数字图像增强技术Word格式文档下载.docx
《数字图像增强技术Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《数字图像增强技术Word格式文档下载.docx(16页珍藏版)》请在冰点文库上搜索。
前者把图像看成一种二维信号,对其进展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,那么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展某种修正,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的算法。
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,扩展比照度。
邻域增强算法分为图像平滑和锐化两种。
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。
图1----图像增强的分类
四、图像增强的理论根底
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展某种修正,是一种间接增强的算法。
平滑技术用于平滑图像中的噪声。
平滑噪声可以在空间域中进展,根本方法是求像素灰度的平均值或中值。
为了既平滑噪声又保护图像信号,也有一些改良的技术,比方在频域中运用低通滤波技术。
1.直方图
图像的直方图是图像的重要统计特征,它可以认为是图像灰度密度函数的近似。
图像的灰度直方图是反映一幅图像的灰度级与出现这种灰度级的概率之间的关系的图形。
灰度直方图是离散函数,一般的来讲,要准确的得到图像的灰度密度函数是比拟困难的,在实际中,可以使数字图像灰度直方图来代替。
归纳起来,直方图主要有一下几点性质:
〔1〕直方图中不包含位置信息。
直方图只是反响了图像灰度分布的特性,和灰度所在的位置没有关系,不同的图像可能具有相近或者完全一样的直方图分布。
〔2〕直方图反响了图像的整体灰度。
直方图反响了图像的整体灰度分布情况,对于暗色图像,直方图的组成集中在灰度级低〔暗〕的一侧,相反,明亮图像的直方图那么倾向于灰度级高的一侧。
直观上讲,可以得出这样的结论,假设一幅图像其像素占有全部可能的灰度级并且分布均匀,这样的图像有高比照度和多变的灰度色调。
〔3〕直方图的可叠加性。
一幅图像的直方图等于它各个局部直方图的和。
〔4〕直方图具有统计特性。
从直方图的定义可知,连续图像的直方图是一位连续函数,它具有统计特征,例如矩、绝对矩、中心矩、绝对中心矩、熵。
〔5〕直方图的动态范围。
直方图的动态范围是由计算机图像处理系统的模数转换器的灰度级决定。
2.直方图均衡化的主要步骤
〔1〕计算原图像的灰度直方图
〔2〕计算原图像的灰度累积分布函数
〔3〕根据灰度变换表,将原图像各灰度级映射为新的灰度级。
3.图像二值化
图像的二值化处理就是将图像上的像素点的灰度值设置为0或255,也就是讲整个图像呈现出明显的黑白效果。
将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。
在数字图像处理中,二值图像占有非常重要的地位,首先,图像的二值化有利于图像的进一步处理,使图像变得简单,而且数据量减小,能凸显出感兴趣的目标的轮廓。
其次,要进展二值图像的处理与分析,首先要把灰度图像二值化,得到二值化图像。
所有灰度大于或等于阀值的像素被判定为属于特定物体,其灰度值为255表示,否那么这些像素点被排除在物体区域以外,灰度值为0,表示背景或者例外的物体区域。
4.线性滤波
输出图像的值等于输入图像滤波后值的局部平均,各个项具有一样的权。
对一些图像进展线性滤波可以去除图像中某些类型的噪声,如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。
邻域平均法是空间域平滑噪声技术。
用一像素邻域内各像素灰度平均值来代替该像素原来的灰度,即是邻域平均技术。
5.锐化
图像锐化处理的作用是使灰度反差增强,从而使模糊图像变得更加清晰。
图像模糊的实质就是图像受到平均运算或积分运算,因此可以对图像进展逆运算,如微分运算以突出图像细节使图像变得更为清晰。
由于拉普拉斯是一种微分算子,它的应用可增强图像中灰度突变的区域,减弱灰度的慢变化区域。
因此,锐化处理可选择拉普拉斯算子对原图像进展处理产生描述灰度突变的图像,再将拉普拉斯图像与原始图像叠加而产生锐化图像。
6.利用sym4函数进展小波变换进展图像增强
基于小波分析的图像增强,就是突出图像的边缘细节,尽可能的消除负面因素,从而到达增强图像的目的。
基于小波分析的图像增强是采用小波变换,对低频成分进展特殊处理,以增强图像中的目标信息。
五.图像增强的技术要点
1.平滑滤波
平滑滤波的作用是对图像的高频分量进展削弱或消除,增强图像的低频分量。
