像的噪声水平。
4.非局部均值降噪：非局部均值降噪是一种通过将像素值替换为与其相似的像素均值来减少噪声的方法。
它能够通过比较像素的相似性来区分图像中的噪声和细节，并有选择地进行降噪。
三、高效实现图像增强和降噪的算法1.并行计算：利用并行计算技术，如GPU加速、多线程等，在处理图像增强和降噪算法时，可以提高计算效率和算法的实时性。
如何使用数字图像处理进行图像增强和分析
如何使用数字图像处理进行图像增强和分析数字图像处理是一门涵盖计算机科学、电子工程和数学等多个学科的交叉领域，它的主要目标是改善和增强图像的质量，并从图像中提取出有用的信息。
图像增强和分析是数字图像处理的两个主要方面，本文将探讨如何使用数字图像处理技术来进行图像增强和分析。
一、图像增强图像增强是指通过改进图像的视觉效果，使其更加鲜明、清晰、易于观察和理解。
在数字图像处理中，图像增强可以通过各种算法和滤波器来实现。
1. 灰度增强灰度增强是改变图像灰度级分布以提高图像对比度的方法。
最简单的灰度增强方法是直方图均衡化，它通过将图像的像素值映射到一个均匀分布的灰度级上，从而增加图像的对比度。
另外，还有一些基于直方图的自适应灰度增强方法，它们根据图像的局部统计特性来调整像素的灰度值，以获得更好的增强效果。
2. 锐化增强锐化增强是通过增强图像的边缘和细节来提高图像的清晰度和细腻度。
常用的锐化增强方法包括拉普拉斯算子和梯度算子等。
这些方法可以检测出图像中的边缘和纹理信息，并增强它们的对比度，从而使图像更加清晰。
3. 去噪增强噪声是数字图像中常见的干扰因素，会导致图像质量下降和信息丢失。
去噪增强是通过滤波器等方法来减少图像中的噪声，并恢复原始图像的细节和信息。
常用的去噪方法包括中值滤波、均值滤波和小波去噪等。
二、图像分析图像分析是从图像中提取和分析有用信息的过程，旨在理解图像的内在结构和内容。
图像分析在许多领域具有广泛的应用，如医学图像分析、目标检测与识别、图像分类与标注等。
1. 特征提取特征提取是图像分析中的重要步骤，它是指从图像中提取出能够描述图像内容和结构的数学特征。
常用的特征包括纹理特征、颜色特征、形状特征等。
特征提取可以通过滤波器、变换和统计方法等来实现，提取到的特征可用于图像分类、目标检测和识别等任务。
2. 目标检测与识别目标检测与识别是图像分析中的重要任务，它是指从图像中自动识别和定位感兴趣的目标物体。
图像处理技术的图像增强与滤波方法
图像处理技术的图像增强与滤波方法图像处理技术是指通过对图像进行各种算法和技术处理，以改善图像的质量、增强图像的特定特征或者提取出图像中有用的信息。
图像增强和滤波是图像处理技术中的两个重要方面，它们都是为了改善图像质量和提取图像信息而进行的。
图像增强是指通过一系列算法和技术手段对图像进行处理，以使得图像更加鲜明、清晰、易于分析和解读。
图像增强方法主要包括亮度调整、对比度增强、颜色增强和锐化等。
其中，亮度调整可以通过调整图像的灰度级分布来改变图像的明暗程度，从而提高图像的观看效果。
对比度增强可以通过调整图像的灰度级变化幅度来增强图像的对比度，使得图像中的细节更加清晰可见。
颜色增强则是通过增加或减少图像中的色彩饱和度和色彩对比度来增强图像的鲜艳程度和色彩层次感。
锐化是通过增强图像的高频成分，突出图像的边缘和细节，从而使得图像更加清晰锐利。
图像滤波是指通过一系列滤波器对图像进行滤波操作，以抑制或增强图像中的某些频率成分。
图像滤波方法主要分为线性滤波和非线性滤波两种。
线性滤波是一种基于图像卷积的滤波方法，常见的线性滤波器有均值滤波器、高斯滤波器和中值滤波器等。
均值滤波器通过计算邻域内像素的均值来平滑图像，从而减少噪声。
高斯滤波器则是通过计算邻域内像素的加权平均值来平滑图像，其加权系数符合高斯分布，因此可以有效地去除噪声的同时保留图像细节。
中值滤波器则是将邻域内像素的中值作为输出值，适用于去除椒盐噪声等脉冲噪声。
非线性滤波是一种基于排序统计的滤波方法，常见的非线性滤波器有最大值滤波器、最小值滤波器和中值滤波器等。
