医学图像增强算法研究
第9卷 第3期 2009年2月167121819(2009)320684203
科 学 技 术 与 工 程
Science Technol ogy and Engineering
Vol 19 No 13 Feb .2009
Ζ 2009 Sci 1Tech 1Engng 1
医药卫生
医学图像增强算法研究
段 竹
(大连交通大学软件学院,大连116052)
摘 要 简要介绍医学图像增强的概念和主要目的。从传统图像增强算法、基于区域的增强算法和基于小波变换的增强算法三方面对医学图像增强算法进行讨论。最后介绍图像增强效果的评价方法。关键词 图像增强 算法 区域 小波变换 评价中图法分类号 R814.42; 文献标志码
B
2008年10月20日收到
作者简介:段 竹,(1976—),女,河北徐水人,大连交通大学软件学院讲师。E 2mail:duanzhugood@https://www.360docs.net/doc/f08240877.html, 。
医学影像数据在计算机上实现无误读取后,如何从中取得我们所关心的数据,并实现数据在计算机上的清晰显示是计算机视觉领域的一个关键问题。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,其主要目的是使处理后的图像对某种特定应用来说比原图像更适用,处理的结果使图像更适合于人的视觉特性或机器的识别系统,以期达到最好的显示效果。噪声是影响医学图像质量的最重要的因素之一,去除噪声和增强图像以提高图像质量是医学图像处理的重要课题。
1 传统增强算法
图像增强包括的内容广泛,如对比度增强、去噪、背景去除、边缘锐化和滤波等。对比度增强算法分为直接和间接两种方法:直接方法主要是通过修正直方图而达到增强的目的;间接算法是首先定义对比度,然后在此基础上增强对比度。传统的对比度增强技术大多是基于全局和邻域,如全局(局域)直方图均衡化、Unshar p Masking (UM )等,这些
方法的结果容易陷入欠增强或过增强。在全局性直方图均衡化时,由于数目较少的相邻灰度在均衡化过程中被合并为一个灰度,从而造成对比度下降。为了克服这一缺陷,可以在一个小的区域内,求出其均衡化函数,在均衡化处理过程中,相邻象素点的合并减少,与全局均衡化相比,其图像对比度下降较小,这就是自适应邻域直方图均衡化(AN 2HE )。文献[1]应用自适应直方图均衡化算法进行
图像增强,但一些正常组织和噪声也被增强了。文献[2]采用Unshar p Masking 算子增强微钙化点图像,虽然减弱了低频信息,然而扩大了高频细节。
2 基于区域的增强算法
针对乳腺钼靶X 线图像的不均匀性,局部增强无疑是一个好方法。加拿大的Gordon 和Rangay 2yan [3]
用固定区域的方法做增强,但算法中的平方根
函数既增强了噪声也增强了背景,因此很难区分开微钙化点和增强了的噪声与背景。Dha wan [4]
优化了自适应邻域方法以提高增强效果,减少伪阳性和伪阴性。一般来说有两种区域,一是应用分割算法得到的不重叠的区域,另一种是采用区域增长算法得到的重叠区域。基于区域的方法可以在不明显引入人为噪声的情况下增强解剖细节,文献[5]证明在微钙化点和乳腺组织的对比度较低且密度大
的乳腺图像中,该方法能够分辨出钙化点。
3 基于小波变换的增强算法
由于医学图像存在大噪声、低对比度的特性,用传统的增强算法处理给图像的分析和进一步处理带来了困难,基于小波变换的方法提供了解决这一问题的新途径。在小波变换域中,图像信号能量绝大部分集中在绝对值较大的尺度系数中,图像细节部分即高频成分则集中在小波系数中。医学图像的噪声部分大多集中在图像的高频成分上。针对这一特点,为了更好地去除噪声增强图像,可以分别对小波变换得到的尺度系数和小波系数进行不同的处理。对尺度系数主要进行增强处理,对小波系数主要进行去噪处理。该算法由两部分组成:第一部分是利用两步提升增强法对小波变换后的图像低频信息进行增强;第二部分是利用软域值算法对小波变换后的图像高频信息先进行去噪,然后再增强。最后把这两部分综合起来,进行小波反变换,得到的图像就是增强后的图像。
4 图像增强效果评价
英国University of Exeter大学的Bovis和Singh 提出了三种对比度增强效果的量化评价方法。
第一种方法是基于概率分布的评价方法:D is2 tributi on Seperati on Measure ment(DS M)。μO T和μO B 分别是原始图像(O)中目标区域(T)和背景区域(B)的灰度均值,σO T和σO B分别是原始图像中目标区域和背景区域灰度的标准偏差。μE
T
,μE B,σE T和σE B 分别是增强图像(E)中目标区域和背景区域的灰度均值和标准偏差。DSM评价公式如下:
DSM=(|D2-μE B|+|D2-μE T|)-
(|D
1
-μO B|+|D1-μO T|)。
其中:
D1=μO
B
σO
T
+μO TσO B
σO
B
+σO T
; σO B+σO T≠0。
D2=μE
B
σE
T
+μE TσE B
σE
B
+σE T
; σE B+σE T≠0。
DS M为负值,说明对比度并没有得到增强,如
果DS M为正值,说明图像对比度得到了增强,DS M
越大,增强效果越好。
第二种方法是基于标准偏差的评价方法:Target
t o Backgr ound Contrast Rati o U sing Standard Deviati on
(T BCs)。
TB C s=
μE
T
μE
B
-
μO
T
μO
B
σE
T
σO
T
。
和DS M一样,T BCs越大,增强效果越好,T BCs
为负说明图像对比度没有增强。
第三种方法是基于熵的评价方法:Target t o
Backgr ound Contrast Rati o U sing Entr opy(T BCe)。
某一区域的熵计算如下:
ε=-∑
L-1
i=0
f(i)log2[f(i)]。
其中L是某一特定区域的灰度级别,f(i)是每
一个灰度级出现的频率:
f(i)=
