数字图像增强算法
数字图像增强算法研究
一、前言
在网络迅速发展的今天，“Webster”词典中可以搜索到与“message”一词有关的内容有成千上万条，然而，“message”至今还没有一个精确的定义。甚至在有道词典中“短信（message）”被等同于“信息（information）”，被模糊地定义为“一种对所有信息的统称”。人类的知识和信息，在图像加工技术现阶段仍处于较低的水平，定义的方式，仍需要进一步研究。近年来，随着计算机技术的飞速发展，计算机图像处理效果得到显著改善，它在几乎所有涉及到成像区域的使用领域中起着非常重要的作用。在使用的计算机中，为了实现所需的结果，进行多个数字图像上的操作。在处理的图像的过程中，图像增强方法是最常用的，以达到提高图像质量的效果，以确定相关种类的最新科学技术的特定信息。成像技术的快速发展，以及其广泛的应用。在应用程序中中取得新的稳定的外观能源的发展，在我们未来的发展中，可以提高图像处理技术将意味着会扮演着越来越重要的作用。改善图像的质量将成为图像处理领域的一个重要的组成部分。
在图像处理的综合性研究领域中，图像增强处理工程应用是非常广泛的，也取得了很出色的成就。网自1996年以来，《中国图像图形杂志》连续发表在杂志上的图像处理技术文献。按照每个文档，图像处理，图像分析，图像理解的基本内容，根据处理的方法不同被分成五大类。在这项研究中，15种工程统计中，大部分文件是中国人根据各种杂志图像介绍和分析的。本文选择了《大地测量与制图》，《电子学报》，《数据收集过程》，《遥感学报》，《电脑报》，《信号处理》，《自动化杂志》，《TC理论和应用研究》，《模式识别和人工智能》，《通信记录》，《电子测量和仪器杂志》
二、选题背景
（一）本课题的来源
数字图像增强处理的过程是数字图像处理的一个重要部分。许多视觉效果，由于动作场面条件差，需要图像增强技术，以提高人的视觉效果。例如，突出一些的图像中的目标对象的特性，识别目标对象的图像所描述数字图像的特征参数，以便于监测和理解。突出图像中人们感兴趣的部分，减少或彻底删除不需要的信息。这样不仅增强了图像信息，调整处理后的图像，也对人或计算机更加有用，更方便人或机器的识别。改进后的图像，可以更好地应用到其他的各个领域。
（二）课题研究的目的和意义：
将图像质量提高的目的是为了消除噪声，改善或保护图像的特征。当适当地提高了图像的质量时，图像会变得更清晰，还可以提供更准确的信息。我们常用的图像增强技术各有其特征和优缺点。
数字图像增强可以提高图像的视觉效果。要使用该图片，突出整个图像或其他地方的特色，图像中不同对象之间的差异增加了很多，更多地满足特定分析的需要。该方法涉及将信息有选择性地突出、显示图像中的感兴趣部分的特征，通过掩蔽图像和视觉图像中不期望的元素的一部分，相吻合的响应特性与原始图像数据转换的任何手段。当利用图像增强处理图像时，对图像劣化的原因进行了分析，处理后的图像不一定很接近原始图像。技术不断进步，在不同质量的图像增强处理上划分空间和算法。根据图像增强处理的过程和所处的空间不尽相同，将图像增强技术分为空间域算法和频域算法两大类。当直接基于图像空间灰度级运算进行算术处理时，叫做空间域算法，系数值图像频域算法是基于频域中的预定算法，对图像的系数值在特定转换域上进行变换的算法，并且是间接增强算法。
视觉感知是以视觉为基础，是人类最重要的手段。早期治疗的目的是为了提高和改善图像的质量和效果，以提高人类视觉效果为目的。可以在输入图像上处理低质量图像，并且可以提高输出图像的质量。图像增强、图像恢复、图像编码和图像压缩等是常用的图像处理方法。首次取得成功的应用是美国喷气推进实验室（JPL）。1964年7月，航天探测器徘徊者发回了数千张照片，他们仔细对这些照片一一进行图像处理，如形状校正、灰度转换，去除噪声。考虑到太阳位和
月球环境的影响，最后他们成功地用计算机绘出了月球表面的图像，取得了巨大的成功。之后又对探测飞船发回的近万张图片进行了更复杂的处理，获得了月球的地形图，彩色地图和全景图，这为人类登月的壮举计划奠定了坚实的基础，同时也促进了数字图像这门学科的诞生。在太空探索技术研究领域中，数字图像处理技术发挥了重要作用。
