图像增强技术综述Word文档格式.docx

图像增强技术综述Word文档格式.docx

《图像增强技术综述Word文档格式.docx》由会员分享，可在线阅读，更多相关《图像增强技术综述Word文档格式.docx（23页珍藏版）》请在冰点文库上搜索。

学校根据需要，有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许毕业论文（设计）被查阅和借阅;

学校可以将毕业论文（设计）的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编毕业，并且本人电子文档和纸质论文的内容相一致。

保密的毕业论文（设计）在解密后遵守此规定。

导师签名：

摘要

数字图像处理技术现在已普遍应用于各种行业,而图像增强处理技术就是其主要组成部分之一。

所谓的图像增强处理，抑制原始图像上的干扰因素，从而改善原画面的质量。

换句话说,就是对重要内容进行增强，以及对不重要内容进行抑制，然后获得清晰的图像显示效果.有时由于场景条件的影响导致图像拍摄出来的视觉效果不好，这就需要利用图像增强技术来改善人们看到的视觉效果.例如突出图像中目标物的一些特点、从数字图像中提取目标的特征参数等，这些都有利于对于图像中目标物的识别、跟踪和理解。

本文研究图像增强的原理概念和数字图像的一些基础定义，并根据图像增强的方法分类，对直方图增强技术、对比度增强技术、平滑和锐化这几种经常用到的增强方法的进行系统的分析，最后利用Matlab进行实验仿真对数字图像增强技术的图像效果进行探讨和对比，并总结图像增强技术的优点和缺点。

关键词:

数字图像；

图像增强；

直方图增强；

对比度增强；

平滑;

锐化。

GraphicEnhancementTechniqueWereReviewed

Abstract

Digitalimageprocessingtechnologyisnowwidelyusedinvariousindustries,andimageenhancementprocessingtechnologyisoneofthemaincomponents。

Theso—calledimageenhancementprocessing，restraintheinterferencefactorsintheoriginalimage，soastoimprovethequalityonthesurfaceoftheoriginalpainting。

Inotherwords,istheimportantcontentofstrengtheningandinhibitionofnotimportantcontent，andthengetaclearimagedisplayeffect。

Sometimesbecauseoftheinfluenceofthescenecondition，leadingtothevisualeffectofimagetakenoutisnotgood,thiswouldrequiretheuseofimageenhancementtechniquetoimprovethevisualeffectofpeopletosee。

Somecharacteristicssuchashighlightedintheimageoftarget,fromdigitalimagetoextracttargetfeatureparameters，andsoon,thesearebeneficialforthetargetintheimagerecognition,trackingandunderstanding。

Conceptinthispaper,westudytheprincipleofimageenhancementanddigitalimagesofsomebasicdefinitions，andaccordingtotheclassificationofimageenhancementmethods,thehistogramenhancement，contrastenhancement,smoothingandsharpeningtheenhancedseveralfrequentlyusedmethodsfortheanalysisofthesystem，theuseofMatlabsimulationexperimentontheimageeffectofdigitalimageenhancementtechniqueswerediscussedandcompared，andsummarizetheadvantagesanddisadvantagesofimageenhancementtechnology。

Keywords：

digitalimage，imageenhancement，histogramenhancement，contrastenhancement，smoothing，sharpening。

1.图像增强的概述

1。

1图像增强研究背景及意义

一般在主观存在的环境中获取实物图像，又或是图像在两物理介质中传递，有可能使所得图像与原始图像存在差异，即图像失真.而发生图像失真的原因也是难以确定的，人们往往由于环境或是仪器的局限性很难分析和掌握这一现象的数学模型和物理过程。

虽然无法了解具体原因，但通过分析却能猜测出导致图像质量降低的可能原因，通过所掌握的应用目的，讨论并实施一些简单有效的技术方法，尽可能的减小图像失真。

其实很多东西都需要相辅相成，图像增强技术也一样，没有和实际应用结合的图像增强技术是毫无任何意义的，所以它不能作为独立者存在.由于设定的应用不同，实施的图像增强处理技术中的方法及目标肯定是不同的，方法是对应图像降质不同情况产生和使用的。

例如，如果图像失真是由于图像信号变弱产生的，所得图像变得模糊，增强图像对比度就能使清晰度增强;

