数字图像增强技术项目应用可行性研究分析报告
图像增强原理的应用实验报告
图像增强原理的应用实验报告1. 引言图像增强是数字图像处理中的一项重要技术，通过改善图像质量，使图像在视觉上更加清晰、鲜明和易于解析。
本实验旨在探究图像增强原理的应用，并对不同的图像增强算法进行评估和比较。
2. 实验方法本实验使用Python编程语言，在Jupyter Notebook环境下进行实验，主要使用了以下几个库： - OpenCV：用于图像的读取和处理。
- NumPy：用于数组和矩阵的处理。
- Matplotlib：用于图像的显示和绘图。
实验步骤如下： 1. 导入所需的库。
2. 读取待处理的图像。
3. 实现不同的图像增强算法，包括直方图均衡化、自适应直方图均衡化等。
4. 比较不同算法的效果，包括图像的对比度、亮度和细节增强等方面。
5. 对实验结果进行分析和总结。
3. 实验结果实验中使用了一张室外风景照片作为待处理图像。
下面列出了不同图像增强算法的实验结果：3.1 直方图均衡化直方图均衡化是一种常用的图像增强算法，通过重新分布图像像素的灰度级来增强图像的对比度。
实验结果显示，直方图均衡化可以有效地增强图像的对比度，使暗部和亮部细节更加清晰。
3.2 自适应直方图均衡化自适应直方图均衡化是对传统直方图均衡化算法的改进，它根据图像局部的统计信息进行直方图均衡化，避免了全局均衡化带来的图像过度增强的问题。
实验结果表明，自适应直方图均衡化能够更好地保留图像的细节，并且对于不均匀光照的图像效果更好。
3.3 其他图像增强算法除了直方图均衡化和自适应直方图均衡化，还有许多其他图像增强算法可以应用于不同的图像处理任务，如图像去噪、边缘增强等。
这些算法的实验结果因具体应用场景而异，需要根据实际需要进行选择和评估。
4. 分析与讨论根据实验结果，可以看出不同的图像增强算法对图像的处理效果有所不同。
直方图均衡化能够提高图像的对比度，但对于光照不均匀的图像可能产生过度增强的效果。
自适应直方图均衡化通过局部统计信息进行直方图均衡化，能够更好地保留图像的细节。
图像增强实验报告
图像增强实验报告图像增强实验报告引言：图像增强是数字图像处理中的重要技术之一，它可以通过改变图像的亮度、对比度、色彩等参数，使图像更加清晰、细节更加突出。
本实验旨在探究不同图像增强方法对图像质量的影响，并比较它们的效果。
一、实验目的通过实验比较不同的图像增强方法，包括直方图均衡化、拉普拉斯算子增强、灰度变换等，对图像质量的影响，了解各种方法的优缺点，为实际应用提供参考。
二、实验步骤1. 实验准备：准备一组包含不同场景、不同光照条件下的图像样本，以及实验所需的图像处理软件。
2. 直方图均衡化：将图像的直方图进行均衡化，使得图像的像素值分布更加均匀，从而提高图像的对比度和亮度。
3. 拉普拉斯算子增强：使用拉普拉斯算子对图像进行边缘增强，突出图像的细节和纹理。
4. 灰度变换：通过调整图像的灰度级别，改变图像的亮度和对比度，使图像更加清晰明亮。
5. 实验结果分析：对比不同图像增强方法处理后的图像，分析它们在视觉效果上的差异，并根据实验结果评估各种方法的优劣。
三、实验结果与讨论在本次实验中，我们选择了一张室内拍摄的暗淡图像作为样本进行增强处理。
首先，我们对该图像进行了直方图均衡化处理。
结果显示，通过直方图均衡化，图像的亮度和对比度得到了明显的提升，细节也更加清晰可见。
然而，由于直方图均衡化是全局处理，可能会导致图像的局部细节过于突出，从而影响整体视觉效果。
接下来，我们采用了拉普拉斯算子增强方法。
通过对图像进行边缘增强，图像的纹理和细节得到了突出展示。
然而，拉普拉斯算子增强也存在一定的局限性，对于噪声较多的图像，可能会导致边缘增强过程中出现伪影和锯齿现象。
最后，我们尝试了灰度变换方法。
通过调整图像的灰度级别，我们改变了图像的亮度和对比度，使图像的细节更加突出。
与直方图均衡化相比，灰度变换方法更加灵活，可以根据实际需求对图像进行个性化的调整。
综合对比三种图像增强方法的实验结果，我们可以得出以下结论：直方图均衡化适用于对整体亮度和对比度进行提升的场景；拉普拉斯算子增强适用于突出图像的边缘和纹理；灰度变换方法可以根据实际需求对图像进行个性化调整。
【完整版】数字图像增强技术项目应用可行性研究分析报告
数字图像增强技术项目可行性研究分析报告摘要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。
人类感知的外界信息80%以上是通过视觉得到的。
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。
图像增强是指按特定的需要采用特定方法突出图像中的某些信息，同时削弱或去除无关信息，或将原图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。