h(i)
∑
L-1
i=0
h(i)
,
TB C e=
μE
T
μE
B
-
μO
T
μO
B
εE
T
εO
T
。
如果T BCe小于零,则图像并没有增强;如果T BCe
大于零,则随着T BCe值的增加,图像增强效果就
越好。
参 考 文 献
1 Karsse meijer N.Adap tive noise equalizati on and i m age analysis in
ma mmography.I nfor mati on Pr ocessing in Medical i m aging:13th I nter2
nati onal Conference,I P M I’93,AZ,US A,1993:472—486
2 Chan H P,Vyborny C J,Mca Mahon H.D igital ma mmography:ROC
studies of the efforts of p ixel size and unshar p2mask filtering on the
detecti on of subtle m icr ocalcificati ons.I nvest Radi o,1987;22(7):
581—589
3 Gordon R,Rangayyan R M.Feature enhance ment of fil m ma mmo2
gra m s using fixed and adap tive neighborhoods.App l Op t,1984;23
(4):560—564
586
3期段 竹,等:医学图像增强算法研究
4 Dha wan A P,Buell oni G.Enhance ment of mammographic features by op ti m al adap tive neighborhood i m age p r ocessing.I EEE trans Med.
I m ag,1986;M I—5(1):8—155 Morr ow W M,Parajape R B,Rangayyan R M.Regi on2based contrast enhance ment of ma mmogram s.I EEE Trans Med I m ag,1992;11
(3):392—406
Study on M ed i ca l Image Enhancem en t A lgor ith m s
DUAN Zhu
(Soft w are Technol ogy I nstitute of Dalian J iaot ong University,Dalian116052,P1R1China)
[Abstract] The concep t of medical i m age enhance ment and its maj or ai m s are brief intr oducted.Medical i m age enhance ment algorith m s is discussed fr om the as pects of traditi onal i m age enhance ment algorith m,regi on2based en2 hance ment algorithm and wavelet2transfor m2based enhance ment algorith m.Evaluati on methods of i m age enhance2 ment effect are intr oduced.
[Key words] i m age enhance ment algorithm regi on wavelet transfor m evaluati on
(上接第679页)
Bur i ed P i peli n es Respon se Ana lysis i n Faulti n g
XUE J ing2hong,LΒPei2pei,ZHANG Chao
(College of A rchitecture&Civil Engineering,Daqing Petr oleum I nstitute,Daqing163318,P.R.China)
[Abstract] Model design and mechanical analysis f or p i pe cr ossing fault are the hot s pot of lifeline engineering all the ti m e.I n the s p ring2p i peline2s oil model,the s oil near the fault is modeled by s olid with the interacti on be2 t w een the s oil and the p i pe modeled as contact,and the s oil far a way fr om the fault is modeled by equivalent non2 linearity s p rings.The model is f or med with finite ele ment s oft w are,material nonlinearity and geometrical nonlinear2 ity of p i pelines is considered,and the p i pelines adop t4node shell ele ment.The influence of fault width,fault dis2 p lace ment,buried p i pe dep th,p i pe dia meter and p i pe thickness on the mechanical perf or mance is conducted, s ome hel pful conclusi ons are given.