在二十一世纪，随着计算机技术的不断提高和相关理论的不断完善，数字图像处理技术也随之发展，并在许多应用领域如航空航天、生物医学、机器人视觉、公安司法、军事制导、文化艺术等取得了显着成果。现在图像处理技术越来越受到人们的重视，已经逐渐发展为一门举足轻重的学科了。
（三）国内外研究情况及发展状况
1.图像增强技术国外发展状况：
20世纪20年代图片首次通过海底电缆运输，早期人们用字符模拟图像的方法来使图像还原。最早的图像增强包括设置硬件设置的技术问题，如选择和分发印刷过程中的亮度水平，以及多久。
在20世纪60年代末和70年代，一些学者开始将技术扩展到影像医学成像，地球和天文学的遥感领域。电磁辐射的X射线源是最早的成像之一，通过伦琴在1895年发现，80年代以后，各种设备的发展使得有可能处理不仅与二维图像，并开始处理三维图像。许多设备能够获得已经被开发，和图像处理技术已被广泛使用的三维图像处理和分析系统的三维图像。20世纪90年代，图像增强技术已经逐步介入生活和人类社会发展的各个方面。软件用于增加对比度或亮度颜色编码来解释X射线图像，以及工业科学，医学和生物学的其它区域。
同或类似的技术航空和卫星图像的地理污染模式。在考古学领域中使用的图像处理方法，已经恢复到正常模糊图像。在高能源领域，如物理和实验离子和计算机技术等相关领域的电子显微镜，可以提升画面效果。直方图均衡方法是常用的图像增强技术之一。
2.图像增强技术国内发展状况：
由于国外的发展已经趋于成熟了，无论是在理论方面还是技术应用方面，因此，中国在借鉴国外技术的基础上，在技术及应用方面也有了很大的提升。从刚开始出现图像增强技术这个概念到该技术的成熟，先后经历了初始、发展、普及
和应用四个过程。这四个阶段分别始于20世纪60年代、20世纪70年代、20世纪80年代和20世纪90年代。期初技术比较落后，图像处理仪器很笨重并且效果不佳，处理成本也非常高，所以应用面没有得到很大的扩展。进入20世纪70年代后，仪器还是采用比较大型的，但是对显示方法进行了优化，开始改用光栅扫描，并且相继有了CT和卫星遥感图像，随着技术和仪器的优化，对图像增强技术的要求也越来越高，在这一时期，图像增强技术得到了迅速发展。进入20世纪80年代后，人们对计算机的使用量越来越大，计算机在图像处理方面也发挥着越来越重要的作用。进入20世纪90年代后，图像增强技术发展到了应用期，数字图像增强技术开始逐渐被运用到各个领域，用于处理和分析遥感图像。例如在遥感领域方面，需要运用数字图像增强技术对航空遥感以及卫星遥感图像等进行处理，对有用的信息进行增强和优化。还可以用于自然灾害的预测、天气预报、环境监测等。在通讯领域方面，现在随着网络的普及，人们的生活已经离不开互联网了，越来越多的人不仅仅是打电话，而是直接通过视频聊天，通过视频开展会议，极大地克服了空间和地域的限制，这些都得益于利用数字图像增强技术把文字、照片等转化为电信号进行传递。在生物医学领域方面也有很广泛的用途。在军事、公安等方面，军事方面对目标的侦查和控制，警察可以利用监控和照片等对犯罪嫌疑人进行识别，以及指纹识别等。在工业生产方面课用于无损探伤、产品质量检测等。在图像处理领域中，图像增强技术占有重要的比重，在改善和增强图像质量方面，传统的图像增强技术骑着至关重要的作用，但只局限于传统的方面是远远不够的，随着对技术的不断探索和深入挖掘，图像增强方法也随之不断更新，这样就极大地促进了图像处理技术的发展。例如，一些科学家奇思妙想，最后模糊熵等模糊增强算法被成功地引入到图像增强算法中，包括所提出的松弛解决增强算法映射函数的选择和技术交互式图像增强的应用，可以主观上控制图像增强的运用。在利用图像增强时需要直方图均衡技术，也有许多新的发展，以保持算法，例如提出了直方图均衡算法：将多层直方图与亮度巧妙结合，动态分层直方图均衡。图像分割算法，并且在子层图像上进行均衡处理，均衡处理对直方图过度拉伸的问题更好地进行了处理，并且能够控制映射下子层灰度的区域，所以增强效果更好。
图像增强的方法主要有：空间域增强和频域增强。
三、空间域增强
术语“空间域”是指图像平面本身，这样的方法是基于直接处理的图像的像素。指的空间区域是改进的增强过程，其中直接在图像中的二维空间，即，该图像像素的处理操作。空间域处理可以由以下公式来定义：