如果图像失真是由于噪声干扰产生,消减噪声可采用平滑技术；

如果图像信号在经过一些需要模型化为一积分过程的机器和系统后发生模糊，采用微分运算的方法就能加深图像边界和任何发生变化的区域。

有时，获取的图像与实物图像或者是原始图像存在的差异极小，这样的差异几乎无非识别或者是在可接受范围之内的，但突出所得图像的某些特征能够使人或机器更好的对所得图像的进行研究及掌握,例如利用微分技术突出边界区域和利用伪彩色技术加大分辨度等。

图像增强技术的产生就是为了完善人类或机器接受的各种图像的视觉效果以及有效的分析理解图像，尽量减少图像失真的方法。

1.2图像增强的应用

现在的医学类、航天事业、军事勘察、指纹识别、卫星图像处理等等都用到了图像增强技术。

例如，在医学上，医生会对CT影像、x射线的图片、内窥镜的图片进行图像增强，从而发现病人的发病区域，能从很细小的部分更准确的找到问题；

再有，在军事上有相同地点但不同时刻拍下的遥感图片，如果我们对这些图片使用增强处理的方法，就能够勘测敌人的军事调动方向，还可以判断军事装备及建筑的动向;

还有一些企业在员工签到系统里运用指纹识别，通过对指纹图像的增强，可以准确快速的完成对提供指纹的人员的正确识别。

现在越来越多的行业需要运用到图像增强的技术，由于它的实用性和社会科技的不断进步，我们相信图像增强将会越来越多的渗入到我们的生活中。

2．图像增强的基本理论

2。

1图像增强的定义

图像增强是一类基本和典型的图像处理技术和过程，它指以最初采集到的原始图像为出发点，再采用各种加工技术使得原始图像展现处理的视觉效果更加完美和有用，对图像加工的这一技术和过程被称为图像增强。

例如,在平常观看电视节目是,常通过调整遥控器上的各个按钮将画面调得更亮些或对比度更大些，这就是通过对图像的增强来获得更清晰更好看的视觉效果的常见应用。

需要注意，由于视觉效果有一定的主观性，也由于具体应用目的和要求的不同，因而并没有图像增强的通用标准.换句话说，由于视觉评判是相当主观的过程，所以所谓“好”和“有用”常因人而异。

实际中，用户会根据具体节目的具体情况进行调整以满足自身的要求，所以说，观察者是某种增强技术的最终判断者。

一般来说，图像增强是根据所需来突显我们图像中的一些信息,并且会去除一部分我们不要的信息内容的使用方法，这就会提高我们图像的质量。

它的目的是让一些图像的特性更加的突出,使用图像增强技术处理后的图像会更符合人类的视觉效果，或使机器的图像分辨更准确，从而使得图像的分析更全面与清晰。

有时候，图像增强会存在很矛盾的地方:

它想要不仅能够去除噪声，同时又增强边缘。

但如果要增强边缘，那么噪声也会增强。

如果选择滤去噪声，边缘便会存在一定程度上模糊,所以在进行图像增强时，便会将这两者对半考虑分析，寻求一个更好的函数来达到我们想要的增强效果.

2.2图像增强的分类及方法

图像增强技术一般分两类，即基于变换域和基于图像域。

顾名思义,前一类方法是在图像域中直接对图像进行增强操作的，一般也称为空域方法，这里空域是指由像素组成的空间.后一类方法不直接在图像域中对图像进行增强操作,而是先将图像进行变换，将图像转换到变换域后再进行增强。

由于有许多种图像变换，所以变换域图像增强也可根据变换分成许多类。

最常用的变换是傅里叶变换,所以最常见变换域是傅里叶域，一般也称为频域。

空域里的增强技术也可以分成不同类别.如果考虑增强操作的作用点，常将空域增强方法分成两类。

一类是根据每个像素点的特性进行操作，此时称为点操作。

点操作实际中可以原地完成，由于对一副图像的点操作仅利用每个像素一次，利用过后该像素位置就可赋新值，所以对一副图像点操作的结果就可直接存储在这幅图像中.另一类是要考虑像素邻近像素特性，即邻域操作。

改变原始图像中的不同频率分量实现的增强即为在频域空间的增强.空域增强在处理时是相对比较直接的，频域增强在另一些方面来说是有区别于空域增强的，由于图像频谱会展现整个图像的局面，所以频域增强的处理不是针对图像的每一个像素。