[Key words] fault move ment buried p i pelines model para meter analysis
686科 学 技 术 与 工 程9卷
图像增强算法综述
图像增强算法研究综述 刘璐璐 宁波工程学院电子与信息工程学院计算机科学与技术071班，邮编:(315100) E-mail:375212239@https://www.360docs.net/doc/f08240877.html, 摘要：本文简要介绍图像增强的概念和图像增强算法的分类，从图像的直方图均衡化处理方法，直方图规定化处理方法和图像平滑处理方法三方面对图像增强算法进行讨论和研究，并说明了图像增强技术的应用和前景展望。 关键词：图像增强直方图均衡化直方图规定化平滑处理 近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，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。在图像处理过程中，图像增强是十分重要的一个环节。 1.图像增强概念及现实应用 1.1 图像增强技术 图像增强是数字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的信息。这类处理是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识别系统，图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。 1.2图像增强技术的现实应用 目前，图像增强处理技术的应用己经渗透到医学诊断、航空航天、军事侦察、纹识别、无损探伤、卫星图片的处理等领域，在国民经济中发挥越来越大的作用。其中最典型的应用主要体现以下方面。 1
医学图像配准
《数字医学图像》报告 内容：图像配准专题 专业： 2012级信息管理与信息系统班级：信管一班 小组成员： 20120701020 韩望欣 20120701008 毕卓帅 20120701005 胡庆 指导老师：彭瑜 完成日期： 2015 年 10月 25日
图像配准专题 简介：图像配准是对取自不同时间，不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。图像配准广泛用于多模态图像分析，是医学图像处理的一个重要分支，也是遥感图像处理，目标识别，图像重建，机器人视觉等领域中的关键技术之一，也是图像融合中要预处理的问题，待融合图像之间往往存在偏移、旋转、比例等空间变换关系，图像配准就是将这些图像变换到同一坐标系下，以供融合使用。 一：图像配准方法国内外进展情况 图像配准最早在美国七十年代的飞行器辅助导航系统、武器投射系统的末端制导以及寻地等应用研究中提出,并得到军方的大力支持与赞助。经过长达二十多年的研究,最终成功地用于中程导弹及战斧式巡航导弹上,使其弹着点平均圆误差半径不超过十几米,从而大大提高了导弹的命中率。八十年代后,在很多领域都有大量配准技术的应用,如遥感领域,模式识别,自动导航,医学诊断,计算机视觉等。各个领域的配准技术都是对各自具体的应用背景结合实际情况量身订制的技术。但是不同领域的配准技术之间在理论方法上又具有很大的相似性,从而使得在某领域的配准技术很容易移植到其它相关领域。目前国内外研究图像配准技术比较多的应用领域有红外图像处理、遥感图像处理、数字地图定位和医学图像处理等领域。 二、图像配准在医学领域的应用 20世纪以来随着计算机技术的不断发展,医学成像技术得到了快速的发展。尖端的新型医疗影像设备层出不穷,如计算机线摄影、数字减影等等,这些已经成为现代医学诊断必不可少的医学数字成像手段。由于这些医学数字成像设备有不同的灵敏度和分辨率,它们有各自的使用范围和局限性。多种模式图像的结合能充分利用图像自身的特点并做到信息互补。近几十年以来,图像配准在医学上的应用日益受到医学界和工程界的重视,己在世界范围广泛展开,在相关文献中己经提出了很多种医学图像配准的方法,这些研究成果广泛地运用到医学领域中。图像配准在医学中的应用领域主要有以下几方面: ?组织切片图像的处理与显微结构三维重建 ?疾病诊断及其发展和消退的过程检测 ?神经外科手术可视化、神经外科手术一计划及术前评估 ?感觉运动和认知过程的神经功能解剖学研究 ?神经解剖变异性的形态测量分析学 ?放射治疗和立体定向放射外科治疗计划 三、图像配准的定义 对于二维图像配准可定义为两幅图像在空间和灰度上的映射，如果给定尺寸的二维矩阵F 1和F2代表两幅图像F1（X，Y）和F2（X，Y）分别表示相应位置（X，Y）上的灰度值。则图像间的映射可表示为：F （X，Y）=G（F （H（X，Y））），式中H表示一个二维空间坐标变换，即（X’，Y’）=H（X，Y），且G是一维灰度变换。 四、图像配准方法的分类 1、维数 主要是根据待配准图像的空间维数及时间维数来划分的。图像仅含空间维数或者是图像的时间序列中带有空间数，其配准可根据图像的空间维数分2D/2D，2D/3D，3D/3D，4D/4D