本文围绕图像增强算法而展开，在阐明图像增强处理基本方法的基础上，就几种有代表性的图像增强算法, 进行了研究、比较，分析了各自的优缺点并指明了其最佳适用场景，以期从中总结出一套行之有效的图像增强算法的应用指导规则。
关键词：图像；图像增强；算法目录摘要 (1)Abstract ......................................................................................... 错误！未定义书签。
第1章绪论. (1)1.1 课题背景 (1)1.2 图像增强的研究及发展现状 (3)1.3 论文工作内容 (4)本章小结......................................................................................... 错误！未定义书签。
第二章图像增强的基本理论.. (5)2.1 数字图像的基本理论 (5)2.1.1数字图像的表示 (5)2.1.2图像的灰度 (6)2.1.3灰度直方图 (6)2.2 数字图像增强概述 (7)2.3 图像增强概述 (9)2.3.1图像增强的定义 (9)2.3.2常用的图像增强方法 (10)2.4 图像增强流程图 (12)第三章图像增强方法与原理 (14)3.1 图像变换 (14)3.1.1离散图像变换的一般表达式 (14)3.1.2 离散沃尔什变换 (15)3.2 灰度变换 (16)3.2.1 线性变换 (17)3.2.2分段线性变换 (17)3.2.3非线性变换 (18)3.3 直方图变换 (19)3.3.1直方图修正基础 (19)3.3.2直方图均衡化 (21)3.3.3直方图规定化 (23)3.4 图像平滑与锐化 (24)3.4.1平滑 (24)3.4.2 锐化 (25)本章小结 (27)第四章图像增强算法与实现 (29)4.1 灰度变换 (29)4.2 直方图均衡化 (32)4.3 平滑算法 (33)4.4 锐化 (36)结论 (39)致谢 (40)参考文献 (41)附录1 译文................................................................................... 错误！未定义书签。
图像增强__实验报告
深圳大学实验报告课程名称: 数字图像处理实验项目名称: 图像增强学院: 信息工程学院专业: 通信工程****: ***报告人: 学号: 班级: 1班实验时间: 2015、04、09实验报告提交时间: 2015、05、21教务处制[1] 简述直方图均衡化原理答:直方图均衡化的基本思想就是对原始图像中的像素灰度做某种映射变换,使变换后的图像灰度的概率密度就是均匀分布的,即变换后图像就是一幅灰度均匀分布的图像,这意味着图像灰度的动态范围得到了增加,从而可提高图像的对比度。
[2] 对给定的两幅灰度数字图像(可以用MATLAB自带的图像文件)进行如下处理:a、对原图像进行直方图均衡化处理,同屏显示处理前后图像及其直方图,比较异同,并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
答:代码实现如下:A = imread('1、jpg');I=rgb2gray(A);[height,width] = size(I);figuresubplot(221)imshow(I)%显示原始图像subplot(222)imhist(I)%显示原始图像直方图%进行像素灰度统计;s = zeros(1,256);%统计各灰度数目,共256个灰度级for i = 1:heightfor j = 1: widths(I(i,j) + 1) = s(I(i,j) + 1) + 1;%对应灰度值像素点数量增加一 endend%计算灰度分布密度p = zeros(1,256);for i = 1:256p(i) = s(i) / (height * width * 1、0);end%计算累计直方图分布c = zeros(1,256);c(1) = p(1);for i = 2:256c(i) = c(i - 1) + p(i);end%累计分布取整,将其数值归一化为1~256c = uint8(255 、* c + 0、5);%对图像进行均衡化for i = 1:heightfor j = 1: widthI(i,j) = c(I(i,j)+1);endendsubplot(223)imshow(I)%显示均衡化后的图像subplot(224)imhist(I)%显显示均衡化后的图像的直方图进行灰度均衡化的公式有很多,只要满足两个关键的条件就行了。
数字图像实验报告图像增强实验
