图像增强文献综述可编辑修改word版.docx

图像增强文献综述可编辑修改word版.docx

《图像增强文献综述可编辑修改word版.docx》由会员分享，可在线阅读，更多相关《图像增强文献综述可编辑修改word版.docx（13页珍藏版）》请在冰点文库上搜索。

图像增强文献综述可编辑修改word版

文献综述

题目图像增强与处理技术学生姓名李洋专业班级网络工程08-2班学号************

院（系）计算机与通信工程学院指导教师（职称）吴雪丽完成时间2012年5月20日

综述题目图像增强与处理技术专业班级：

网络工程08-2班姓名：

李洋学号：

************

图像增强与处理技术综述

内容摘要

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。

图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。

本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，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技术要点，并对其图像增强方法进行性能评价。

关键词：

图像增强对比度增强平滑锐化梯度变换拉普拉斯变换

Abstract

Digitalimageprocessingistheproceduresofconvertingimagesignalintodigitalformat,thenusingthecomputertoprocessit.Imageenhancementisdigitalimageprocessingprocessoftenuseamethodtoimproveimagequality,itplaysanimportantrole.Thisarticlefirstintroducestheprincipleofimageenhancementandclassification，andthenfocusonseveralmethodstostudysuchasandhistogramenhancement,contrastenhancement,smoothingandsharpening,andothercommonlyusedinlearningthebasicdigitalimageWiththeapproach,through

Matlabexperimentthattheactualeffectofvariousalgorithmstocomparetheadvantagesanddisadvantagestodiscussthedifferentenhancementalgorithm.Theapplicationofoccasions,anditsimageenhancementmethodofperformanceevaluation.

Keywords:

ImageEnhancementhistogramenhancementcontrastenhancementsmoothingsharpening

1图像增强概述

1.1图像增强背景及意义

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。

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。

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。

1.2图像增强的应用

目前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。

2图像增强的基本理论

2.1图像增强的定义

为了改善视觉效果或者便于人和机器对图像的理解和分析，根据图像的特点或存在的问题采取的简单改善方法或者加强特征的措施称为图像增强。

一般情况下，图像增强是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的处理方法，也是提高图像质量的过程。

图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。

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。

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。

2.2图像增强的分类及方法

图像增强可分成两大类：

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。

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。

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。

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配。

在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。

图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频

域的算法两大类。

基于空域的算法处理时直接对图像灰度级做运算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。

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。

2.3常用的图像增强方法

2.3.1灰度变换

灰度变换可使图像动态范围增大，对比度得到扩展，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，除了灰度级的改变是根据某种特定的灰度变换函数进行之外，可以看作是“从像素到像素”的复制操作。

基于点运算的灰度变换可表示为[1]：

g（x,y）=T[f（x,y）]