平滑滤波一般用于消除图像中的随机噪声,从而起到图像平滑的作用。
平滑线性空间滤波器的输出〔响应〕是包含在滤波掩模邻域内像素的简单平均值。
因此这些滤波器也被称为均值滤波器。
平滑滤波器的概念很简单:
它是用滤波掩模确定的领域内像素的平均值去代替图像每个像素点的值。
这种处理减少了图像灰度的锋利化,每个掩模前边的乘数等于它的系数值的和,以计算平均值。
我们经常用这些极端类型的模糊处理来去除图像中的一些小物体。
2.中值滤波
中值滤波是一种最常用的去除噪声的非线性平滑滤波处理方法。
根本原理是把数字图像或数字序列中一点的值用该点的一个领域中各点值的中值代换,其主要功能是让周围象素灰度值的差比拟大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点,所以中值滤波对于滤除图像的椒盐噪声非常有效。
中值滤波器可以做到既去除噪声又能保护图像的边缘,从而获得较满意的复原效果,而且,在实际运算过程中不需要图像的统计特性,这也带来不少方便,但对一些细节多,特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。
中值滤波的滤波原理与均值滤波的不同之处在于:
中值滤波器的输出像素是由邻域像素的中间值而不是平均值决定的。
3.锐化滤波
图像的平滑处理会使图像的边缘纹理信息受到损失,图像变得比拟模糊,如果需要突出图像的边缘纹理信息,那么可以通过锐化滤波器实现,它可以消除或减弱图像的低频分量从而增强图像中物体的边缘轮廓信息,使得除边缘以外的像素点的灰度值趋向于零。
常用的锐化滤化主要方法有梯度法、拉普拉斯算子法等。
4.均值滤波
领域平均法有力地抑制了噪声,同时也由于平均而引起了模糊现象,模糊程度与领域半径成正比。
几何均值滤波器所到达的平滑度可以与算术均值滤波器相比,但在滤波过程中会丧失更少的图像细节。
谐波均值滤波器对盐噪声效果更好,但是不适用于胡椒噪声。
它善于处理像高斯噪声那样的其他噪声。
逆谐波均值滤波器更适合于处理脉冲噪声,但它有个缺点,就是必须要知道噪声是暗噪声还是亮噪声,以便于选择适宜的滤波器阶数符号,如果阶数符号选择错了可能会引起灾难性的后果。
5.自适应维纳滤波
它能根据图像的局部方差来调整滤波器的输出,局部方差越大,滤波器的平滑作用越强。
它的最终目标是使恢复图像与原始图像的均方误差最小。
该方法的滤波效果比均值滤波器效果要好,对保存图像的边缘和其他高频局部很有用,不过计算量较大。
维纳滤波器对具有白噪声的图像滤波效果最正确。
6.直方图均衡化
有些图像在低值灰度区间上频率较大,使得图像中较暗区域中的细节看不清楚。
这时可以通过直方图均衡化将图像的灰度范围分开,并且让灰度频率较小的灰度级变大,通过调整图像灰度值的动态范围,自动地增加整个图像的比照度,使图像具有较大的反差,细节清晰。
其优势是能够使得处理后图像的概率密度函数近似服从均匀分布,其结果扩X了像素值的动态范围,是一种常用的图像增强算法。
缺乏之处是不能抑制噪声。
7.比照度增强法
有些图像的比照度比拟低,从而使整个图像模糊不清。
这时可以按一定的规那么修改原来图像的每一个象素的灰度,从而改变图像灰度的动态范围。
8.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那么性的特点。
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。
9.直方图增强
灰度变换是图像增强的一种重要手段,使图像比照度扩展,图像更加清晰,特征更加明显。
灰度级的直方图给出了一幅图像概貌的描述,通过修改灰度直方图来得到图像增强。
10.比照度增强
比照度增强是图像增强技术中一种比拟简单但又十分重要的方法。
这种方法是按一定的规那么修改输入图像每一个像素的灰度,从而改变图像灰度的动态范围。
它可以是灰度动态范围扩展,也可以使其压缩,或者是对灰度进展分段处理,根据图像特点和要求在某段区间中进展压缩在另外区间进展扩展。
11.对数变换
对数变化常用来扩展低值灰度,压缩高值灰度,这样可以使低值灰度的图像细节更容易看清。
对数变换的表达式为:
12.指数变换
指数变换可以扩展低值灰度,压缩高值灰度,也可以扩展高值灰度,压缩低值灰度,但是由于与人的视觉特性不太一样,因此不常采用。
13.Gamma校正
Gamma校正也是数字图像处理中常用的图像增强技术。
Imadjust函数中的gamma因子即是这里所说的Gamma校正的参数。
Gamma因子的取值决定了输入图像到输出图像的灰度映射方式,即决定了增强低灰度还是增强高灰度。
当Gamma等于1时,为线性变换。
14.利用sym4函数进展小波变换进展图像增强
某些传统图像增强方法往往带来比拟严重的负效应。
为此,人们一直在寻找更好的图像增强方法。
小波分析因其分析信号的“数学显微镜〞多分辨分析能力,与图像增强的结合成为一种必然。
