图像增强基本理论综述

图像增强基本理论综述

作者：李斯娜

来源：《价值工程》2010年第19期

摘要:图像增强是数字图像处理的最基本的方法之一,本文总结了图像增强的基本理论,并对新的图像增强的方法作了简单介绍。

Abstract: Image enhancement is a fundamental and important technology in image processing field. So fundamental theory and some newapproaches aboutimage enhancement have been introducedin this paper.

关键词:图像增强;空间域图像增强技术;频域图像增强技术

Key words: image enhancement;image enhancement technology in spatial domain;image enhancement technology in frequency domain

中图分类号:TP391.41文献标识码:A文章编号:1006-4311(2010)19-0124-01

1图像增强的研究意义

图像增强是数字图像处理的最基本的方法之一,它是为了改善视觉效果或便于人或机器对图像的分析理解,根据图像的特点或存在的问题,以及应用目的所采取的改善图像质量的方法或加强图像的某些特征的措施。 2图像增强的研究现状

由于图像增强技术现在还没有通用的算法,因此图像增强技术根据各种不同目的而产生了多种算法,最常用的即 “空间域”方法和“频率域”方法[1]。随着数学各分支在理论和应用上的逐步深入,使得数学形态学、模糊数学、遗传算法、小波理论等在图像增强技术中的应用取得了很大进展,产生了不少新的算法。如数学形态滤波器,基于模糊数学的滤波方法,基于遗传算法的滤波方法,小波滤波器等。 3图像增强的基本理论

图像增强技术主要包括:灰度变换,直方图修正,图像平滑,图像锐化及彩色增强等。从图像增强的作用域出发可分为两类:①空域处理法;②频域处理法。

3.1 空间域图像增强技术空间域指的是平面本身,空间域图像增强方法是对图像的像素进行处理。可以定义为:

龙源期刊网 http://www.qikan.com.cn

g(x,y)=T[f(x,y)](1)

其中,f(x,y)是输入图像,g(x,y)是处理后的图像,T是对f的一种操作。 空间域图像增强技术又可分为点处理和邻域处理。 3.1.1 点处理技术

3.1.1.1 灰度变换灰度变换可使图像动态范围增大,图像对比度扩展,图像变清晰,特征明显,是图像增强的重要手段之一。①线性变换。如果原图像f(x,y)的灰度范围是[m,M],我们希望变换后的图像g(x,y)灰度范围是[n,N],那么可以用式(2)来完成这一变换:g(x,y)=(N-n)[f(x,y)-m]/(M-m)+n(2)

②分段线性变换。为了突出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。其数学表达式如下: g(x,y)=kf(x,y)+b;0f(x,y)f1;k1=kf(x,y)+b;f

③非线性灰度变换。当使用某些非线性转换函数(例如对数函数、幂指数函数等)作为式(1)的变换函数时,可以实现图像灰度的非线性变换。

3.1.1.2 直方图修整法①直方图均衡化。②直方图规定化。

3.1.2 邻域处理技术空域滤波是在图像空间借助模板进行邻域操作完成的,它根据功能分成平滑和锐化两类。

3.1.2.1 图像平滑一幅原始图像在其获取和传输等过程中,会受到各种噪声的干扰,使图像质量下降。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。常用的有局部平滑法和中值滤波法。

3.1.2.2 图像锐化在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。①梯度锐化法。图像锐化法最常用的是梯度法。 对于图像f(x,y),在(x,y)处的梯度定义为:grad(x,y)ff= (4)

对于离散图像处理而言,常用到梯度的大小,因此把梯度的大小习惯称为“梯度”。并且一阶偏导数采用一阶差分近似表示,即: f=f(x+1,y)-f(x,y)f=f(x,y+1)-f(x,y)(5) 为简化梯度的计算,经常使用: grad(x,y)=Max(│f│,│f│)

龙源期刊网 http://www.qikan.com.cn

或grad(x,y)=Max(│f│+│f│)(6)

除梯度算子以外,还可采用Roberts、Prewitt和Sobel 算子计算梯度,来增强边缘。 ②高通滤波法。高通滤波法就是用高通滤波算子和图像卷积来增强边缘。常用的算子有:H1= 0-10-15-1 0-10H2=-1-1-1-1 9-1-1-1-1

3.2 频域图像增强技术频域(变换域)图像增强操作的基本原理都是让图像在变换域某个范围内的分量受到抑制而让其他分量不受影响,从而改变输出图像的频率分布,达到增强的目的。在频率域中进行增强的主要步骤有[2]:①计算需增强图像的傅里叶变换;②将其与一个(根据需要设计的)传递函数进行卷积;③将结果进行傅立叶反变换以得到增强的图像。

3.2.1 低通滤波器对图像作傅氏变换得到它的频谱,零频率分量等于图像的平均灰度,平滑的图像信号在频域中贡献低频分量,图像中的细节和边界贡献较高频域的分量,噪声的频谱具有丰富的高频分量。

3.2.2 高通滤波器图像的区域边界和细节提供较高频率的能量,因此在频域中让图像信号经过一高通滤波器可以实现图像的锐化,增强图像的边缘细节。 4结束语

随着图像增强技术在各个不同领域的应用,出现了多种图像增强的算法。这些算法各有其优缺点,目前涉及到的大部分非线性滤波算法都是针对特定图像或特定噪声提出的,也就是说,是基于它们的统计特性提出的滤波方案。但是,在实际处理中,自然图像的多样性和噪声本身的复杂性决定了这些滤波算法不可能对所有图像滤波效果均为最佳,所以,那些事先不需要知道图像和噪声统计特性的非线性滤波机制将会得到很广泛的应用:比如自适应滤波器和各种基于神经网络和模糊理论具有自组织、自学习等能力的滤波器的应用和研究将会得到更大的发展。这些滤波图像增强技术也是目前研究的重点。 参考文献:

[1]孙即祥.图像处理.北京:科学出版社,2004. [2]孙即祥.图像分析.北京:科学出版社,2005.

注:本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文