论文部分内容阅读
【摘 要】数字图像处理是指利用计算机来合成、变换已有的数字图像，进而产生一种新的效果，并把加工处理后的图像重新输出的过程。图像增强是数字图像处理的过程中经常采用的一种方法，通过图像增强，使图像比处理前更适合一个特定的应用。本文通过Matlab实验得出的实际处理效果来对比两种常用算法的优缺点，讨论这两种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 直方图增强 对比度增强
一、 引言
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。图像增强是指根据特定的需要增强图像中的重要信息，同时减弱或去除不需要的信息。通过适当的增强处理，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。图像增强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。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。目前图像增强处理的应用已经渗透到医学诊断、航空航天、安全侦察、指纹识别、无损探伤、卫星图片的处理等领域。图像增强技术的快速发展同它的广泛应用是密不可分的，发展的动力来自稳定涌现的新的应用。
二、常用的图像增强方法
（一）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，使图像具有较大的反差，细节清晰。
（二）对比度增强法
有些图像的对比度比较低，从而使整个图像模糊不清。这时可以按一定的规则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。
三、图像增强方法及算法
（一）直方图增强
直方图均衡化过程如下：
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，进一步求出灰度变换表；
3.根据灰度变换表，将原图像各灰度级映射为新的灰度级。
在MATLAB中，histeq函数可以实现直方图均衡化。该命令对灰度图像I进行变换，返回有N级灰度的图像J，J中的每个灰度级具有大致相同的像素点，所以图像J的直方图较为平坦，当N小于I中灰度级数时，J的直方图更为平坦，缺省的N值为64。（上图展示了直方图均衡化的效果）
从直方图统计可以看出，原始图的灰度范围大约是0到220之间，暗部比较深，亮度缺失。而直方图均衡化后，灰度几乎是均匀的分布在0到255的范围内，图像明暗分明，亮度增加，图像比较清晰明亮，很好的改善了原始图的视觉效果。优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩张了像素值的动态范围，是一种常用的图像增强算法。不足：不能抑制噪声。
（二）对比度增强
对比度增强是图像增强技术中一种比较简单但又十分重要的方法。这种方法是按一定的规则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，或者是对灰度进行分段处理，根据图像特点和要求在某段区间中进行压缩在另外区间进行扩展。
例如，观察图3.2可以发现，该图的对比度不高其灰度直方图大于220的值比较缺失，如果将图像数据映射到整个灰度范围内，则图像的对比度将大大增大。
其中，gamma为校正量r，为原图像中要变换的灰度范围，指定了变换后的灰度范围。
以下展示了常用对比度扩展法的结果：
从图3.3【原图】可以看出原始图像动态范围较小，整体较暗，反映在直方图上像素主要集中在低灰度的一侧，如【原图的灰度直方图】所示。经过对比度调整，图像变亮，可以看到更多的细节如图【原图直方图均衡化】和【均衡后的灰度直方图】所示。
优势：可以充分利用图像中的亮度信息，明显改善图像质量，是一种常用的图像增强算法。
不足：对于受噪声影响明显的图像，该算法增强效果不明显。即不能有效地抑制噪声。而且，仅仅利用了图像中的局部信息。对本图像不是很适用，对医学方面或者图像分离比较有用。
四、 结束语
由上述结果可见，经直方图处理后，图像明暗分明，亮度增加，图像比较清晰明亮，很好的改善了原始图的视觉效果。但是我们也很容易发现，这种处理方法没有考虑图像的内容，处理后图像看起来亮度过高。在對比度增强的方法中，我们可以发现它的处理效果相对于直方图中的对比度要好得多，但是不太适合本图像。分析原因可能是本图像噪声太多，对比度增强中不能有效地抑制噪声，仅仅利用了图像中的局部信息，使局部信息增强，对于本图像反而失去更多细节。这种增强方法对医学方面比较有用。总之，应用Matlab语言对数字图像进行图像增强处理时具有编程简单、操作方便、处理速度快，以上两种方法在图像增强中并不增加图像信息，其结果只是增强对某种信息的判别能力，适用范围较广。但是为了更好地处理效果，不同的图像需要用更多不同的增强方法，比如平滑噪声等方法。
