图像增强技术分析[论文]

摘 要 图像增强既可以用以提高图像的外观视觉，同时也是特征提取以及图像边缘检测的基础。本文通过对几种图像增强技术进行比较，对图像增强技术做了较广泛细致的阐述。利用matlab对图像进行处理，图像得到显著的改善。

关键词 图像增强 灰度变换 小波分析

中图分类号：tp391 文献标识码：a

1 图像增强技术

1.1 空域增强

常用的空域法有直接灰度变换、直方图修正、空域平滑、锐化滤波、伪彩色处理等。空域增强方法是指直接作用于像素的增强方法，空域处理可表示为g（x，y）=t[f（x，y）]，式中g（x，y）是f（x，y）经过增强处理后得到的图像，而t是对f的一种操作，定义在（x，y）的邻域，如果t是定义在每个（x，y）点上，则t称为点操作。

1.1.1直接灰度变换

直接灰度变换属于图像增强技术中最简单的一类，下面介绍几种常用的方法：

（1）图像求反

图像求反即通过将原图像中黑白相互转换来达到将源图像灰度值翻转的目的，若对灰度级[0，l-i]变换到[l-1，0]，b变换公式如下t=l-1-s

根据变换曲线，将源图像每个像素的灰度值进行映射，这种方法可与用于增强图像较暗区域的灰色或白色细节。

（2）线性灰度变换

增强图像对比的目的是为了增强图像中感兴趣的灰度区域，并且相对抑制那些不感兴趣的灰度区域，即增强原图各部分的反差。分段线性法通过将需要的图像细节灰度级拉伸，将不需要的图像细节灰度级压缩来达到增强对比度的目的。

（3）对数变换

在有些情况下，如果要显示的图像的傅里叶频谱的动态范围远远超出显示装置的显示能力时，图像的最亮的部分可以显示出来，而图像的低频部分则无法显示，这样，所显示的图像和源图像比较下，将会出现失真。这种失真是由动态范围太大而引起的，对原图像的动态范围进行压缩是一种行之有效的方法。

1.1.2基于灰度直方图的图像增强

基于灰度直方图的图像增强方法是灰度变换方法中的第二种方法，直方图是表示图像像素每一灰度值出现的概率分布进行统计，可以通过对直方图进行修改来改变原图像的灰度分布，从而达到改善图像的目的，直方图仅仅反应不同的灰度值出现的次数，但是不能表示灰度值的分布；只表示灰度出现的概率忽略了它的位置信息。常用的方法有直方图均衡化和直方图规定化等。

以直方图均衡化为例，直方图均衡化是将原始图像经过某种变换使之变成新的图像，新图像的直方图是均匀分布的，直方图均衡化算法是图像增强中最重要最常用的算法之一，利用灰度的点运算达到直方图的变换，它是以概率论为基础的，从而实现图像增强的目的。

1.2 频域图像增强方法

频域图像增强是把原始图像通过某种频域变换后变换到频率域，从而对图像进行相应的处理，然后再把处理后的图像反变到空间域，获得处理后的图像。

包括低通、高通、带通、带阻四种类型的滤波器结构。

低通滤波器：因为图像的干扰和噪声都分布在高频部分，要想削弱在频域中边缘和噪声对图片的影响就要设法减弱高频分量，可分为理想低通滤波器和巴特沃兹低通滤波器。

在处理过程中，由于傅里叶变换的性质，理想低通滤波器会产生比较严重的振铃和模糊现象。相较之，用巴特沃兹滤波器得到的输出振铃现象就会不明显，因为其在高低频率间的过度比较平滑。

高通滤波器：因为图像的边缘对应于高频分量，所以使用高通滤波器可以锐化图像，可分为理想高通滤波器和巴特沃兹高通滤波器还有高频加强滤波器。利用高频加强滤波器可以得到比普通高通滤波器好的增强效果.

1.3 基于小波变换的图像增强算法

小波变换在近几年有很广泛的应用，基于小波分析的多尺度分析特性，为用户提供了更灵活的处理方法，利用小波变换能够达到在减小不感兴趣的分量的同时放大所需要的分量的目的，这是由于小波变换可以把一幅图像分解成方向，位置和大小都不同的分量，在执行逆变换之前可以对小波变换域中某些系数的大小做改变。如上文所述，图像的高频部分表现的是图像的细节，而图像的低频部分表现的是图像的轮廓，因此可以通过对高频分解系数进行衰减处理，对低频分解系数进行增强处理，来达到图像增强的效果。

2 总结

本文将传统图像增强方法和基于小波变换的图像增强方法进行了综合阐述，不可避免的，时域方法会丢失很多点之间的相关信息，频域方法又需要很大的计算量。小波变换的出现无疑为用户提供了更加便捷的处理方法，事实证明，在图像增强中，小波变化会起到更好的效果。

参考文献

[1] 陈书海，傅录祥.实用数字图像处理[m].北京：科学出版社，2005：90-95.

[2] 陈廷标等.数字图像处理技术[m].北京：人民邮电出版社，1990：165.

[3] pratt w k. digital image processing. new york： john wiley& sons， inc.， 1978：87-99.