数字图像实验报告图像增强实验一、实验目的熟悉并掌握MATLAB图像处理工具箱的使用；理解并掌握常用的图像的空域增强技术。
二、实验内容对一幅图像分别添加高斯、椒盐和斑点噪声，并分别进行均值和中值滤波处理，显示处理前后的图像。
三、实验方法及程序学生自行编程实现提示：1.加入高斯噪声的函数调用。
I_noise =imnoise(I,’gaussian’,0,0.1)2.加入椒盐噪声的函数调用。
I_noise = imnoise(I,’salt&pepper’,0.06)3.加入斑点噪声的函数调用。
I_noise= imnoise(I,’speckle’,0.1)4.均值滤波的函数调用。
I_smooth=imfilter(I_noise,fspecial(‘average’,5))5.中值滤波的函数调用。
I_smooth=medfilt2(I_noise,[3 3])A=imread('toyobjects.png');B=imnoise(A,'gaussian',0,0.1);%加入高斯噪声C=imnoise(A,'salt & pepper',0.05);%加入椒盐噪声D=imnoise(A,'speckle',0.05);%加入斑点噪声I1=imfilter(B,fspecial('average',5));I2= medfilt2(B);%高斯中值处理K1=imfilter(C,fspecial('average',5));K2= medfilt2(C);%椒盐中值处理G1=imfilter(D,fspecial('average',5));G2= medfilt2(D);%斑点噪声中值处理figure(1);imshow(A);title('原图像');figure(2);subplot(1,3,1);imshow(B);title('高斯噪声'); subplot(1,3,2);imshow(I1);title('高斯均值滤波处理'); subplot(1,3,3);imshow(I2);title('高斯中值滤波处理'); figure(3);subplot(1,3,1);imshow(C);title('椒盐噪声'); subplot(1,3,2);imshow(K1);title('椒盐均值处理'); subplot(1,3,3);imshow(K2);title('椒盐中值处理'); figure(4);subplot(1,3,1);imshow(D);title('斑点噪声'); subplot(1,3,2);imshow(G1);title('斑点噪声均值处理'); subplot(1,3,3);imshow(G2);title('斑点噪声中值处理');四、实验结果与分析分别运用B=imnoise(A,'gaussian',0,0.1)C=imnoise(A,'salt & pepper',0.05)D=imnoise(A,'speckle',0.05);三个函数啊加入不同的噪声，再用I_smooth=imfilter(I_noise,fspecial(‘average’,5))I_smooth=medfilt2(I_noise,[3 3])对加入噪声的图像进行处理，比较不同的处理方式对加入噪声后的图像处理后的清晰度。
图像增强方法的研究以及应用的开题报告
图像增强方法的研究以及应用的开题报告
一、研究背景
随着图像处理技术的不断发展，图像增强方法逐渐成为图像处理中重要的一环。
图像增强方法通过改善图像的质量、增加图像的对比度等方式，提高图像的可视化效
果和从中提取有效信息的能力。
这在医学影像、军事情报、安全监控等领域具有广泛
的应用。
二、研究目的
本文旨在通过对图像增强方法的研究，探讨现有的图像增强方法的原理、实现方式、特点以及优缺点，并以此为基础，进一步探索图像增强方法在实际应用中的效果。
三、研究内容
1. 图像增强方法的分类与原理
2. 常用的图像增强方法及其实现方式
3. 图像增强方法的评价指标
4. 比较分析现有方法的优缺点
5. 图像增强在医学影像、军事情报、安全监控等领域的应用
四、研究方法
1. 系统收集相关文献，对图像增强方法进行分析
2. 设计实验，对常用的图像增强方法进行实现和评估
3. 分析现有方法的优缺点，并考虑改进方案
4. 借助应用案例，检验图像增强方法的实用性和效果
五、研究意义
本文的研究有利于深入理解图像增强技术，为图像处理领域提供参考，推动图像增强方法在不同领域中的应用。
此外，本文也有利于探索图像增强方法的发展方向，
提高其实用性和效果。
数字图像实验报告
数字图像实验报告数字图像实验报告引言：数字图像处理是一门涉及计算机科学和电子工程的学科，它通过对图像进行数字化处理，实现对图像的分析、增强和改变。
本实验报告旨在介绍数字图像处理的基本概念和实验结果，以及对实验结果的分析和讨论。