（2.1）

其中T被称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。

一旦灰度变换函数确定，该灰度变换就被完全确定下来。

灰度变换包含的方法很多，如逆反处理、阈值变换、灰度拉伸、灰度切分、灰度级修正、动态范围调整等。

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。

2.3.2线性变换

假定原图像f（x,y）的灰度范围为[a,b]，变换后的图像g（x,y）的灰度范围线性的扩展至[c,d]，如图2.2所示。

则对于图像中的任一点的灰度值P（x,y），变换后为g（x,y），其数学表达式如下所示。

g（x,y）=d-c⨯[f（x,y）-a]+c

b-a

（2.2）

若图像中大部分像素的灰度级分布在区间[a,b]内，maxf为原图的最大灰度级，只有很小一部分的灰度级超过了此区间，则为了改善增强效果，可以令

⎧c

g（x,y）=⎪d-c⨯[f（x,y）-a]+c

⎪d,

o≤f（x,y）≤aa≤f（x,y）≤b

b≤f（x,y）≤maxf

（2.3）

在曝光不足或过度的情况下，图像的灰度可能会局限在一个很小的范围内，这时得到的图像可能是一个模糊不清、似乎没有灰度层次的图像。

采用线性变换对图像中每一个像素灰度作线性拉伸，将有效改善图像视觉效果。

2.3.3分段线性变换

为了突出图像中感兴趣的目标或灰度区间，相对抑制不感兴趣的灰度区间，可采用分段线性变换，它将图像灰度区间分成两段乃至多段分别作线性变换。

进行变换时，把0-255整个灰度值区间分为若干线段，每一个直线段都对应一个局部的线性变换关

系。

如图2.1所示，为二段线性变换，（a）为高值区拉伸，（b）为低值区拉伸[9]。

图2.1二段线性变换

2.3.4非线性变换

非线性变换就是利用非线性变换函数对图像进行灰度变换，主要有指数变换、对数变换等。

指数变换，是指输出图像的像素点的灰度值与对应的输入图像的像素灰度值之间

满足指数关系，其一般公式为[1]：

g（x,y）=bf（x,y）

（2.4）

其中b为底数。

为了增加变换的动态范围，在上述一般公式中可以加入一些调制参数，以改变变换曲线的初始位置和曲线的变化速率。

这时的变换公式为：

g（x,y）=bc⨯[f（x,y）-a]-1

（2.5）

式中a，b，c都是可以选择的参数，当f（x,y）=a时，g（x,y）=0，此时指数曲线交于X轴，由此可见参数a决定了指数变换曲线的初始位置参数c决定了变换曲线的陡度，即决定曲线的变化速率。

指数变换用于扩展高灰度区，一般适于过亮的图像。

对数变换，是指输出图像的像素点的灰度值与对应的输入图像的像素灰度值之间为对数关系，其一般公式为：

g（x,y）=lg[f（x,y）]

（2.6）

其中lg表示以10为底，也可以选用自然对数ln。

为了增加变换的动态范围，在

上述一般公式中可以加入一些调制参数，这时的变换公式为：

g（x,y）=a+ln[f（x,y）+1]

b⨯lnc

（2.7）

式中a，b，c都是可以选择的参数，式中f（x,y）+1是为了避免对0求对数，确保

ln[f（x,y）+1]≥0。

当f（x,y）=0时，ln[f（x,y）+1]=0，则y=a，则a为Y轴上的截距，

确定了变换曲线的初始位置的变换关系，b、c两个参数确定变换曲线的变化速率。

对数变换用于扩展低灰度区，一般适用于过暗的图像。

2.3.5平滑

获得的图像可能会因为各种原因而被污染，产生噪声。

常见的图像噪声主要有加性噪声、乘性噪声和量化噪声等。

噪声并不仅限于人眼所见的失真，有些噪声只针对某些具体的图像处理过程产生影响。

图像中的噪声往往和正常信号交织在一起，尤其是乘性噪声，如果处理不当，就会破坏图像本身的细节，如会使线条、边界等变得模糊不清。

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。

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。

如何既平滑掉噪声又尽量保持图像细节，是图像平滑的主要研究任务。

这些噪声的存在直接影响着后续的处理过程，使图像失真。

这时可以采用线性滤波和中值滤波的方法。

（1）线性滤波

线性滤波一般采用的是领域平均法。

对于给定的图像f（x，y）中的每一个点（m，n），取其领域s。

设s含有M个像素，取其平均值作为处理后所得图像像素点（m，n）处的灰度。

设S是3*3的正方形邻域，点（m，n）位于S中心，则：

f（m,n）=11

9x=-1

y=-1

f（m+x,y+n）

（2.8）

（2）中值滤波

中值滤波就是输出图像的某点象素等于该象素邻域中各象素灰度的中间值。

给定的图像f（x,y）中的每一个点（m,n），取其领域s。

设s含有M个像素{a1，a2，⋯，aM}，将其按大小排序，若M是奇数时，则位于中间的那个象素值就是修改后图像g（x,y）在点f（m,n）处的像素值；若M是偶数则取中间两个象素的平均值作为修改后图像g（x,y）在点（m,n）处的像素值。