图像配准技术方法研究
图像配准技术方法研究 摘要随着信息技术的迅猛发展，图像配准技术已经在军事、遥感、医学、计算机视觉等多个领域得到了广泛的应用。图像配准技术是图像处理的一个基本问题，它是将不同时间、传感器或视角下获取的相同场景的多幅图像进行匹配的图像处理的过程。三类图像配准的方法大致如下：基于灰度的图像配准方法。基于变换域的图像配准方法。基于特征的图像配准方法。本文将应用这三种方法对图像配准进行研究。并重点研究基于特征的图像配准方法。 关键词图像配准，特征点匹配，灰度插值，控制点的提取 Abstract The technology of image registration is being widely used in the military, remote sensing , medical, computer, visual and any other fields with the rapid development of information technology. The technology of image registration is a kind of process to match different pictures getting from different periods and different cameras but a same scene, it is a basic point to handle the pictures. There are three kinds of ways to do the image registration:According to the level of the color of gray getting from the pictures.According to transforming domains.According to the features The three kinds of ways will be used to discuss the image registration in the thesis, and the way according to the features will be discussed more in the thesis.
医学图像配准技术 综述
医学图像配准技术 A Survey of Medical Image Registration 张剑戈综述，潘家普审校 （上海第二医科大学生物医学工程教研室，上海 200025） 利用CT、MRI、SPECT及PET等成像设备能获取人体内部形态和功能的图像信息，为临床诊断和治疗提供了可靠的依据。不同成像模式具有高度的特异性，例如CT通过从多角度的方向上检测X线经过人体后的衰减量，用数学的方法重建出身体的断层图像，清楚地显示出体内脏器、骨骼的解剖结构，但不能显示功能信息。PET是一种无创性的探测生理性放射核素在机体内分布的断层显象技术，是对活机体的生物化学显象，反映了机体的功能信息，但是图像模糊，不能清楚地反映形态结构。将不同模式的图像，通过空间变换映射到同一坐标系中，使相应器官的影像在空间中的位置一致，可以同时反映形态和功能信息。而求解空间变换参数的过程就是图像配准，也是一个多参数优化过程。图像配准在病灶定位、PACS系统、放射治疗计划、指导神经手术以及检查治疗效果上有着重要的应用价值。 图像配准算法 可以从不同的角度对图像配准算法进行分类[1]：同/异模式图像配准，2D/3D图像配准，刚体/非刚体配准。本文根据算法的出发点，将配准算法分为基于图像特征(feature-based)和基于像素密度(intensity-based)两类。 基于特征的配准算法 这类算法利用从待配准图像中提取的特征，计算出空间变换参数。根据特征由人体自身结构中提取或是由外部引入，分为内部特征(internal feature)和外部特征(external feature)。