最大值滤波器通过选择邻域内像素的最大值作为输出值，可以有效地强调图像中的亮区域特征。
最小值滤波器则选择邻域内像素的最小值作为输出值，适用于强调图像中的暗区域特征。
中值滤波器也可以用作非线性滤波器，在去除椒盐噪声的同时保留图像细节。
除了上述常见的增强和滤波方法外，还有一些更高级的图像增强和滤波方法，如小波变换、退化模型和图像复原等。
低通滤波与灰度值调整在图像增强中的应用
（ 1）
式中，D （ u，ν） 是从点 （ u，ν） 到频率平面原点的距
离； n 为滤波的阶次； D0 为截断频率。 2． 2 灰度值调整
图片的亮度范围都是一定的，对比度往往不是
很强。对灰度范围和灰度变化规律进行变化，可以
提高对比度，增强图片细节，改善识别效果。灰度调
整法按照变化方式可以分为线性变换方法和非线性
460
激光与红外
第 42 卷
为常数。 图 6 为灰度值变换图，由图可知，经过公式（ 1） ，
f（ x，y） 值在不同范围，已经相应变换成 g（ x，y） 。
像对比度增强，当噪声也随着增强，需要进行平滑处 理，滤除噪声。
输入灰度值 / f（ x，y） 图 6 灰度值变换曲线图 Fig． 6 the gray value adjusting graph
图 1 为某复合材料的红外热波检测图，试件从 左向右依次排列 3 个缺陷。由图 1 可知，红外热图 具有噪音强，对比度低的特点，不利于缺陷的识别和 缺陷定量计 算。 为 此，文 献［3］采 用 了 自 适 应 滤 波 的方法对红外热图进行处理，图 2 为自适应滤波后
的红外热图，由图 2 可知，经过滤波后红外热图中的 噪声得到一些抑制，但效果不是非常理想，且对比度 仍然很差。文献［4］采用微分的方法对图像进行锐 化，以突出缺陷区域与非缺陷区域的边界变化，实现 图像增强效果，图 3 为一阶微分后的红外热图，由图 3 可知，由于缺陷带来的灰度值变化较小，而噪声带 来的灰度值变化很快，经过一阶微分处理后，缺陷信 息已 经 几 乎 被 噪 声 淹 没，已 经 很 难 观 察 到。 文 献［5］从图像的 频 域 入 手，采 用 高 通 滤 波 的 方 法 以 突出图像的高频段，增强图像的动态性，图 4 为高通 滤波后的红外热图，由图 4 可知，经过高通滤波后，
滤波器在像处理中的色彩增强
滤波器在像处理中的色彩增强滤波器在图像处理中的色彩增强图像处理技术在现代科学、工程和娱乐领域都得到了广泛的应用。
其中，色彩增强是一项重要的技术，它能够改善图像的视觉效果和质量。
在图像处理中，滤波器是实现色彩增强的关键工具之一。
本文将介绍滤波器在图像处理中的色彩增强原理和应用。
一、滤波器的基本概念滤波器是一种将输入信号中的某些频率分量增强或者抑制的设备。
在图像处理中，滤波器通过改变图像中的像素值来实现色彩的增强。
常见的滤波器类型包括低通滤波器、高通滤波器和带通滤波器。
它们分别用于增强图像中的低频、高频和某个特定频率范围的信号。
二、滤波器的工作原理滤波器的工作原理基于图像中各个像素点的灰度值。
通过对图像进行滤波处理，可以通过增加或减少像素的灰度值来增强或抑制图像的特定特征。
在色彩增强中，滤波器通常被应用于增加图像的对比度、饱和度和亮度等视觉效果。
三、滤波器的应用1. 高斯滤波器高斯滤波器是一种常见的低通滤波器，它能够平滑图像并去除图像中的噪声。
在图像处理中，高斯滤波器可以通过模糊图像来增强图像的色彩。
它通过对每个像素及其周围像素进行加权平均来实现对图像进行模糊处理。
2. 锐化滤波器锐化滤波器是一种常见的高通滤波器，它能够增强图像的细节和边缘。
在图像处理中，锐化滤波器可以通过增加像素值的差异来增强图像的颜色对比度。
它通过对像素及其周围像素进行加权平均并将结果与原始像素相减来实现对图像进行锐化处理。
3. 双边滤波器双边滤波器结合了高斯滤波器和锐化滤波器的特点，可以同时平滑和增强图像。
在图像处理中，双边滤波器可以保留图像的细节和纹理，并去除图像中的噪声。
它通过对每个像素及其周围像素进行加权平均来实现对图像进行双边滤波处理。
四、滤波器的效果评估在图像处理中，评估滤波器的效果是非常重要的。