2.3.6锐化

图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像边缘变得清晰。

图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变得清晰。

从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。

为了要把图像中间任何方向伸展的边缘和轮廓变得清晰，我们希望对图像的某种运算是各向同性的。

（1）梯度法

梯度是图像处理中最常用的一种一阶微分方法。

对图像函数F（j,k），其在点

（j,k）上的梯度定义为矢量：

⎡∂F⎤

⎢∂j⎥

G[F（J,K）]=⎢⎥

⎢∂F⎥

⎢⎣∂k⎥⎦

（2.9）

从梯度的性质可知，梯度的方向确定了图像F（j,k）的最大变化率的方向，G[F（j,k）]的幅度为下式：

1

⎡⎛∂F⎫2⎛∂F⎫2⎤2

G[F（J,K）]=⎢ç∂j⎪+ç∂k⎪⎥

⎢⎣⎝⎭⎝⎭⎥⎦

（2.10）

对于数字图像，用差分来近似微分。

为了便于编程和提高运算速度，可以如下进行绝对值的运算：

G[F（J,K）]≈{

F（J,K）-F（J+1,K）2

+F（J,K）-F（J+1,K）2}2

（2.11）

一旦计算梯度的算法确立之后，就可以有很多方法来使图像轮廓突出。

最简单的方法就是令（x,y）点上锐化后的图像函f（x,y）数值等于原始图像在该点上的梯度值，即：

g（x,y）=G[F（J,K）]

（2.12）

此法的缺点是处理后的图像仅显示出轮廓，灰度平缓变化的部分由于梯度值较小而显得很黑。

（2）拉普拉斯算子

拉普拉斯算子是线性二阶微分算子，与梯度算子一样，具有旋转不变性，从而满足不同走向的图像边界的锐化要求。

拉普拉斯算子对图像中的噪声非常敏感，为了减少噪声的影响，在做增强处理之前，先将待处理的图像进行平滑，再做拉普拉斯运算。

相对于梯度算子，拉普拉斯算子具有增强的边缘精确定位的优点。

因为梯度一阶微分算子会在较大范围内形成梯度值，差分的结果不适合精确定位。

然后，二阶差分算子的过零特性，可以使边缘增强后精确定位。

3图像增强小结

增强图象中的有用信息，它可以是一个失真的过程，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。

图像增强可分成两大类：

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。

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。

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。

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配。

在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。

图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。

基于空域的算法处理时直接对图像灰度级做运算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。

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。

参考文献

[1]王耀南.计算机图像处理与识别技术.北京:

高等教育出版社,2001.

[2]吕风军.数字图像处理编程入门.北京:

清华大学出版社,1999.

[3]夏德深,傅德胜.计算机图像处理及应用.南京:

东南大学出版社,2004.

[4]容观澳.计算机图像处理.北京:

清华大学出版社,2000.

[5]王斌.MATLAB实现数字图像增强处理.佳木斯大学学报,2005,23

（1）:

31-34.[6]黄涛.数字图像的增强.肇庆学院学报,2005,25

（2）:

23-25.

[7]张娜.像增强技术的研究.计算机仿真,2007,24

（1）:

02-04.

[8]王慧琴.数字图像处理.北京:

北京邮电出版社,2006.

[9]李朝晖,张弘.数字图像处理及应用.北京:

机械工业出版社,2004.

[10]孙蕾,李丙春.图像增强算法与评价方法研究.计算机工程,2007,33（08）:

21-23

[11]冯安,王希常.MATLAB在数字图像增强中的应用.信息技术,2007,23（01）:

14-16.

[12]王家文,曹宇.MATLAB6.5图形图像处理.北京:

国防工业出版社,2004.

[13]汪志云,黄梦为,胡钋等.基于直方图的图像增强及其MATLAB实现.计算机工程与科学,2006,

[14]杨乐.图像增强算法及其实现.现代电子技术,2007,16（03）:

33-34

[15]吕红,安秀芳.基于MATLAB的图像增强技术分析与实现.开发研究与设计与技术设计,2006.

[16]丁玉美,西全.数字信号处理.西安:

西安电子科技大学出版社,2001.

[17]阮秋琦.数字图像处理学.北京:

电子工业出版社,2001

[18]何东健.数字图像处理.西安:

西安电子科技大学出版社,2003.

[19]余成波.数字图像处理及MATLAB实现.重庆:

重庆大学出版社,2003.

[20]张志涌,徐彦琴.MATLAB教程——基于6.X版本.北京:

北京航空航天大学出版社,2001.

[21]J.A.Stark,W.J.Fitzgeralid,AnAlternativeAlgorithmforAdaptiveHistogramEqualization,GraphicalModelsandImageProcessing,1996,58

（2）:

180-185.

[22]D.L.Ruderman.Statisticsofconeresponsestonaturalimages:

Implicationsforvisualcoding.JournalofOpticalSocietyofAmerica,1998,15（8）:

2036-2045.