【作者简介】张剑戈（1972-），男，山东济南人，讲师，硕士 1. 外部特征 在物体表面人为地放置一些可以显像的标记物（外标记，external marker）作为基准，根据同一标记在不同图像空间中的坐标，通过矩阵运算求解出空间变换参数。外标记分为植入性和非植入性[2]：立体框架定位、在颅骨上固定螺栓和在表皮加上可显像的标记。Andre G[3]等将该方法用于机器人辅助手术，对于股骨移植，位移误差小于1.5mm，角度误差小于3°，由于计算量小，可以实现实时配准。但是标记物必须事先被固定好，不能用于回顾性配准，而且该方法只适用刚体配准。 2. 内部特征 从医学影像中可以提取出点、线和面：血管的交点、血管、胸腹之间的横膈膜等，这些特征作为内标记点(internal marker) ，利用其空间位置同样可以求解出空间变换参数。Hill DL[4]用11个形态点对脑部配准，误差<1mm，方差为1.73mm。Meyer CR[5]除了血管树的交点，还使用了左右脑之间的间隔等特征。Maurer CR[6,7]赋予点、线、面等几何特征不同的权重(weighted geometrical features, WGF)，进一步改进了算法。内标记点配准是一种交互性的方法，将3D图像配准简化为点、线和面的匹配，可以进行回顾性研究，不会造成患者的不适。但是医生对特征位置的判断影响到配准精度，为了克服人为误差，需要多次重复操作，以平均值作为最终结果。 表面匹配算法也利用了内部特征[8]：进行图像分割，提取出轮廓曲线、物体表面等内部特征，使2D/3D图像配准简化为2D曲线和3D曲面的匹配，不再考虑物体内部像素。典型的应用是刚体配准的“头帽”算法[9]，从头部的3D图像中分割出表面轮廓，分别作为头模型和帽模型。配准的目标函数是头表面和帽表面之间的均方距离，该距离是空间变换参数的函数。表面匹配算法是一种自动算法，在物体表面轮廓相似并且清晰的情况下，配准效果很好。其不足之处在于：准确地进行图像分割很困难；不同模式的图像，如CT/PET图像，由于器官的轮廓差异较大，难于精确地匹配。 3. 在非刚体配准中的应用 进行非刚体配准前要确定物理模型，常见有弹性模型、粘稠液体模型、生物力学模型。通过在感兴趣区域中提取参考点、2D或是3D轮廓线，使待配准图像
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
2D3D医学图像配准研究
分类号：密级： UDC：学号： 010768 东 南 大 学 硕 士 学 位 论 文2D-3D 医学图像配准研究 研究生姓名：梁玮 导师姓名： 鲍旭东 教授 罗立民教授 申请学位级别工学硕士工程领域名称生物医学工程 论文提交日期 2004年 月 日论文答辩日期2004年月日学位授予单位东南大学学位授予日期2004年月日答辩委员会主席评阅人 二〇〇四年六月
2D-3D REGISTRATION OF MEDICAL IMAGE A Dissertation Submitted to Southeast University For the Academic Degree of Master of Engineering BY LIANG Wei Supervised by Prof. BAO Xudong And Prof. LUO Limin Department of Biomedical Engineering Southeast University June 2004
东 南 大 学 学 位 论 文 独 创 性 声 明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名：日期： 东 南 大 学 学 位 论 文 使 用 授 权 声 明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外，允许论文被查阅和借阅，可以公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权东南大学研究生院办理。 研究生签名： 导师签名：
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)
地的总结图像配准算法
图像配准定义为：对从不同传感器、不同时相、不同角度所获得的两幅或多幅图像进行最佳匹配的处理过程[2]。图像配准需要分析各分量图像上的几何畸变，然后采用一种几何变换将图像归化到统一的坐标系统中。在配准过程中，通常取其中的一幅图像作为配准的标准，称之为参考图像；另一幅图像作为配准图像。 图1-1 图像配准的基本流程 图1-2 图像配准方法分类