频域增强的缺点是比较客观，但空域增强技术却经常使用频谱。

基于空域的算法可分为两类。

一类是点运算算法,包含灰度变换、灰度级校正等，点运算算法的优点在于它能让图像成像均匀以及扩大其动态范围。

还有一个算法是领域增强，它主要分为锐化和平滑。

平滑常使图像噪声得以消减,缺点是会造成边缘的模糊，均值滤波和中值滤波是它常用的算法。

而锐化一般是用来物体的边缘轮廓凸显出来，达到准确的识别我们所要的目标。

它比较常见的算法是梯度法、算子和高通滤波等。

3常用的图像增强方法

3。

1直方图均衡化

由于一些图像处于低值灰度区间上的频率比较大,导致在图像相对比较暗的区域内的一些细节呈现模糊的现象。

这时我们就需要分解该图像的灰度范围,同时使得灰度频率相对小的灰度级变得大些，这即为直方图均衡化.这个方法是利用对图像灰度值的动态范围的调整，使得图像自动地增大对比度，这样图像就会具有相对大的反差，使我们看到的图像的细节更加清晰。

2.3。

2对比度增强法

现实中，我们看到的一些图像的对比度有点低，导致整个图像看不清楚。

那么就需要修改这个原图像的灰度，但要按照一定的规律去修改每一个像素，达到改变图像灰度的动态范围的目的.

3平滑噪声

实际上有些图像发生图像失真是由于噪声干扰的缘故，但噪声的产生又是随机不定向的,加上原图像的信号是结合空间和时间，导致噪声对任何一像素点的干扰都对所需图像有一定的影响,这影响包括使两相邻点的灰度或帧间两相邻像素的灰度产生明显的差异。

那么平滑技术就是根据这一情况产生的，它针对于噪声的随机不定向性。

平滑噪声一般是采用均值滤波和中值滤波的方法：

均值滤波是空间域平滑噪声技术，也称为邻域平均法。

算术平均算法是最简单的邻域平均法,该算法也称为线性滤波，在采用领域平均技术处理后把一像素领域内像素的灰度平均值作为所得图像像点的灰度值；

而中值滤波是非线性处理方法，中值滤波的优点是运算简单且方便实现，不仅如此,它还能更好的保护边界，它的缺点在于经过中值滤波技术得到的图像会丢失一些目标区域以及细线。

4锐化

经过很多的实践研究我们发现一个现象，在各种变模糊的图像中，它们的物理过程和数学模型都运用到了积分、平均或者求和这一类运算。

而在一些特定的应用环境中，对于图像之所以变模糊的物理过程或数学模型可以选择忽略，但对于在图像变模糊这一过程中运用到了积分、平均和求和这一共同之处，基本的二分法是原图像加一个对其微商后的图像.即使图像无模糊失真，在分析图像时也要突出某些边界或灰度细节.锐化即为减弱图像模糊、突出图像边界与细节的增强性方法。

3．数字图像的概念

3.1数字图像的基本定义

通常把一副图像定义为平面上的位置点与其对应的某种属性的关系。

用数学的方法可以通过函数f（x，y）来表示，其中x和y是平面上的位置点坐标，而f（x,y）表示这一点的图像的灰度或强度。

以这种数学描述为基础来定义数字图像的概念是非常容易的，即当平面上的位置点与其对应的灰度或强度的关系满足函数f（x,y），且x，y与f（x，y）同时为有限的、离散的数值时，该图像就称为数字图像。

作为以数字形式进行存储和处理的图像，数字图像的优点在于，通过计算机就能加工和处理任何图像以及在网络上将图像进行传输浏览，并且将图像进行无数次的复制后仍然保持图像不失真.相比之下，模拟图像则以一个连续的形式存储数据。