15.图像反转
图像反转就是将原始图像的灰度值进展反转,使输出图像的灰度随输入图像的灰度增加而减少。
这种处理对增强嵌入在暗背景中的白色或灰色细节特别有效,尤其当图像中黑暗为主要局部时效果明显。
16.线性灰度变换
线性灰度增强是将原图像的灰度动态范围扩展到指定范围或整个动态范围。
线性灰度增强将取得较好的灰度增强效果。
六、图像增强的应用概况
数字图像处理在40多年的时间里,迅速开展成一门独立的有强大生命力的学科,图像增强技术已逐步涉及人类生活和社会生产的各个方面,下面就几个方面的应用举些例子。
1.生物医学领域的应用
图像增强技术在生物医学方面的应用有两类,其中一类是对生物医学的显微光学图像进展处理和分析,比方对红细胞、白细胞、细菌、虫卵的分类计数以及染色体的分析;
另一类应用是对X射线图像的处理,其中最为成功的是计算机断层成像。
1973年英国的EMI公司在制造出第一台X射线断层成像装置。
由于人体的某些组织,比方心脏、乳腺等软组织对X射线的衰减变化不大,导致图像灵敏度不强。
由此图像增强技术在生物医学图像中得到广泛的应用。
2.航空航天领域的应用
早在60年代初期,第3代计算机的研制成功和快速傅里叶变换的提出,使图像增强技术可以在计算机上实现。
1964美国喷气推进实验室(JPL)的科研人员使用IBM7094计算机以及其它设备,采用集合校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等方法对航天探测器“徘徊者7号〞发回的几千X月球照片成功的进展了处理。
随后他们又对“徘徊者8号〞和“水手号〞发回地球的几万X照片进展了较为复杂地数字图像处理,使图像质量得到进一步的提高,从此图像增强技术进入了航空航天邻域的研究与应用。
同时图像增强技术的开展也推动了硬件设备的提高,比方1983年LANDSAT-4的分辨率为30m,而如今发射的卫星分辨率可到达3-5m的范围内。
图像采集设备性能的提高,使采集图像的质量和数据的准确性和清晰度得到了极大地提高。
3.工业生产领域的应用
图像增强在工业生产的自动化设计和产品质量检验中得到广泛应用,比方机械零部件的检查和识别、印刷电路板的检查、食品包装出厂前的质量检查、工件尺寸测量、集成芯片内部电路的检测等等。
此外计算机视觉也可以应用到工业生产中,将摄像机拍摄图片经过增强处理、数据编码、压缩送入机器人中,通过一系列的控制和转换可以确定目标的位置、方向、属性以及其它状态等,最终实现机器人按照人的意志完成特殊的任务。
4.公共平安领域的应用
在社会平安管理方面,图像增强技术的应用也十分广泛,如无损平安检查、指纹、虹膜、掌纹、人脸等生物特征的增强处理等等。
图像增强处理也应用到交通监控中,通过电视跟踪技术锁定目标位置,比方对有雾图像、夜视红外图像、交通事故的分析等等。
七、图像增强的开展状况
〔1〕国外状况
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复原图像。
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复原的新技术。
在这一时期由于引入了一种用编码图像纸带去调制光束到达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X月球照片进展处理,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外表地图。
随后他们又对1965年“徘徊者8号〞发回地球的几万X照片进展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良,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X照片进展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年代初有学者开场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GodfreyN.Hounsfield先生和AllanM.Cormack教授共同创造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世纪80年代以后,各种硬件的开展使得人们不仅能够处理二维图像,而且开场处理三维图像。
许多能获得三维图像的设备和分析处理三维图像的系统已经研制成功了,图像处理技术得到了广泛的应用。
进入20世纪90年代,图像增强技术已经逐步涉及人类生活和社会开展的各个方面。
计算机程序用于增强比照度或将亮度编码为彩色,以便解释X射线和用于工业、医学及生物科学等领域的其他图像。
地理学用一样或相似的技术从航空和卫星图像中研究污染模式。
在考古学领域中使用图像处理方法已成功地复原模糊图片。
在物理学和相关领域中计算机技术能增强高能等离子和电子显微镜等领域的实验图片。
