图像增强

天津工程师范学院图像增强的方法综述专业班级：研电09级03班学生姓名：李翠2010年6月图像增强的方法综述摘要：图像形成、传输或变换的过程中,由于受到其它客观因素诸如系统噪声、曝光不足或过量、相对运动等影响,获取图像往往会与原始图像之间产生某种差异(称为降质或退化)。退化后的图像通常模糊不清或者经过机器提取的信息量减少甚至错误,因此必须对其采取一些手段进行改善。图像增强作为基本的图像处理技术，其目的是对图像进行加工，以得到对具体应用来说视觉效果更“好”更“有用”的图像，由于具体应用的目的和要求不同，因而“好”和“有用”的含义也不同，因此图像增强技术是面对具体问题的，从根本上来说，图像增强的通用标准是不存在的，例如，一种很适用增强X射线图像的方法，不一定是增强卫星云图的最好方法。图像增强技术主要有：空域变换增强、空域滤波增强、频域增强。点运算可以在空域内进行图像灰度修正、图像灰度变换以及图像直方图修正。空域滤波增强主要应用平滑滤波器、中值滤波器以及锐化滤波器。频域增强主要应用高通滤波和同态滤波。图像增强还包括图像的伪彩色处理。彩色图像中包含有丰富的细节信息,为了获得清晰的彩色图像,保护原有的彩色信息,消除亮度不够对彩色图像像质的影响,应用图像增强技术对彩色图像进行处理,既可以得到清晰的彩色图像,又可以保护原有的彩色信息。总之图像增强技术就是对图像中感兴趣的特征有选择地突出,而衰减其不需要的特征。关键字：图像增强、点运算、MATLAB灰度变换、滤波器、伪彩色处理1.图像增强概述图像增强是数字图像处理过程中经常采用的一种方法，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简单改善方法或加强特征的措施称为图像增强。图像增强技术根据处理的空间不同，可分为两大类；空域方法和频域方法，前者直接在图像所在像素空间进行处理；后者是通过对图像进行傅里叶变换后在频域上间接进行的。1.1空域变换增强在空域方法中，根据每次处理是针对单个像素还是小的子图像块（模板）又可分为两种；一种是基于像素的图像增强，也叫点处理，这种增强过程中对每个像素的处理与其他像素无关：另一种是基于模板的图像增强，也叫空域滤波，这种增强过程中的每次处理都是基于图像中的某个小的区域。空域增强方法可以表示为；g(x,y)=EH[f(x,y)]其中f(x,y)和g(x,y)分别表示为增强前后的图像，EH代表增强操作。如果EH是定义在每个(x,y)上的，则EH是点操作，点操作的方法也叫灰度变换，常见的方法有以下几类；灰度校正。灰度变换。直方图修正。1.2空域滤波增强空域滤波器包括；线性滤波器和非线性滤波器。空域滤波按处理效果来分类，可以分为平滑滤波器和锐化滤波器。图像平滑的方法有；噪声消除法。邻域平均法。中值滤波法。梯度倒数加权。选择式掩膜平滑法。图像锐化的方法有；梯度法。Laplacian算子滤波法。掩膜匹配法。统计差法。平滑的目的在于消除混杂在图像中的干扰因素，改善图像质量，强化图像表现特征。锐化的目的在于增强图像边缘，以及对图像进行识别和处理。1.3频域增强频域增强时先对图像进行变换，然后对变换后的图像进行处理，变换后的图像实际上是有矩阵表示，不是普通的图像，最后将处理后的图像再使用逆变换变回空域，得到普通意义上的图像。频域增强法对图像的傅里叶变换进行操作，建立在卷积定理的基础上。2．点运算点运算可以实现灰度变换，它是对图像在空间域进行增强的简单而效果明显的方法。根据图像不同降质现象以及所需要的不同图像特征性可采用不同的修正方法。常用方法有三种。2.1灰度级修正针对图像成像不均匀（如曝光不均匀，使图像半边暗半边亮），对图像逐点进行不同程度的灰度级校正，目的是使图像灰度均匀。设原来的图像为f，不均匀降质图像为g，代表降质性质的函数为e，则降质过程可以描述为；g=ef.设输入一个图像灰度级全部为常数C的图像fc=C.其输出图像为gc,用这个图像可以标定降质性质函数e。