常用的评估方法包括视觉评估和客观评估。
视觉评估是通过人眼对滤波处理后的图像进行主观评价，而客观评估则是通过计算图像的一些特定指标来进行客观评价。
滤波处理均衡处理灰度处理频率处理强化处理
滤波处理均衡处理灰度处理频率处理强化处理一、图像处理技术概述图像处理技术，简单来说，就是对图像进行各种操作，让它变得更好看、更有用。
这里面包括了滤波处理、均衡处理、灰度处理、频率处理、强化处理等一堆听起来高大上的名词。
但别担心，咱们一个一个来聊。
1.1 滤波处理滤波处理，就像是给图像戴上了一副眼镜，能过滤掉一些我们不想要的东西。
比如说，有时候图像上会有一些噪点，就像是脸上长了痘痘，看着就不舒服。
这时候，滤波处理就能派上用场了，它能把这些噪点给“抹掉”，让图像看起来更平滑、更干净。
1.2 均衡处理均衡处理呢，就像是给图像做了一个“美容”。
有时候，图像里的亮度分布不均匀，有的地方太亮，有的地方太暗，看着就很难受。
均衡处理就能把这些亮度差异给“拉平”，让整个图像看起来更均衡、更和谐。
二、图像处理技术的详细解析2.1 灰度处理灰度处理，听起来有点专业，但其实很简单。
就是把图像里的颜色都给去掉，只留下黑白灰三种颜色。
就像是给图像穿上了一件“黑白灰”的衣服，看起来更简约、更低调。
这种处理在医学图像、遥感图像等领域特别有用，因为有时候颜色会干扰我们的判断，去掉颜色后，图像里的信息就更容易被识别了。
2.2 频率处理频率处理，听起来有点抽象，但其实它就像是给图像做了一个“按摩”。
图像里的信息，其实是由很多不同频率的成分组成的。
频率处理就是对这些成分进行筛选和调整，就像是按摩师在给我们的身体按摩一样，能舒缓我们的疲劳，让我们感觉更舒服。
在图像处理中，频率处理能让图像看起来更清晰、更锐利。
2.3 强化处理强化处理，就像是给图像打了一针“强心剂”。
有时候，图像里的某些信息很重要，但我们可能看不清楚。
这时候，强化处理就能把这些信息给“放大”，让我们能更清楚地看到它们。
比如说，在监控视频中，有时候人脸很模糊，看不清是谁。
这时候，强化处理就能把人脸的细节给“放大”，让我们能更清楚地识别出是谁。
三、图像处理技术的实际应用3.1 医学图像处理在医学领域，图像处理技术可是个宝贝。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图 8 第一次灰度值调整后的红外热图 Fig． 8 the infrared figure after the first gray value adjusting
4． 2 低通滤波 在低通滤波过程中，选择不同的截止频率将产
生不同的平滑效果，选择恰当的截止频率，才能获得 理想的滤波效果，为此选取不同的截止频率，对图像 进行低频滤波。图 9 为不同截止频率低通滤波处理 后图像对比图； 图 10 为原图与不同截止频率滤波后 波段分布三维显示对比图，其中图 10 （ a） 为原图频 段分布图，由图 10（ b） ～ 图 10（ d） 依次为截止频率 为 50，40，30 时的频率分布图。在频率分布图中，中 心位置为频率原点，与原点的距离越远，频率越高。 由图 9 可知，截止频率越小，滤波效果越好，正常区 域变得越来越平滑； 但图像的细节部分也变得越来 越模糊，对比度也随着下降。观察图 10 可知，随着 截止频率的减小，滤波后保留下来的高频段越来越 小，因为高频段与高灰度值变化率区域对应，而低频 段与灰度值低变化率对应，所以截止频率越小，其平 滑性越好，除噪效果越好； 但将损害细节部分，降低 图像对比度。经对比，确定截止频率为 40 时，在保 持较高对比度的同时，其滤波效果也较为理想。截 止频率的选取尚无理论依据，在实际的图像增强过 程中，需根据所见图像特点进行确定，其选取原则突 出增强图像对比度，最大程度祛除图像噪音。
{
C1 f（ x，y） γ1 C2［f（ x，y） － a］γ2 + C1 aγ1
C3［f（ x，y） － b］γ3 + C2［b － a］γ2 + C1 aγ1