直方图均衡处理是图像增强技术常用的方法之一。
1997年Kim提出如果要将图像增强技术运用到数码相机等电子产品中,那么算法一定要保持图像的亮度特性。
在文章中Kim提出了保持亮度特性的直方图均衡算法(BBHE)。
Kim的改良算法提出后,引起了许多学者的关注。
在1999年Wan等人提出二维子图直方图均衡算法(DSIHE)。
接着Chen和Ramli提出最小均方误差双直方图均衡算法(MMBEBHE)。
为了保持图像亮度特性,许多学者转而研究局部增强处理技术,提出了许多新的算法:
递归均值分层均衡处理(RMSHE)、递归子图均衡算法(RSIHE)、动态直方图均衡算法(DHE)、保持亮度特性动态直方图均衡算法(BPDHE)、多层直方图均衡算法(MHE)、亮度保持直方图均衡处理(BPWCHE)等等。
〔2〕国内状况
在我国,图像增强技术的开展大致经历了初创期、开展期、普及期和应用期4个阶段。
初创期开场于20世纪60年代,当时的图像采用像素型光栅进展扫描显示,大多采用中、大型机对其进展处理。
在这一时期由于图像存储本钱高,处理设备造价高,因而其应用面很窄。
20世纪70年代进入了开展期,开场大量采用中、大型机进展处理,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当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,以有效地进展资源和矿藏的勘探、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展处理,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。
在公共平安方面,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局部,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开展,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比照度过拉伸问题,并且可以控制子层灰度映射范围,增强效果较好。
八、图像增强的最新研究
人类传递信息的主要媒介是语言和图像。
据统计在人类承受的各种信息中视觉信息占80%,所以图像信息是十分重要的信息传递媒体和方式。
图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个局部。
在实际应用中每个局部都有可能导致图像品质变差,使图像传递的信息无法被正常读取和识别。
例如,在采集图像过程中由于光照环境或物体外表反光等原因造成图像整体光照不均,或是图像采集系统在采集过程中由于机械设备的缘故无法防止的参加采集噪声,或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等等。
因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域开展的关键内容之一。
图像增强处理是数字图像处理的一个重要分支。
很多由于场景条件的影响图像拍摄的视觉效果不佳,这就需要图像增强技术来改善人的视觉效果,比方突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等,这些都有利于对图像中目标的识别、跟踪和理解。
图像增强处理主要内容是突出图像中感兴趣的局部,减弱或去除不需要的信息。
这样使有用信息得到加强,从而得到一种更加实用的图像或者转换成一种更适合人或机器进展分析处理的图像。
图像增强的应用领域也十分广阔并涉及各种类型的图像。
例如,在军事应用中,增强红外图像提取我方感兴趣的敌军目标;
在医学应用中,增强X射线所拍摄的患者脑部、胸部图像确定病症的准确位置;
在空间应用中,对用太空照相机传来的月球图片进展增强处理改善图像的质量;
在农业应用中,增强遥感图像了解农作物的分布;
在交通应用中,对大雾天气图像进展增强,加强车牌、路标等重要信息进展识别;
在数码相机中,增强彩色图像可以减少光线不均、颜色失真等造成的图像退化现象。
附录:
Matlab中图像增强的实现
例1读入索引图,显示并分析图像的直方图。
1.读入系统自带的索引图canoe,然后显示该图像。
>
[X,map]=imread('
canoe.tif'
)
imshow(X,map)
2.显示该图像的直方图。
在MATLAB命令窗口中输入以下命令:
figure>
imhist(X,map)
例2读入灰度图,显示并分析图像的直方图。
1.读入系统自带图像moon的数据。
在MATLAB中输入以下命令:
I=imread('
moon.tif'
);
2.显示图像和对应的直方图。
subplot(2,1,1),imshow(I),title('
moon'