根据配准使用的特征，图像配准的方法大致可分为三类： (1)基于图像灰度的配准算法。首先从参考图像中提取目标区作为配准的模板，然后用该模板在待配准图像中滑动，通过相似性度量(如相关系数法、差的平方和法、差的绝对值法、协方差法)来寻找最佳匹配点。 (2)基于图像特征的配准算法。该算法是以图像中某些显著特征(点、线、区域)为配准基元，算法过程分为两步：特征提取和特征匹配。首先从两幅图像中提取灰度变化明显的点、线、区域等特征形成特征集。然后在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。对于非特征像素点利用插值等方法作处理推算出对应匹配关系，从而实现两幅图像之间逐像素的配准。 (3)基于对图像的理解和解释的配准算法。这种配准算法不仅能自动识别相应像点，而且还可以由计算机自动识别各种目标的性质和相互关系，具有极高的可靠性和精度。这种基于理解和解释的图像配准涉及到诸如计算机视觉、模式识别、人工智能等许多领域。不仅依赖于这些领域中理论上的突破，而且有待于高速度并行处理计算机的研制。 从自动化角度来看，可以将配准过程分为自动、半自动和手动配准。 存在问题：如何提高图像的配准速度将是大范围遥感图像自动配准问题的要点；选取何种自动配准方案以保证图像的配准精度将是大范围遥感图像自动配准问题的另一要点。 2(,)[1((, f x y g f h x y 其中，h表示二维空间坐标变换。g表示灰度或辐射变换，描述因传感器类型的不同以及成像时气候等环境的影响所带来的图像灰度的变换。配准问题的实质就是要找到最优的空域变换h和灰度变换g，使得上述的等式成立，从而找到配准变换的参数 特征空间的选择通常要考虑以下几个因素：相似性；空间分布；唯一性。 在自动图像配准中对特征的理解可以分为两类。(1)基于灰度的方法：基于灰度的方法将重点放在特征匹配上，在其过程中并没有真正提取特征。一般所说的模板匹配法就是这种方法的代表。这种方法实际上将图像的灰度分布直接作为特征而构成匹配的基础。(2)基于特征的方法：基于特征的方法需要在图像中提取显著的特征：区域(森林、湖泊、农田等)、线(区域的边界、道路等)和点(区域的角
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
基于matlab的数字图像增强算法研究与实现
基于matlab的数字图像增强算法研究与实现 摘要图像在获取和传输过程中，会受到各种噪声的干扰，使图像退化质量下降，对分析图像不利。图像的平滑或去噪一直是数字图像处理技术中的一项重要工作。为此，论述了在空间域中的各种数字图像平滑技术方法。 关键字：数字图像；图像增强；平滑处理
目录 第一章、概述 2 1.1 图像平滑意义 2 1.2图像平滑应用 2 1.3噪声模 型 (3) 第二章 、图像平滑方法 5 2.1 空域低通滤波 5 2.1.1 均值滤波器 6 2.1.2 中值滤波器 6 2.2 频域低通滤波 7 第三章、图像平滑处理与调试 9 3.1 模拟噪声图像 9 3.2均值滤波法 11 3.3 中值滤波法 14 3.4 频域低通滤波法 17 第四章、总结与体会 19 参考文献 20 第一章、概述 1.1图像平滑意义 图像平滑（S m o o t h i n g）的主要目的是减少图像噪声。图像噪声来自于多方面，有来自于系统外部的干扰（如电磁波或经
电源窜进系统内部的外部噪声），也有来自于系统内部的干扰（如摄像机的热噪声，电器机械运动而产生的抖动噪声内部噪声）。实际获得的图像都因受到干扰而有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。减少噪声的方法可以在空间域或在频率域处理。在空间域中进行时，基本方法就是求像素的平均值或中值；在频域中则运用低通滤波技术。 图像中的噪声往往是和信号交织在一起的，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边缘轮廓，线条等模糊不清，从而使图像降质。图像平滑总是要以一定的细节模糊为代价的，因此如何尽量平滑掉图像的噪声，又尽量保持图像的细节，是图像平滑研究的主要问题之一。 1.2图像平滑应用 图像平滑主要是为了消除被污染图像中的噪声,这是遥感图像处理研究的最基本内容之一,被广泛应用于图像显示、传 输、分析、动画制作、媒体合成等多个方面。该技术是出于人类视觉系统的生理接受特点而设计的一种改善图像质量的方法。处理对象是在图像生成、传输、处理、显示等过程中受到多种因素扰动形成的加噪图像。在图像处理体系中,图像平滑是图像复原技术针对“一幅图像中唯一存在的退化是噪声”时的特例。 1.3噪声模型 1.3.1噪声来源 一幅图像可能会受到各种噪声的干扰，而数字图像的实质就是光电信息，因此图像噪声主要可能来源于以下几个方面：光电传感器噪声、大气层电磁暴、闪电等引起的强脉冲干扰、
夜间图像增强
目录 摘要 (2) 一、引言 (2) 二、观察 (3) 三、自然特性指标 (5) 四、算法 (6) A. 亮通滤波器的定义 (6) B、使用亮通滤波器进行图像分解 (7) C、使用双对数转换处理光照映射 (9) D、反射率的合成和映射的照明 (10) 五、实验与讨论 (10) A、主观评估 (13) B、客观评价 (13) 六、结论 (15)