3.2数字图像的数值描述

我们生存的世界是三维立体的,但我们在这个三维世界里拍摄的任何图像皆以二维形式存在。

为了更好的表现一个图像，我们通常用二次函数来简单表示任一图像，即为f（x，y）。

在二次函数中,表达式为f（x，y），x和y都为其坐标，x、y为横纵坐标,而函数f（x，y）所表达的函数值即为像素值。

但我们在研究一副图像时，利用二维函数f（x,y）所得的坐标和像素值都是有限的,而且这些点的分布还是随机的，所以就会呈现点数值的离散，没有规律。

我们还可以用矩阵来表示一副图像,作为二维结构的数据，矩阵能量化值取整数。

一个矩阵可以用f（i，j）来表示，其中（i，j）就是数字图像的一个像素点,矩阵值f（x,y）就可以对应表示该像素点的像素值。

这样一个用整数矩阵表示的数字图像更容易实现。

3.3数字图像的分类

数字图像分成三类：

（1）二值图像

（2）灰度图像

（3）彩色图像

3.3.1二值图像

二值图像是一种简单描述的图像，它的灰度值只分两级，不存在过渡，因此二值图像中的任一像素只存在黑或白。

二值图像的缺点很明确，就是它比较适用于对文字类信息的图像的描述，对于图像的细节描述很难掌握。

虽然如此,但对于一副一般的场景画面，我们已经可以了解其画面的基本内容。

图3—3—1二值图像

2灰度图像

一数字图像中的每一个像素信息都是用量化后的灰度级来表现，这个数字图像即为灰度图像，它不含有任何的彩色内容.一般标准化的灰度图像的每一个像素的灰度都是用一个字节代表，灰度级数有256级，图像的每一个像素值都是其中任一值，灰度级数中0到255即是颜色中从黑到白。

图3—3-2灰度图像

3.3。

3彩色图像

自然界中有很多种颜色，而所有的颜色都是由红、绿、蓝这三种颜色组合形成的，因此这三种颜色被称为三基色。

而彩色图像就是利用三基色组合原理来描述所以的色彩，我们一般用一个字节来分别表示三基色的灰度，如果将三基色的灰度进行各种组合，就会形成各种颜色。

图3-3-3彩色图像

4．图像增强方法分类概述

4.1直方图增强

4。

1灰度直方图

一．灰度直方图的概念：

在数学模型中，直方图是很直观的，易于观察和分析。

灰度直方图就是将图像灰度级的分布呈现在直方图上，是一个关于统计图像灰度级分布的函数。

先将数字图像里的全部像素的灰度值按照从大到小分布在直方图里，然后统计所有灰度值的频率,从而形成这一数字图像的灰度直方图。

从数学的角度来说，灰度直方图是关于图像灰度值与图像灰度值频率的函数。

从图形的角度来说,灰度直方图是坐标轴上的一条曲线,横坐标是像素的灰度值，纵坐标表示分布在每个灰度值里的像素点的个数，它能表现该图像的最基本特性。

二.灰度直方图的性质:

（1）灰度直方图表征图像的一维信息

直方图一般来说只能大概表现出分布，一些细节信息无法显示。

灰度直方图也是如此，它统计的是一图像里的所有像素的灰度值出现的次数，不能呈现出任何一个像素的所处位置。

简单的说，就是灰度直方图只反映了一图像任一像素点出现的频率，却不知道该像素点的位置信息。

（2）灰度直方图与图像是多对一的映射关系

因为直方图的表现很单一,所以我们会发现不同的图像它们对应的灰度直方图有可能是一模一样的，但对于一个图像来说，它所能对应的灰度直方图是唯一的。

通过这一关系我们通常会用来定性分析图像。

例如，在一个处于相同场景中的很多视频帧中，虽然运动的目标物所在位置不同，但相邻的一些图像所对应的灰度直方图却一样的,我们就能利用这一依据对视频帧进行镜头分割。

（3）子图直方图之和为整图的直方图

一图像的灰度直方图是统计具有相同的灰度值的像素点概率，所以对于得到一副图像所有的子图的灰度直方图,把它们总和在一起就是这一整图像的灰度直方图.

4.1。

2直方图均衡化与规定化

一.直方图均衡方法的基本原理：

在灰度直方图的分布中，有该图像像素点出现频率多的灰度值，这一类灰度值一般是对图像的画面起主要的作用，还有一些灰度值对画面不起主要作用,即图像像素出现频率小的灰度值，我们将起主要作用的灰度值展宽，以及将不起主要作用的归并，这样就能使一副图像变清晰.

二.直方图均衡化方法的基本步骤：

（1）求原图的灰度直方图；

（2）求原图的灰度分布概率；

（3）求图像各个灰度值的累计分布概率；

（4）计算直方图均衡化，得处理后图像的像素值。

三．直方图规定化的基本原理:

在直方图均衡化的原理上形成了直方图规定化，它主要是建立起原始图像和期望图像两者的关系，然后选择性的对灰度直方图进行控制，目的是让原始图像的直方图能形成规定中的形状，它的优点在于将直方图均衡化中不能交互的特点进行补消。

四．直方图规定化方法的基本步骤：

（1）将原图像的直方图进行灰度均衡化;

（2）规定需要的直方图,并将其直方图均衡化;

（3）将得到的变换反转过来，即将原始直方图对应反射到规定的直方图.