一、实验目的本次实验的主要目的是了解数字图像处理的基本原理和方法，通过实践掌握常见的图像处理技术，并对实验结果进行分析和评估。
二、实验过程1. 图像获取在本次实验中，我们使用了一张自然风光的彩色图像作为实验对象。
这张图像包含了丰富的颜色和细节，能够很好地展示数字图像处理的效果。
2. 图像预处理在进行图像处理之前，我们需要对图像进行预处理，以便更好地进行后续处理。
预处理包括图像去噪、增强和边缘检测等步骤。
我们使用了常见的滤波算法对图像进行去噪处理，然后使用直方图均衡化技术对图像进行增强，最后使用边缘检测算法提取图像的边缘信息。
3. 图像分割图像分割是将图像分成若干个具有独立特征的区域的过程。
我们使用了基于阈值的分割方法对图像进行分割，通过调整阈值的大小，可以得到不同的分割结果。
4. 特征提取特征提取是从图像中提取出具有代表性的特征，用于进一步分析和处理。
我们使用了常见的特征提取算法，如边缘检测、角点检测和纹理特征提取等，从图像中提取出了边缘、角点和纹理等特征。
5. 图像重建图像重建是将经过处理的图像恢复到原始状态的过程。
我们使用了图像插值算法对图像进行重建，通过插值算法，可以将图像的分辨率提高，从而得到更清晰的图像。
三、实验结果经过以上的处理步骤，我们得到了一系列经过处理的图像。
通过对比原始图像和处理后的图像，我们可以看到图像处理对图像的改变和影响。
在图像去噪和增强的过程中，我们成功地去除了图像中的噪声，并增强了图像的对比度和细节。
在图像分割和特征提取的过程中，我们成功地将图像分割成若干个具有独立特征的区域，并提取出了图像的边缘、角点和纹理等特征。
在图像重建的过程中，我们成功地提高了图像的分辨率，得到了更清晰的图像。
图像增强 实验报告
基于像素的图像增强 实验报告姓名：赵传 学号：1120120260一、 实验目的图像增强作为基本的图像处理技术，其目的是对图像进行加工，以得到对具体应用来说视觉效果更“好”更“有用”的图像。
由于具体应用的目的和要求不同，因而“好”和“有用”的含义也不相同，因此图像增强技术是面向具体问题的。
从根本上说，图像增强的通用标准是不存在的。
本实验通过应用课堂上介绍过的图像空域增强方法中的点处理，在MATLAB 软件上进行编程，实现对不同图像（主要是黑白图像）的处理，从而加深对这些方法在原理层面的认识；同时通过简单的判断，较为“主观”给出不同方法处理不同问题时的优劣程度。
二、 引言由于受自然环境，获取图像的手段（传感器）、方式，图像传输，图像接收等一系列因素的影响，使得获取的图像信息往往存在许多问题，如：图像偏暗、偏亮、动态范围小、有噪点、对比度小等。
严重影响了有用信息的提取，因此，图像后期处理（图像增强技术）就显得十分重要。
在这门课程中，我学到了图像增强技术根据其处理的空间不同，可分为两大类：空域方法和频域方法。
前者直接在图像所在像素空间进行处理；而后者是通过对图像进行傅里叶变换后在频域上间接进行的。
在空域方法中，根据每次处理是针对单个像素还是小的子图像块又可分为两种：一种是基于像素的图像增强，也叫点处理，这种增强过程中对每个像素的处理与其他像素无关；另一种是基于模板的图像增强，也叫空域滤波，这种增强过程中的每次处理操作都是基于图像中的某个小的区域。
本实验主要针对点处理。
点处理有以下几种方式：1. 图像反转。
所谓图像反转，简单说来就是使黑变白，使白变黑。
2. 分段线性变换。
增强图像对比度实际是增强原图的各部分的反差，也就是说增强图像中感兴趣的灰度区域，相对抑制那些不感兴趣的灰度区域。
3. 指数变换。
也叫γ校正，通过设置γ 的值γγ≥≤（1还是1） 从而根据具体需要增强图像对比度。
4. 对数变换。
对于因动态范围太大而引起的失真，最常用的是借助对数形式对动态范围进行调整。
- 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)。
数字图像增强技术项目可行性研究分析报告摘要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。
人类感知的外界信息80%以上是通过视觉得到的。
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。
图像增强是指按特定的需要采用特定方法突出图像中的某些信息，同时削弱或去除无关信息，或将原图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。
本文围绕图像增强算法而展开，在阐明图像增强处理基本方法的基础上，就几种有代表性的图像增强算法, 进行了研究、比较，分析了各自的优缺点并指明了其最佳适用场景，以期从中总结出一套行之有效的图像增强算法的应用指导规则。