2.2灰度变换灰度图像的数值表示的是灰度图像的亮度，灰度图像的亮度反差可以使用对比度来表示，对比度表示为；对比度=亮度最大值/最小值。如果对比度比较小，意味着亮度的最大值和最小值相差不大，图像的对比度不强，图像内容差别不大看不清图像的内容；如果对比度比较大，意味着亮度的最大值和最小值相差比较大，图像的对比度比较强，图像的内容差别比较大，可以看清楚图像的内容。增强图像对比度实际上是增强原图像各部分的反差，也就是说增强图像中感兴趣的灰度区域，相对抑制那些不感兴趣的灰度区域。假设原来图像灰度级范围为（a,b）,变换后图像灰度级范围为（a’、b’）,其中某一灰度级为z，经过变换后为z’。则有灰度级变换关系；z’=T（z），常用的灰度级变换模式如图2所示。(a)全域线性变换（b）截取式线性变换（c）连续分段线性变换（d）不连续分段线性变换（e）全域非线性变换图2.1显示装置所允许的最大灰度范围，导致图像的对比度太低（如摄影时曝光不足），使得图像的一些细节难以观察，可进行灰度的线性变换。图（a）所示了全域线性变换，适用于灰度整体被压缩得比较小的情况。图（b）所示了截取式线性变换，适用于突出感兴趣灰度信号，将不感兴趣灰度信号平衡化的情况。图（c）所示了连续性分段式线性变换，可以突出感兴趣的灰度区间内的图像细节，抑制不感兴趣的区域，在黑色或白色附近有噪声干扰时使用，如照片中的划痕。使用分段线性变换，通过调节折线拐点的位置及控制分段直线的斜率，可对不同区间进行压缩或扩展。图（d）所示了非连续分段线性变换，可更突出感兴趣的灰度区间内的图像细节，每个灰度区间都可得到灰度图像的最大对比度，缺点就是处理后相同亮度值对应关系部唯一。图（e）所示了全域非线性灰度变换可实现图像灰度的非线性变换，非线性灰度变换可分为对数变换和指数变换。对数变换可调节曲线的位置和形状。对数变换使低灰度范围的图像得以扩展，高灰度范围的图像得以压缩，使图像的灰度分布均匀，与人的视觉特性匹配，指数变换效果与对数变换相比，可使高灰度区得以扩展。2.3直方图修正图像的直方图是图像的重要统计特性，是表示数字图像中每一灰度级与该灰度级相对出现的频数间的统计关系，用横坐标表示灰度级，纵坐标表示频数，按直方图的定义可表示为；P(rk)=nk/N,式中N为一幅图像的总像素数，nk是第k级灰度的像素数，rk表示第k个灰度级，P(rk)表示该灰度级出现的相对频数。尽管直方图不能表示出某灰度级的像素在什么位置，更不能直接反映出图像内容，但是具有统计特性的直方图却能描述该图像的灰度分布特性，是人们从中得到诸如总体明亮程度、对比度、对象物的可分性等与图像质量有关的灰度分布概貌成为一些处理方法的重要依据，同时，对直方图进行分析可以得出图像的一些能反映出图像特点的有用特征。例如，当图像的对比度较小时，它的灰度直方图只在灰度轴上较小的一段区间上非零；较暗的图像由于较多像素的灰度值低，因此直方图的主体出现在低灰度值区间上，在高灰度值区间上的幅度较小或为零，而较亮的图像情况正好相反；看起来清晰柔和的图像，它的直方图分布比较均匀。通常一幅均匀量化的自然图像由于其灰度直方图分布集中在较窄的低值灰度区间，引起图像的细节看不清楚，为使图像变得清晰，可以通过变换图像的灰度范围拉开或使灰度分布在动态范围内趋于均匀，从而增强反差，使图像的细节清晰，达到图像增强的目的。3.MATLAB灰度变换前面介绍了灰度变换的相关理论，现在来看具体实现。在MATLAB中，imadjust函数可以用于直接灰度调整。imadjust函数imadjust可用于简单的图像增强处理如表3.1所示：表3.1语法参数说明J=imadjust(I)增加对比度，相当于imadjust(I,stretchlim(I))J=imadjust(I,[low_in;high_in],[low_out;high_out],gamma)其中，gamma为校正量Y，[low_in;high_in],为原图像中要变换的灰度范围，[low_out;high_out]指定了变换后的灰度范围newmap=imadjust(map,[low_in;high_in],[low_out;high_out],gamma)调整索引色图像的调色板map。