0≤f（ x，y） ≤a a ＜ f（ x，y） ≤b b ＜ f（ x，y） ＜ Mf
（ 2）
式中，C1 ，C2 ，C3 ，γ1 ，γ2 ，γ3 为常数； a，b，c，d，Mf ，Mg
（ 3） 使用傅里叶反变换得到处理后图像（ 如图 5 所示） 。
图 5 频域滤波处理流程图
Fig． 5 the flow chart of frequency domain filter
指数低通滤波其滤波函数如下［9］：
指数低通滤波函数：
H（ u，ν） = exp｛ －［D（ u，ν） / D0］n｝
（ 1）
式中，D （ u，ν） 是从点 （ u，ν） 到频率平面原点的距
离； n 为滤波的阶次； D0 为截断频率。 2． 2 灰度值调整
图片的亮度范围都是一定的，对比度往往不是
很强。对灰度范围和灰度变化规律进行变化，可以
提高对比度，增强图片细节，改善识别效果。灰度调
整法按照变化方式可以分为线性变换方法和非线性
Abstract： The contrast is low，and the noise is strong in infrared images，which is unfavorable for defect judgment and recognition． In order to solve the problems，grayscale value adjustment and low pass filter method are introduced． Image enhancement scheme was designed，by which thermal images were processed． The cut-off frequency of the low-pass filter was studied． It is found that when the value is 40，the effect is most ideal． The effectiveness of the method is verified by experiments． Key words： thermal wave NDT； image enhancement； gray adjustment act； index low-pass filter
低通滤波方法是从频域出发，将图像的灰度分 布映射到频域进行分析，其处理流程为：
（ 1） 对 图 像 进 行 傅 里 叶 变 换，得 到 原 始 图 像 Fourier 频谱，即 D（ u，ν） ；
（ 2） 使用传递函数对频谱进行筛选，祛除多余频 段，留下有价值频段，得到处理后频谱，即 G（ u，ν） ；
图 7 图像增强流程图 Fig． 7 the image enhancing chart
4 图像增强过程及分析 4． 1 第一次灰度值调整
图 8 为第一次灰度值调整后的红外热图，公式 （ 2） 中： γ 值为 3，a 为 51，b 为 205，c 为 0，d 为 255， C1 ，C2 ，C3 随之调整。在此环节中，a，b，c，d 根据图 像特点选取，旨在凸显缺陷，需要根据所检图像类型 的累积经验确定。由图 8 可知，经灰度值调整后，图
3 图像增强步骤设计 在本文中的红外热图中，因为缺陷的存在，缺陷
区域的温度高于正常区域，其灰度值大于正常区域。 因噪声和材料分布不均导致该信息的削弱，但该部 分的整体灰度值仍然大于正常区域。通过灰度值的 灰度值调整后就可以增大缺陷区域与正常区域的灰 度值差，加强缺陷区域与正常区域的差异，提高对比 度； 再通过低通滤波，平滑图像，祛除噪声； 最后再通 过灰度值的灰度值调整提高图像的对比度。这便是 本文图像增强的思路，如图 7 所示。
Application of low-pass filtering and gray adjusting to image enhancement
XU Wei-chang，HUANG Wei，LI Yong-feng，LIU Ji-fang