关键词：图像；图像增强；算法目录摘要 (1)Abstract ......................................................................................... 错误！未定义书签。
第1章绪论. (1)1.1 课题背景 (1)1.2 图像增强的研究及发展现状 (3)1.3 论文工作内容 (4)本章小结......................................................................................... 错误！未定义书签。
第二章图像增强的基本理论.. (5)2.1 数字图像的基本理论 (5)2.1.1数字图像的表示 (5)2.1.2图像的灰度 (6)2.1.3灰度直方图 (6)2.2 数字图像增强概述 (7)2.3 图像增强概述 (9)2.3.1图像增强的定义 (9)2.3.2常用的图像增强方法 (10)2.4 图像增强流程图 (12)第三章图像增强方法与原理 (14)3.1 图像变换 (14)3.1.1离散图像变换的一般表达式 (14)3.1.2 离散沃尔什变换 (15)3.2 灰度变换 (16)3.2.1 线性变换 (17)3.2.2分段线性变换 (17)3.2.3非线性变换 (18)3.3 直方图变换 (19)3.3.1直方图修正基础 (19)3.3.2直方图均衡化 (21)3.3.3直方图规定化 (23)3.4 图像平滑与锐化 (24)3.4.1平滑 (24)3.4.2 锐化 (25)本章小结 (27)第四章图像增强算法与实现 (29)4.1 灰度变换 (29)4.2 直方图均衡化 (32)4.3 平滑算法 (33)4.4 锐化 (36)结论 (39)致谢 (40)参考文献 (41)附录1 译文................................................................................... 错误！未定义书签。
附录2 英文参考资料 ................................................................ 错误！未定义书签。
附录3 源程序代码....................................................................... 错误！未定义书签。
第1章绪论在网络发展迅速的今天，Google可以搜索到与“image”一词有关的内容有五千多万条，然而，“image”至今还没有一个精确的定义。
甚至在webster 词典中，“图像(image)”被等同于“图形(picture)”，被模糊的定义为“一种对绘画或摄影的简单表示”。
人类对于图像的认识和利用还停留在一个较低的层次，对于图像处理技术甚至图像定义本身还需要更多更深入的研究[1]。
1.1 课题背景数字图像处理技术是20世纪60年代随着计算机技术和VLS（Very Large Scale Integrator}的发展而产生、发展和不断成熟起来的一个新兴技术领域，它在理论上和实际应用中都取得了巨大的成就[1]。
视觉是人类最重要的感知手段，图像又是视觉的基础。
早期图像处理的目的是改善图像质晕，它以人为对象，以改善人的视觉效果为目的。
图像处理中输入的是质量低的图像，输出的是改善质量后的图像。
常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片进行图像处理，如：几何校正、灰度变换、去除噪声，并考虑了太阳位和月球环境的影响，由计算机成功地绘出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，获得月球的地形图、彩色图及全景镶嵌图，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术探测研究中，数字图像处理技术都发挥巨大的作用[11]。
数字图像处理技术取得的另一个巨大成就是在医学上。
1972年英国EMI 公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）,CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术被授予诺贝尔奖，以表彰它对人类做出的划时代贡献。
从20世纪70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理技术向更高、更深层次发展。
人们已开始研究如何用计算机系统解释图像，类似人类视觉系统理解外部世界，这被称为图像理解或计算机视觉。
很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少的重要的研究成果。