参考文献：
[1]贾小军.基于matlab的图像增强技术研究[J].渭南师范学院学报.2008.3；
[2]张波.基于Matlab的图像增强技术的应用与分析[J].科技天地.2009；
【关键词】图像增强 直方图增强 对比度增强
一、 引言
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。图像增强是指根据特定的需要增强图像中的重要信息，同时减弱或去除不需要的信息。通过适当的增强处理，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。图像增强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。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。目前图像增强处理的应用已经渗透到医学诊断、航空航天、安全侦察、指纹识别、无损探伤、卫星图片的处理等领域。图像增强技术的快速发展同它的广泛应用是密不可分的，发展的动力来自稳定涌现的新的应用。
二、常用的图像增强方法
（一）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，使图像具有较大的反差，细节清晰。
（二）对比度增强法
有些图像的对比度比较低，从而使整个图像模糊不清。这时可以按一定的规则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。
三、图像增强方法及算法
（一）直方图增强
直方图均衡化过程如下：
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，进一步求出灰度变换表；
3.根据灰度变换表，将原图像各灰度级映射为新的灰度级。
在MATLAB中，histeq函数可以实现直方图均衡化。该命令对灰度图像I进行变换，返回有N级灰度的图像J，J中的每个灰度级具有大致相同的像素点，所以图像J的直方图较为平坦，当N小于I中灰度级数时，J的直方图更为平坦，缺省的N值为64。（上图展示了直方图均衡化的效果）
从直方图统计可以看出，原始图的灰度范围大约是0到220之间，暗部比较深，亮度缺失。而直方图均衡化后，灰度几乎是均匀的分布在0到255的范围内，图像明暗分明，亮度增加，图像比较清晰明亮，很好的改善了原始图的视觉效果。优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩张了像素值的动态范围，是一种常用的图像增强算法。不足：不能抑制噪声。
（二）对比度增强
对比度增强是图像增强技术中一种比较简单但又十分重要的方法。这种方法是按一定的规则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，或者是对灰度进行分段处理，根据图像特点和要求在某段区间中进行压缩在另外区间进行扩展。
例如，观察图3.2可以发现，该图的对比度不高其灰度直方图大于220的值比较缺失，如果将图像数据映射到整个灰度范围内，则图像的对比度将大大增大。
其中，gamma为校正量r，为原图像中要变换的灰度范围，指定了变换后的灰度范围。
以下展示了常用对比度扩展法的结果：
从图3.3【原图】可以看出原始图像动态范围较小，整体较暗，反映在直方图上像素主要集中在低灰度的一侧，如【原图的灰度直方图】所示。经过对比度调整，图像变亮，可以看到更多的细节如图【原图直方图均衡化】和【均衡后的灰度直方图】所示。
优势：可以充分利用图像中的亮度信息，明显改善图像质量，是一种常用的图像增强算法。
不足：对于受噪声影响明显的图像，该算法增强效果不明显。即不能有效地抑制噪声。而且，仅仅利用了图像中的局部信息。对本图像不是很适用，对医学方面或者图像分离比较有用。
四、 结束语
由上述结果可见，经直方图处理后，图像明暗分明，亮度增加，图像比较清晰明亮，很好的改善了原始图的视觉效果。但是我们也很容易发现，这种处理方法没有考虑图像的内容，处理后图像看起来亮度过高。在對比度增强的方法中，我们可以发现它的处理效果相对于直方图中的对比度要好得多，但是不太适合本图像。分析原因可能是本图像噪声太多，对比度增强中不能有效地抑制噪声，仅仅利用了图像中的局部信息，使局部信息增强，对于本图像反而失去更多细节。这种增强方法对医学方面比较有用。总之，应用Matlab语言对数字图像进行图像增强处理时具有编程简单、操作方便、处理速度快，以上两种方法在图像增强中并不增加图像信息，其结果只是增强对某种信息的判别能力，适用范围较广。但是为了更好地处理效果，不同的图像需要用更多不同的增强方法，比如平滑噪声等方法。
参考文献：
[1]贾小军.基于matlab的图像增强技术研究[J].渭南师范学院学报.2008.3；
[2]张波.基于Matlab的图像增强技术的应用与分析[J].科技天地.2009；