光照不均匀图像的自然特性增强算法 摘要 图像增强在图像处理和分析中的起着重要作用。在各种增强算法中，Retinex 算法作为基础的算法可以有效地提高细节，并已被广泛采用。基于Retinex算法把照明去除作为缺省处理方式，但是，该方式没有考虑反射的程度，因此，不能有效地保留非均匀照明图像中的自然特性。然而，图像增强的目的是符合视觉认知，其自然性质是必不可少的，需要通过增强图像中的自然细节信息，我们提出了一种增强算法用于非均匀照明的图像。总体上，本文提出了以下三个主要研究结果。首先，提出了明度排序误差测量，用于客观地评价图像的自然特性。第二，提出了亮通滤波器(bright-pass) 将图像分解到反射率和照明，分别确定细节和图象的自然状态。第三，我们提出了一个双对数转换函数实现照明映射，实现图像中的细节和自然状态达到平衡。实验结果表明该算法不仅可以提升图像中细节，而且保留了非均匀照明的图像的自然特性。 一、引言 图像增强的主要目标是使图像处理之后比原始图像更适合特定的应用。到现在为止，图像增强已被应用到科学和工程的多种区域。如大气科学，天文学，生物医药，计算机视觉等。许多图像增强算法都已经被提出如基于Retinex算，反锐化掩模算法，直方图均衡化（HE）算法，等等。部分算法专注于细节增强，但通常会导致不自然的视觉效果，如光源混乱和似人为效果（artifacts）。因此，一些人试图减少以细节换取过度增强的代价。 Retinex理论认为色彩的感知与反射具有很强的联系，而且可见光到达观察者的量依赖于反射率和照明的乘积。大多数基于Retinex的算法是通过去除反射率来增强照明的效果，因此，它们可以明显的增强细节。但是，不可能确切地除去照明场景的凹凸深度。一些中置/环绕算法采取照明的局部卷积来代替不考虑反射率的上限。实际上，反射率应该考虑在内，它表示表面不能反射多于比它接收的光。此外，简单地删除照明是不合理的。 基于反锐化掩模的算法通常把图像分解为高频和低频两个方面，并分别进行处理。低频信息对于这些算法抑制过度增强是很有用的。然而，这些算法只是简单的一起整合处理高频和低频的信息，这往往未能达到细节和自然特性之间较好的折中。其结果是这些算法需要一个对每个图像以获得最佳结果而采取的重新调整的过程。 HE技术很简单，但被广泛用于图像增强。由于常规HE算法可能导致过度增强，许多已经提出的算法被限制，如照明保存和对比度的限制，照明的保存在应用中非常有用，但是，一些在不恰当的强度地区，对于非均匀照明图像，照明保持不利于细节增强，如暗区。对比度受限算法抑制过度增强是通过重新分配直方图使其高度不超出限制。但是，对于直方图有很大的不同的严重的非均匀照明图象，这是不容易解决的。为了保护自然特性以及增强细节，Chen等人提出了如下的自然特性保护的概念用于图像增强。图像增强后的周围环境不应该被大幅度
基于视频序列的图像配准算法研究与应用
工学硕士学位论文 基于视频序列的图像配准算法研究与应用 王帅 哈尔滨工业大学 2007年7月
国内图书分类号：TP391.4 国际图书分类号：681.39 工学硕士学位论文 基于视频序列的图像配准算法研究与应用 硕士研究生：王帅 导师：承恒达 教授 申请学位：工学硕士 学科、专业：计算机科学与技术 所在单位：计算机科学与技术学院 答辩日期：2007年7月 授予学位单位：哈尔滨工业大学
Classified Index: TP391.4 U.D.C: 681.39 Dissertation for the Master Degree in Engineering RESEARCH AND APPLICATION OF IMAGE REGISTRATION BASED ON VIDEO SEQUENCE Candidate：Wang Shuai Supervisor：Prof. Cheng Hengda Academic Degree Applied for：Master of Engineering Specialty：Computer Science and Technology Affiliation：School of Computer Science and Technology Date of Defence：July, 2007 Degree-Conferring-Institution：Harbin Institute of Technology