其中代表性的成果是70年代末MIT的Marr提出的视觉计算理沦，这个理论成为计算机视觉领域其后十多年的主导思想[3]。
20世纪80年代末期，人们开始将其应用于地理信息系统，研究海图的自动读入、自动生成方法。
数字图像处理技术的应用领域不断拓展。
数字图像处理技术的大发展是从20世纪90年代初开始的。
自1986年以来，小波理论和变换方法迅速发展，它克服r傅里叶分析不能用于局部分析等方面的不足之处，被认为是调和分析半个世纪以来工作之结晶。
Ma11at 于1988年有效地将小波分析应用于图像分解和重构。
小波分析被认为是信号，图像分析在数学方法上的重大突破。
随后数字图像处理技术迅猛发展，到目前为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。
进入21世纪，随着计算机技术的迅猛发展和相关理论的不断完善，数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就。
属于这些领域的有航空航天、生物医学、机器人视觉、公安司法、军事制导、文化艺术等。
该技术成为一门引人注目、前景远大的新学科。
1.2 图像增强的研究及发展现状图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量[4]。
处理后的图像是否保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。
图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。
它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，很少涉及客观和统一的评价标准。
增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价[6]。
图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。
如对x射线图片、CT影像、内窥镜图像进行增强，使医生更容易从中确定病变区域，从图像细节区域中发现问题；对不同时间拍摄的同一地区的遥感图片进行增强处理，侦查是否有敌人军事调动或军事装备及建筑出现；在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象，减少电视系统维护的工作量。
图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用[5]。
在图像处理过程中，图像增强是十分重要的一个环节。
本文的主要内容就是围绕图像增强部分的一些基本理论和算法而展开。
基于MATLAB的图像增强算法研究。
1.3 论文工作内容图像增强的过程往往也是一个矛盾的过程：图像增强既希望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。
传统的图像增强算法在确定转换函数时常是图像变换、灰度变换、直方图变换、图像平滑与锐化、色彩增强等。
常用的一些图像增强方法是学习图像增强的基础，至今它们对于改善图像质量仍发挥着重要的作用。
本文着重研究了这些增强方法对图像进行增强处理，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，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。
全文共分六章，具体安排如下。
第一章引言。
介绍图像增强技术的课题背景和意义、本文的研究内容。
第二章图像增强的基本理论。
阐述图像增强中用到的有关数字图像的一些基本概念；概述常用的一些图像增强方法及其特点，如灰度变换、直方图均衡化。
第三章图像增强方法与原理。
针对图像增强过程中遇到的问题，提出相应的解决方法。
第四章图像增强算法与实现。
最后是总结与致谢，论文的结尾附有源程序代码。
第二章 图像增强的基本理论2.1 数字图像的基本理论2.1.1数字图像的表示图像并不能直接用计算机来处理，处理前必须先转化成数字图像。
早期一般用picture 代表图像，随着数字技术的发展，现在都用image 代表离散化了的数字图像。
由于从外界得到的图像多是二维（2-D ）的，一幅图像可以用一个2-D 数组),(y x f 表示。
这里x 和y 表示二维空间X 、Y 中一个坐标点的位置，而f 则代表图像在点),(y x 的某种性质数值。
为了能够用计算机对图像进行处理，需要坐标空间和性质空间都离散化。
这种离散化了的图像都是数字图像，即),(y x f 都在整数集合中取值。
图像中的每个基本单元称为图像的元素，简称像素[3]。
2.1.2图像的灰度常用的图像一般是灰度图，这时f 表示灰度值，反映了图像上对应点的亮度。