图像增强方法的讨论.docx

图像增强算法的研究
人类传递的信息有70%是视觉信息,图像信息是传递信息的重要媒体和手段。但是在生活中,常常由于光线不充足,在获得图像后会发现图像亮度不够,导致景物无法看清楚。为了研究和分析图像,需对图像进行必要的处理。对于数字图像常用的处理方法就是用图像增强恢复技术来改善图像的像质。图像增强是指按特定的需要突出一幅图像的某些信息,同时,削弱或去除某些不需要的信息的处理方法。其主要目的是使处理后的图像对某种特定的应用来说,比原始图像更适用。处理的结果使图像更适合于人的视觉特性或机器的识别系统。图像恢复。
传统的图像增强方法主要是针对灰度图来作用,通常需要通过人机交互的方式调整参数,以达到某一类图像或者图像的某一种特征进行良好的增强。但是随着图像在人们生活和生产中应用的增多以及应用复杂性的增加,越来越要求图像增强算法不仅可以对各种不同灰度图像进行自适应增强,并且可以同时对彩色图像进行全自动增强以及色彩恢复。在这种情况下,近年来对彩色图像增强恢复算法研究越来越多。
在图像处理中色彩的运用是很重要的原因有两个:第一,在自动图像分析中色彩是一个有力的描述工具,它通常可使从一个场景中识别和抽取目标的处理得到简化。第二,人们对图像进行分析时,人眼区别的灰度层次大约只有二十几种,但却能够识别成千上万的色彩。
而人类视觉系统是世界上最好的图像处理系统,尽管近年来,人类在数字图像处理领域取得了许多进展与成果,但是同人类视觉系统在图像的产生,传输和处理方面的能力相比,目前的图像系统无论是在功能上还是在系统构造上都仅仅处于一个十分初级的阶段。因此,国内外很多专家学者近年对人类视觉系统进行了很多深入的研究。在这样的大的环境下,本文对传统的图像增强算法进行了深入的分析,指出其存在的局限性。接着对目前的人类视觉系统的研究成果进行了深入的讨论,并在此基础上深入的研究了与人类视觉系统息息相关的颜色视觉理论。在这些研究的基础上,本文提出了基于Retinex可变框架模型的图像增强算法。实验证明该算法不但能有效的增强图像的质量,还能避免Retinex 算法中带来的光晕效应,同时算法速度与同类型的图像增强算法比较更快速。之后,将这种理论运用到对彩色图像增强中,取得了很好的处理效果。在本文的最后,还对图像增强中经常会出现的噪声现象进行了分析,并提出了行之有效的解决方案,并通过实验数据,证实了新
的去噪算法的有效去噪和保留图像细节的良好平衡性。
图像增强根据图像的模糊情况采用各种特殊的技术突出图像中的某些信息,削弱或消除无关信息达到强调图像的整体或局部特征的目的。图像增强尚没有统一的理论方法,常用的图像增强技术有直方图修改,图像平滑滤波,图像锐化等。图像增强技术主要分为两类:频域增强法和空域增强法。频域增强法主要是利用各种频域滤波器进行图像平滑或锐化处理,然后进行变换域反变换来增强图像。空域增强法是直接针对图像中的像素,对图像的灰度进行处理,空域法属于直接增强的方法。它包括扩展对比度的灰度变换和直方图变换,消除噪声的平滑法和增强边缘的锐化。
频域增强法
频域法是应用变换技术如傅立叶变换等,用数字滤波方法修改图像频谱再反变换得到增强图像。如果用数学表示即把变换后的频域函数乘以传递函数H(u,v),即
G(u, v) = H(u, v)*F(u, v) ()
再用反变换得到增强后的图像g(x, y)。
g(x, y) = F-1[H(u, v)*F(u, v)] ()
显然处理后的图像g(x, y)比原图像f(x, y)在某些方面更突出。如强调低频分量的低通滤波将使图像除去高频噪声得到平滑的结果;相反,强调高频分量的高通滤波将使图像的边缘得到增强,起到勾画轮廓的作用。具体来说,频域变换可以分为以下几类。
空域增强法
低通滤波就是使低通信号畅通无阻,而阻止高频信号通过。常见的低通滤波器有理想低通滤波器,巴特沃思低通滤波器,高斯低通滤波器等。在频率域中,高频信息包含边缘特征和孤立噪声点,所以低通滤波起了平滑图像去除噪声的增强作用。
高通滤波与低通滤波相反,对图像进行锐化处理,常见的高通滤波器有理想高通滤波器,巴特沃思高通滤波器,高斯高通滤波器和频率域的拉普拉斯算子等。同态滤波利用亮度反射
模型来对图像进行频域处理,通过对图像同时进行灰度动态范围压缩和对比度增强来改变图像的外观。由于同态滤波使建立在亮度反射模型基础上的,因此,它可以最大限度的模拟人眼的视觉特性来对图像进行处理,但是由于在实际之中,建立在频率域的同态滤波往往找不导一种足够理想的低通或高通滤波器来计算亮度和反射图像,因此,自适应效果并不能得到良好的保证,同时,由于在频率域中由于多次变换的存在,很难对图像进行实时性的处理。
空间域处理可以用下式定义:
g(x, y