（ The Second Artillery Qing Zhou Petty Officer College，Qingzhou 262500，China）
摘 要：红外热图具有低对比度、高噪声的特点，不利于缺陷的判断和识别。为解决该问题，将 灰度值调整方法和低通滤波方法引入。设计图像增强步骤，对红外热图进行处理。在处理过 程中，低通滤波方法环节的截止频率设定进行研究，发现当该值设取 40 时，效果较为理想。经 对比对比原图与处理后图像，验证了该方法的有效性。 关键词：红外热波检测； 图像增强； 灰度值调整； 指数低通滤波 中图分类号：TP274 + ． 52 文献标识码：A DOI： 10． 3969 / j． issn． 1001-5078． 2012． 04． 023
图 9 不同截止频率低通滤波后红外图像 Fig． 9 images after low-pass filtering in deferent cut-off frequencies
激 光 与 红 外 No． 4 2012
徐卫昌等 低通滤波与灰度值调整在图像增强中的应用
461
调整，此次 γ 值依次为 3［公式（ 2） 中的 a 为 51，b 为 205，c 为 0，d 为 255，C1 ，C2 ，C3 随之调整］。图 11 为调整后的红外热图，图 12 为图 11 的灰度值三维 显示图。观察图 11 和图 12 可知，经过再次灰度值 调整后，3 个缺陷已经明显地显现出来。
1引言 图像增强是指按照应用的要求，对现有图像进
行加工，以突出图像中某些信息，削弱或去除某些不 需要的信息，将原图像转换成一种更适合人或机器 进行分析 处 理 的 形 式 的 图 像 处 理 方 法［1］。 在 红 外 热波无损检技术的使用过程中，图像增强的目的就 是为了加强缺陷区域与正常区域之间的亮度差，缺 陷的识 别 以 及 下 面 的 缺 陷 分 割 定 量 计 算 打 好 基 础［2］。
4． 4 结 论 图 13 为原红外热图的灰度值三维显示图。对
比图 12 和图 13 可知，在经过两次灰度值调整和一 次指数低通滤波后图像，大部分噪声得到了较好地 祛除，而且缺陷区域与正常区域的对比度得到了明 显地提高，3 个缺陷清楚地显示出来，这证明了该方 法的有效性。
图 10 原图与不同截止频率滤波后的频段分布三维显示对比图 Fig． 10 the frequency bands distribution of the original picture and images in 3D display after filtering in deferent cut-off frequencies
4． 3 二次灰度值调整 为进一步提高对比度，再次对图像进行灰度值
图 13 原红外热图灰度值的三维显示图 Fig． 13 the gray value distribution image in
第 42 卷 第 4 期 2012 年 4 月
激光与红外 LASER ＆ INFRARED
Vol． 42，No． 4 April，2012
文章编号：1001-5078（ 2012） 04-0458-05
·图像与信号处理·
低通滤波与灰度值调整在图像增强中的应用
徐卫昌，黄 威，李永峰，刘继方
（ 第二炮兵士官学校，山东 青州 262500）
460
激光与红外
第 42 卷
为常数。 图 6 为灰度值变换图，由图可知，经过公式（ 1） ，
f（ x，y） 值在不同范围，已经相应变换成 g（ x，y） 。
像对比度增强，当噪声也随着增强，需要进行平滑处 理，滤除噪声。
输入灰度值 / f（ x，y） 图 6 灰度值变换曲线图 Fig． 6 the gray value adjusting graph
作者简介：徐卫昌（ 1970 － ） ，男，讲师，主要从事红外热波图像 处理动作。E-mail： xiaohutu186@ 126． com
收稿日期：2011-09-05； 修订日期：2011-09-29
激 光 与 红 外 No． 4 2012
徐卫昌等 低通滤波与灰度值调整在图像增强中的应用