哈尔滨工业大学工学硕士学位论文 摘要 随着数字技术的不断发展，视频图像的分析与处理越来越受到人们的关注。数字化图像序列可以通过摄像机等光学设备获得，是真实世界在不同时间向成像平面的一系列投影。图像帧之间具有较大的相关性和信息冗余，找到并描述图像序列间的内在联系成为研究的关键所在。图像配准技术可以有效地解决这类问题。 图像配准问题是图像处理里的一个基本问题，是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的图像对齐或匹配，消除存在的几何畸变。图像配准在计算机视觉、模式识别、医学图像处理和遥感信息处理方面有着广泛的应用。 本文提出了基于自适应聚类的特征匹配方法，满足大量图像配准的需求，提高匹配的速度，该方法基于正确匹配点对间形成矢量的一致性，对匹配点对进行自适应聚类，实验证明该方法在保证正确匹配不丢失的同时，可有效剔除绝大多数错误匹配，为进一步进行RANSAC匹配提供方便，且有效地提高了整个匹配过程的速度。 本文提出一种简单有效的图像合成方法。该方法针对摄像机固定位置，水平旋转拍摄的视频序列的特点，选取图像序列中部分帧，通过H矩阵确定重叠区域，再利用线性插值进行图像融合。实验证明在转角小于180 时，合成效果较好。 本文成功运用图像配准技术完成运动员滑行数据的测量，利用图像配准技术估计图像间摄像机运动，进而消除摄像机运动的影响，得到运动员的真实运动数据。根据这一原理，首先对冰场进行合理化建模，并确定相应的视频拍摄方案，设计了运动员冰场定位算法，利用帧间的H矩阵估计摄像机旋转角度，进而估计运动员的旋转角度完成滑行数据的测量。 关键词图像配准；特征点匹配；自适应聚类 - -I
图像配准算法综述
杭州电子科技大学 毕业设计（论文）文献综述 毕业设计题目SIFT特征研究及应用 文献综述题目图像配准算法综述学院生命信息及仪器工程学院 专业电子信息技术及仪器 姓名 班级 学号 指导教师
图像配准算法综述 一．前言 图像配准是指找出场景中同一物体表面的结构点在不同图像上的投影像素点之间的对应关系，是图像信息处理领域中一项非常重要的技术，同时也是其它一些图像分析技术，如立体视觉、运动分析、数据融合等的基础。 目前图像配准广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中。图像配准的研究是计算机视觉中最困难也是最重要的任务之一。不同的图像配准方法总是对应于某种适用的图像变换模型，其核心问题是提高配准的速度、精度和算法的稳健度。 随着科学技术的发展现在约40%的机器视觉应用中都会使用图像匹配技术，所涉及的领域有：工业检测，导弹的地形匹配，光学和雷达的图像跟踪，交通管理，工业流水线的自动监控、工业仪表的自动监控，医疗诊断，资源分析，气象预报，文字识别以及图像检索等。 图像匹配研究按其处理步骤可以分为样本采集、样本预处理、样本分割、样本的特征提取等，并且与计算机视觉、多维信号处理和数值计算方法等紧密结合。它也是其它一些图像分析技术，如立休视觉、运动分析、数据融合等的基础。正因为其应用的广泛性，新的应用和新的要求逐步产生，使得匹配算法的研究逐步走向深入，出现了快速、稳定、鲁棒性好的匹配算法。因此，研究图像的匹配算法对于如何提高实际工程中的图像处理质量和识别精度具有非常重要的意义。 本文主要分析图像匹配常用方法的优点和不足之处，讨论了图像匹配中需要进一步研究和解决的问题。 二．图像配准算法的研究现状 图像配准是立体视觉、运动分析、数掘融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域有重要的应用价值。国内外学者针对不同的图像配准应用问题进行了大量的研究工作，早在1992年英国剑桥大学的Lisa Gottesfeld Brown在文献[1]习中就总结了图像配准的主要理论及图像配准在各个领域的应用。当时他讨论的图像配准技术主要还是著眼于医学图像处理、遥感图像处理等传统应用领域。图像配准是图像镶嵌技术的核心问题。 微软研究院的Richard Szeliski在1996年SIGGRAPH上提出了基于运动模型的全景图拼接算法[7]。Szeliski采用了非线性优化的方法来最小化像素两幅图像的亮度差以确定变换参数。该方法使用了全部像素进行优化处理，所以配准精度较高，但是计算速度较慢，且稳健性不佳。 国内的赵向阳。杜立民在2004年提出了一种基于特征点匹配的图像自动拼接算法[2]，其中使用了Harris算法[3]提取角点并进行匹配。赵的算法采用了鲁棒变换估计技术，在一定程度上提高配准算法的稳健性，但是计算速度依然较慢，且无法配准重
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。
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