五．举例:

（1）程序：

（2）图像：

图4—1—2a直方图均衡化图像

图4—1-2b直方图规定化图像

2对比度增强

一．对比度增强的概述：

对比度增强是相对简单且重要.它的特点在于它是按照一定的规律改变目标物的各个像素点的灰度值，从而大动作的改变一图像灰度的动态分布.对比度增强主要是扩展或压缩整个图像灰度的动态范围,又或者是在一部分动态范围内扩展，而在另一部分内压缩，这些可以根据图像的特点和需求进行扩展或压缩。

根据选取这一类规则,能使图像中我们喜欢的部分的对比度提高。

二．实现对比度增强的内容

（1）在使用Matlab软件处理中,函数imadjust能够把图像的像素灰度值调整到目标范围内，即这一特殊函数就是将图像的像素范围规定化。

（2）gamma能形象的描述出图像在输入与输出之间对应曲线的形状：

gamma<

1，表示曲线中图像像素值大的更重要；

gamma>

1，表示曲线中图像像素小的更重要；

gamma=1，表示图像在输入与输出之间呈现的是一条直线。

三．举例：

图4—2对比度增强图像

4.3平滑

一．平滑滤波的概述：

平滑技术主要是对于图像中的噪声进行消减，平滑噪声能够实现于空间域中，它的基本实现方法是求取图像像素的灰度中值或均值.

二．平滑滤波的分类：

（1）图像的简单平滑：

图像的简单平滑主要是利用领域平均法，目的是将图像平滑处理，它的作用还体现在能部分的消减原图像的噪声干扰以及减少其对比度的作用。

（2）图像的高斯平滑：

和图像的简单平滑一样,图像的高斯平滑也是使用领域平均法.不同之处在于图像的高斯平滑在利用领域平均法的同时，赋以不同的权值给不同位置上的像素。

（3）图像的中值滤波:

它利用的是函数中的中值思想，即先对图像领域中像素的灰度值按从小到大排序,再选择中心像素灰度值。

所以它是非线性的方法。

（1）程序:

图4—3平滑处理后图像

四．优缺点对比：

图像的中值滤波在少量离散噪声点的消除方面效果显著，而图像的简单平滑和高斯平滑采取的都是将噪声的干扰分布在图像领域里的各个像素上，目的是降低噪声点,可是同时也降低了图像的清晰度，所以它是优缺点并存的。

一．锐化的概念：

锐化的目的就是强化原始图像的边界和细节。

它在空间域中一般是对图像采取微商处理的方法,再将处理后的图像与原始图像进行叠加;

高频提升滤波技术一般应用于频域中.

二．锐化的目的：

在前面我们了解到图像的平滑处理目的是让图像变模糊，而图像的锐化处理则是让图像变得清晰，所以我们可以在平滑处理的原理基础上反向思考锐化处理的实施方法.图像的平滑处理利用的是缩小领域内像素之间的灰度值差，所以相反的锐化处理的方法就是增大领域内像素之间的灰度值差，从而达到提高图像对比度的目的。

三．图像锐化的处理方法：

Robert算法、拉普拉斯算法、梯度法，以及采用微分运算求取信号变化率，目的是提高图像的清晰度。

比较常见的微分滤波器算子：

Sobel梯度算子、Prewitt梯度算子和log算子。

四．举例：

（1）Robert算法程序：

Robert算法图像：

图4—4aRobert算法图像

（2）Rrewitt算子程序：

Rrewitt算子图像：

图4—4bRrewitt算子程序

（3）Soble算子程序：

Soble算子图像：

图4—4cSoble算子图像

（4）Log算子程序:

Log算子图像：

图4—4dLog算子图像

4.5真彩色增强

一．真彩色的概念:

在每一个图像中，像素值都由红、绿、蓝三个基色分量组成,而且图像的基色强度都是由每个基色分量直接决定的，由此得到的色彩称之为真彩色。

例如某个图像深度是24，其红绿蓝三个比例为8：

8:

8来表示色彩，那么各基色分量的强度由红、绿、蓝同时各占用8位来表示，每一个基色分量的强度等级都为28=256种,就是说图像能够包含224=16M种色彩。

由此获得的色彩能够表现原图具有的真实色彩，这就称之