其中，所述输入图像被处理的图像，T对f是其在本领域中所定义的操作。
空间域增强方法主要有：
灰度变换增强（线性灰度变换和非线性灰度变换）、直方图增强（直方图均衡化和直方图规定化）、图像平滑（领域平均法和中值滤波）和图像锐化等。
（一）灰度变换增强
灰度变换可以延伸图像对比度，达到使画面清晰，鲜明的效果。它是图像增强的重要工具。
灰度变换增强处理过程中，它是使用所述映射函数将输入图像的每个像素的灰度值被转换成灰度级的输出图像，即：
灰度变换增强处理可以选择多种灰度变换函数，如正比例函数、幂函数和指数函数等。
常用的灰度变换函数主要有：
1.线性灰度变换
2.非线性灰度变换
1. 线性灰度变换
按线性方程公式把输入图像（未处理过的图像）进行拉伸，根据其灰度值的动态范围扩展对应于拉伸区域或整个动态范围。
线性拉伸采用的变换公式一般：
输出图像的灰度的动态范围的值将确定C、R的大小。
假设未处理过的图像的灰度动态范围为，处理过的图像的灰度动
态范围为，其变换公式为：
一般要求，。
对于8位灰度图像则有：
线性拉伸示意图如下：
线性拉伸前：图像灰度集中在之间。
线性拉伸后：图像灰度集中在之间。
图像灰度变换前后效果对比图：
变换前变换后
2.非线性变换
非线性拉伸不是整个灰度范围的图像被放大，只是选择性地扩大某一特定的灰度值的范围，而另外的灰度级范围很可能被压缩。
g
b’
a’
a b f
非线性拉伸不以不同的灰度值区间拉伸以实现膨胀和压缩，也不是在这个范
围中选取不同的线性拉伸，而是采用一致的非线性变换函数，用于所有的灰度值范围，使用函数的数学属性对这些区间进行膨胀和压缩。
两种常见的非线性扩展方法：
2.1对数扩展：
基本形式：
自然对数变换的表达式如下：
实际应用中一般都采用这种变换方法，
C 常用于调节动态范围，我们将其称之为尺度比例系数，而则是为了可以不用对零求对数。
对数变换函数曲线：
基本形式：
在实践中，为了提高转换的动态范围，通常你需要添加一些调制参数。具体形式如下：
参数a可以改变曲线的起始位置；
参数c可以改变曲线的变换速率；
g
0 f
图像的高亮度可以通过指数扩展对其采取大范围的扩展。
（二）直方图变换增强
直方图是基于所述多个空间域处理的，直方图操作可以有效地用于图像增强。直方图表示频率之间的关系的每个数字图像的灰度级，它是概览图像的描述。通过修改直方图的这种技术不仅是实用，并且也是很实用实图像增强方法。该法修正方案包括直方图均衡化和直方图规定化类。
对于一幅数字图像，一种数字图像时，如果对应于每个灰度级的值，及其像素数，因此绘制的像素数的统计信息- 模式的灰度值直方图，简称直方图。
若对应于每一个灰度值，统计出具有该灰度值的像素数，并据此绘出像素数-灰度值图形，则该图形称为该图像的灰度直方图，简称直方图。一般情况下，通常以像素的数量作为直方图的纵坐标，以灰度值作为横坐标。有时直方图的纵坐标也会换成某一灰度值的像素数出现的频数。
将图像中的像素的灰度级用变量r来表示。在图像中，像素的灰度级可以被归一化，使得r的值存在于灰度级中，对于黑色为r = 0，对于白色为r = 1。对于给定的图像，每个像素在[0,1]间隔内具有灰度值，这是一个随机变量。
以离散的形式，用s代表了离散灰度级，s=T(r)是具有代表性的概率密度函数。具有[0，L-1]灰度级的数字图像的直方图是离散函数，其中第k个灰度是图像灰度级中的像素数。通常在像素的总数（由n表示）的图像中除了其每个值以获得归一化的直方图之外。因此，归一化直方图由k = 0,1，...，L-1给出。简而言之，灰度级作为概率估计给出。
在离散的形式下，用s代表离散灰度级，用s=T(r)代表概率密度函数。灰度级为[0,L-1]范围的数字图像的直方图是离散函数，这里是第k级灰度，是图像中灰度级为的像素个数。经常以图像中像素的总数（用n表示）来除它的每一个值得到归一化的直方图。因此，一个归一化的直方图由k给出，这里k=0,1,……,L-1。简单地说，给出了灰度级为发生的概率估计值。
1.直方图均衡化
把未处理过的图像进行变换的过程叫做直方图均衡化，以此得到一幅新图像发图，在空间域图像增强算法中，直方图均衡化是我们用的最多，并且也是最重