图像增强技术的总结与仿真解析.docx

图像增强技术的总结与仿真解析.docx

《图像增强技术的总结与仿真解析.docx》由会员分享，可在线阅读，更多相关《图像增强技术的总结与仿真解析.docx（15页珍藏版）》请在冰豆网上搜索。

图像增强技术的总结与仿真解析

图像增强技术的总结与仿真

王茗倩控制理论与控制工程112030058）

1引言

随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的发展，已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。

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。

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。

尽管由于目的、观点、爱好等的不同，图像质量很难有统一的定义和标准，但是根据应用要求改善图像质量却是一个共同的目标。

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。

2图像增强概述

2.1图像增强的定义

在图像获取的过程中，由于设备的不完善及光照等条件的影响，不可避免地

会产生图像降质现象。

影响图像质量的几个主要因素是：

（1）随机噪声，主要是高斯噪声和椒盐噪声，可以是由于相机或数字化设备产生，也可以是在图像传输;

（2）系统噪声，由系统产生，具有可预测性质；（3）畸变，主要是由于相机与物体相对位置、光学透镜曲率等原因造成的，可以看作是真实图像的几何变换。

数字图像处理流程如图1所示，从一幅或是一批图像的最简单的处理，如特征增强、去噪、平滑等基本的图像处理技术，到图像的特征分析和提取，进而产生对图像的正确理解或者遥感图像的解译，最后的步骤可以是通过专家的视觉解译，也可以是在图像处理系统中通过一些知识库而产生的对图像的理解。

图1图像处理流程图

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应用领域

通讯领域：

包括图像传输、电视电话、电视会议等，主要是进行图像压缩

甚至理解基础上的压缩是把文字、图表、照片等图像通过光电扫描的方式变成电信号加以传送。

遥感：

航空遥感和卫星遥感图像需要用数字技术加工处理，并提取有用的信息。

主要用于地形地质，矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害预测预报，环境污染监测，气象卫星云图处理以及地面军事目标的识别。

生物医学领域：

图像处理在医学界的应用非常广泛，无论是在临床诊断还是病理研究都大量采用图像处理技术。

它的直观、无创伤、安全方便的忧点受到普遍的欢迎与接受。

其主要应用如X射线照片的分析，血球计数与染色体分类等。

目前广泛应用于临床诊断和治疗的各种成像技术，如超声波诊断等都用到图像处理技术。

有人认为计算机图像处理在医学上应用最成功的例子就是X射线CT（X-rayComputedTomography）。

军事、公安等方面的应用：

军事目标的侦察、制导和警戒系统、自动灭火器的控制及反伪装；公安部门的现场照片、指纹、手迹、印章、人像等的处理和辨识；历史文字和图片档案的修复和管理等。

工业生产中的应用：

在生产线中对产品及部件进行无损检测是图像处理技术的重要应用领域。

该领域的应用从70年代起取得了迅速的发展，主要有产品质量检测、生产过程的自动控制、CAD／CAM等。

在产品质量检测方面，如食品、水果质量检查，无损探伤，焊缝质量或表面缺陷。

又如，金属材料的成分和结构分析，纺织品质量检查，光测弹性力学中应力条纹的分析等。

在电子工业中，可以用来检验印刷电路板的质量、监测零件部件的装配等。

在工业自动控制中，主要使用机器视觉系统对生产过程进行监视和控制，如港口的监测调度、交通管理、流水生产线的自动控制等。

总之，图像处理技术应用领域相当广泛，已在国家安全、经济发展、日常生活中充当越来越重要的角色，对国计民生的作用不可低估。

3常用的图像增强方法

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:

g（x,y）=T［f（x,y）］

（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。

3.1.1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3.11所示。

贝U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）=肘［f（x,y）-a］c⑵

3.1.2分段线性变换

为了突出图像中感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换，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，常用的是三段线性变换方法，如图2所示

图2三段线性变换

其中f（x,y）,g（x,y）分别为原图像和变换后的图像的灰度级，maxf、maxg分

别为原图像和变换后的图像的最大灰度级。

灰度区间［a,b］为要增强的目标所对应

的灰度范围，变换后灰度范围扩展至［c,d］。

变换时对［a,b］进行了线性拉伸，而［0,a］和［b,max］则被压缩，这两部分对应的细节信息损失了。

若这两部分对应的像素数较少，则损失的信息也相应较少。

其数学表达式如式

c

Xf（x,y）

a

g（x,y）=：

c[f（x,y）—a]c

b—a

maxg-d

——qf（x,y）—b]+dmaxf-b

度区间对应的细节信息有所损失，这对于识别目标来说没有什么影响。

下面对一些特殊的情况进行了分析。

令k1=c/a,k2=[d-c/b-a，k3=maxg-d/maxf-b,即它们分别为

对应直线段的斜率。

当k仁k3=0时，如图3（a）所示，表示对于［a,b］以外的原图灰度不感兴趣，均令为0，而处于［a,b］之间的原图灰度，则均匀的变换成新图灰度。

当k仁k2=k3=0，但c=d时，如图3（b）所示，表示只对［a,b］间的灰度感兴趣,且均为同样的白色，其余变黑，此时图像对应变成二值图。

这种操作又称为灰度级（或窗口）切片。

当kl=k3=1，c=d=maxg时，如图3（c）所示，表示在保留背景的前提下，提升［a,b］间像素的灰度级。

它也是一种窗口或灰度级切片操作。

图3三段线性变换

3.1.3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：

g（x,y）=bf（x,y）⑷

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,y2]-1⑸

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）=ig[f（x,y）]⑹

其中lg表示以10为底，也可以选用自然对数In。

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：

/\丄In[f（x,y）+1]f

g（x,y）=a（7）

bKInc

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In[f（x,y）1]_0。

当f（x,y）=0时，In[f（x,y）1]=0，则y=a，则a为丫轴上的截距，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。

3.2直方图变换

3.2.1直方图原理

对一幅数字图像，若对应于每-灰度值，统计出具有该灰度值的象素数，并据此绘出象素数-灰度值图形，则该图形称该图像的灰度直方图，简称直方图。

直方图是以灰度值作横坐标，象素数作纵坐标。

有时直方图亦采用某一灰度值的象素数占全图总象素数的百分比（即某一灰度值出现的频数）作为纵坐标。

设变量r代表图像中像素灰度级，在图像中，像素的灰度级可作归一化处理，这样r的值将限定在下述范围之内（Owr菊1在灰度级中，r=0代表黑，r=1代表白。

对于一幅给定的图像来说，每一个像素取得［0,1］区间内的灰度级是随机的，也就是说，是一个随机变量。

在离散的形式下，用代表离散灰度级，用Rd代表概率密度函数，并且有下式成立：

nlj.

Pr（rQ二k0汀k叮"0,1,2川丨-1且'P（rQ=1（8）

na

式中nk为图像中出现rk这种灰度的像素数，n是图像中像素总数，空就是概率

n

论中的频数，n是灰度级的总数目。

在直角坐标系中作出rk与Pr（rJ的关系图形，就得到直方图。

归纳起来，直方图主要有一下几点性质：

（1）直方图是一幅图像中各像素灰度出现频次的统计结果，它只反映图像中不同灰度值出