此时若[low_in;high_in]和[low_out;high_out],都为2×3的矩阵，则调整为R、G、B3个分量例3.1在本例中对一个低对比度的灰度图像进行调整，增强对比度实际上是增强原图的各部分的反差。I=imread(‘pout.tif’);J=imadjust(I);Imshow(I),figure,imshow(J)图3.1运行的结果如图3.1所示，从处理过的图片上可以看到，小孩衣服上的图标和衣服之间的对比度增强了，更容易辨认了。通常在进行特定任务的模式识别工作之前，要对所要识别的对象进行对比度增强的处理以使辨别工作更容易识别结果更准确，对于不同的图像，根据不同的情况，所选的参数可能有所不同，要根据实际情况而定，可以看下面指定对比度范围进行的灰度调整。K=imadjust(I,[0.30.7],[J]);figure,imshow(K)图3.2运行的结果如图3.2显示，比较图3.1和图3.2可以看到，图3.1的对比度增强有点过头，图像中出现了过亮和过暗的区域，显得不够自然，而图3.2在增强图像对比度的时候控制了处理范围，避免出现过亮和过暗的情况，看起来比较自然。例3.2调整RGB图像的对比度RGB1=imread(‘wenju.tif’);RGB2=imadjust(RGB1,[.2.30;.6.71],[]);Imshow(RGB1),figure,imshow(RGB2)图3.3图3.4运行的结果如图3.3和图3.4所示比较图3.3和图3.4后可以看到，彩色图像的对比度增强后颜色显得更加鲜艳。例3.3图像求反对图像求反是将原图的灰度值翻转，简单的说就是使黑变白。这种方法尤其适用于增强嵌入图像暗色区域的白色或灰色细节。用imadjust函数实现图像求反I=imread(‘li3.tif’);J=imadjust(I,[01],[10]);Imshow(I),figure,imshow(J)图3.5图3.6运行结果如图3.5和图3.6所示动态范围压缩动态范围压缩的目标与增强对比度相反，当原图的动态范围太大，超出了某些显示设备所允许的动态范围时，如果直接使用原图则有一部分信息可能丢失，例如，在显示图像的傅立叶谱时，其动态范围远远超过显示设备的显示能力，此时仅有图像中最亮部分可在显示设备上显示，而频谱中的低值将看不见，如图8所示，在这中情况下，所显示的图像相对于原图像就存在失真，要消除这因动态范围太大引起的失真，一种有效的方法就是对原图的动态范围进行压缩。比较图3.7和图3.8后可以看到，图3.7中心部分的信息可以看出来，但是周围的细节就一片黑，而图3.8可以将整幅图的细节都表现出来。图3.7图3.84.MATLAB直方图修正直方图修正指的是增加图像像素值直方图分布来对图像进行增强，经过直方图修正后，图像像素值在各个级别上都有分布，图像像素值间的差距拉大，更容易表现图像细节图像直方图一般能从整体上描述一幅图像，如原图像曝光不足或曝光过度，也可以看出动态范围选择的合适与否，可以对图像的直方图做一些修改，以达到改善图像的目的。直方图修正通常有直方图均衡化和直方图规定化两大类。4.1直方图均衡化直方图均衡化是常用的直方图修正方法，一般情况下可以得到满意的图像效果，如表4.1所示。表4.1语法参数说明J=histeq(I,hgram)实现了所谓“直方图规定化”，即将原是图像I的直方图变换成用户指定的向量hgramhgram中的每一个元素都在[0,1]中J=histeq(I,n)指定均衡化后的灰度级数n，默认值为64[J,T]=histeq(I,…)返回从能将图像I的灰度直方图变换成图像J的直方图的变换TNewmap=histeq(X,map)[new,T]=histeq(X,…)针对索