1、 图像增强目的是要改善图像的视觉效果，以便人眼或机器对图像进一步理解。有目的的强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。5 5.1.1 图像增强的概念和分类一、图像增强基本概念 图像增强是指通过某种图像处理方法对退化图像的某些特征，以改善图像的视觉效果，提高图像的清晰度，或是突出图像中的某些“有用”信息，压缩其他“无用”信息，将图像转化为更适合人或计算机分析处理的形式。二、图像增强分类1、图像增强技术根据增强处理时所处的空间不同：（1
2、）空间域法。是指在空间域中，直接对图像进行各种线性或非线性运算，对图像的像素灰度值作增强处理。（2）频域法。是在图像的变换域中，把图像看成一种二维信号，对其进行基于二维傅立叶变换的信号增强。二、图像增强分类空域法点运算模板处理 点运算是作用于单个像素的空间域处理方法，包括图像灰度变换、直方图修正、伪彩色增强等技术；模板处理是作用于像素邻域的处理方法，包括图像平滑、图像锐化等技术。二、图像增强分类图像增强空间域频域彩色图像增强伪彩色增强假彩色增强真彩色增强高通滤波低通滤波同态滤波点运算灰度变换直方图修正法局部统计法均衡化规定化模板处理二、图像增强分类 图像增强按照处理对象不同还可以分为灰度图像增
3、强和彩色图像增强，按照处理效果还可以分为空间纹理信息增强，时间信息增强以及光谱信息增强。图像增强效果好坏与否不仅与具体的增强算法有关，还与待增强图像的数据特性有直接关系。故某种对一类特定图像效果较好的增强算法不一定适合用于其他图像的增强。5.25.2灰度变换5.2.1 灰度变换基础知识 灰度变换是指根据某种目标条件按一定变换关系逐像素点改变原图像中灰度值的方法，灰度变换又称为图像的对比度增强或对比度拉伸。该变换可使图像动态范围增大，对比度得到扩展，图像变的更加清晰，特征明显，是图像增强的重要手段之一。灰度变换常用的方法线性灰度变换分段线性灰度变换非线性灰度变换5.2.1 灰度变换基础知识 灰度
4、变换一般不改变像素点的坐标信息，只改变像素点的灰度值 当邻域为单个像素，即11时，输出仅仅依赖 f在(x,y)处的像素灰度值，此时的处理方式通常称为点处理。5.2.2 线性灰度变换 线性变换的表达式5.2.2 线性灰度变换 0-32范围 0-64范围 0-128范围 0-256范围5.2.2 线性灰度变换 灰度拉伸的范围越小，像素间的灰度值越相近，图像的表现力越差。灰度拉伸的范围越大，像素间的灰度值差异越大，图像能够表现的细节信息越多。5.2.2 线性灰度变换 原始图像 线性灰度变换结果5.2.2 线性灰度变换 如果不想损失小于a和大于b的信息，可以保持它们的灰度值不变，用下式进行图像增强原始
5、图像 线性灰度变换结果5.2.3 分段线性灰度变换 为了突出某些感兴趣的目标或者灰度区间，相对抑制那些不感兴趣的目标或灰度空间，通常采用分段线性灰度变换的方法。分段线性灰度变换5.2.3 分段线性灰度变换原分段线性变换始图像 5.2.4 非线性灰度变换 当用某些非线性函数，如指数函数、对数函数等作为映射函数时，可实现图像灰度的非线性变换。（一）、对数变换 图像灰度的对数变换可以扩张数值较小的灰度范围或者压缩数值较大的灰度范围。对数变换是一种有用的非线性映射交换函数，可以用于扩展输入图像中范围较窄的的低灰度值像素，压缩输入图像中范围较宽的高灰度值像素，使得原本低灰度值的像素部分能更清晰地呈现出来
6、。5.2.4 非线性灰度变换 其变换函数对数曲线5.2.4 非线性灰度变换原始图像 对数变换后结果图5.2.4 非线性灰度变换（二）、幂次变换 幂次变换通过幂次曲线中的 值把输入的窄带值映射到宽带输出值。当1 时，把输入的较宽的高灰度值映射到较窄的低灰度输出值。幂次变换函数5.2.4 非线性灰度变换 幂次变换曲线5.2.4 非线性灰度变换原始图像=0.5=1=25.35.3直方图处理 将统计学中直方图的概念引入到数字图像处理中，用来表示图像的灰度分布，称为灰度直方图。不同的灰度分布对应着不同的图像质量。灰度直方图反映图像的概貌和质量，采用修改直方图的方法增强图像是一种实用而有效的处理方法。5.
7、3.1 直方图基本概念 直方图表示数字图像中每一灰度级与其出现频数间的统计关系。数字图像的直方图 其中5.3.1 直方图基本概念原始图像 直方图 5.3.1 直方图基本概念 不同图像内容具有相同直方图的实例。由灰度直方图的定义可知，数字图像的灰度直方图具有以下几个特性：（1）直方图的位置缺失性。灰度直方图仅仅反映了数字图像中各灰度级出现频数的分布，但对那些具有同一灰度值的像素在图像中的空间位置一无所知，即灰度直方图具有位置缺失性。5.3.1 直方图基本概念 （2）直方图与图像的一对多特性 只要其灰度级出现频数的分布相同，则都具有相同的直方图，即直方图与图像是一对多的关系。（3）直方图的可叠加性
8、 由于灰度直方图是各灰度级出现频数的统计值，若一幅图像分成几个子图，则该图像的直方图就等于各子图直方图的叠加。5.3.1 直方图基本概念 （4）直方图的动态范围 直方图的动态范围是由计算机图像处理系统的模/数转换器件的灰度级决定。（5）归一化直方图具有统计特征 因为直方图可定义为（连续r）：5.3.2 直方图均衡化 直方图均衡化是使原图像中具有相近灰度且占有大量像素点的区域之灰度范围展宽，使大区域中的微小灰度变化显现出来，增强图像整体对比度效果，使图像更清晰。原始图像 原始图像直方图5.3.2 直方图均衡化直方图均衡化后的图像直方图直方图均衡化后的图像 5.3.2 直方图均衡化 设变换后的图像
9、灰度级为s,s与r 的变换关系可表示为 s=Tr 。为使这种变换关系具有实际意义，图像灰度变换函数 s=Tr 应满足如下条件：变换函数的求解：5.3.2 直方图均衡化对于数字图像，其灰度 出现的概率可近似表示：k5.3.2 直方图均衡化 利用直方图均衡进行图像增强的过程可分成以下几个步骤：1.计算原图像的归一化灰度级别及其分布概率。根据直方图均衡化 求变换函数的各灰度等级值ks5.3.2 直方图均衡化 2.将所得变换函数的各灰度等级值转化成标准的灰度级别值。3.求新图像的各灰度级 的像素数目。4.求新图像中各灰度级别的分布概率 5.画出经均衡化后的新图像的直方图。5.3.2 直方图均衡化 2.
10、将所得变换函数的各灰度等级值转化成标准的灰度级别值。3.求新图像的各灰度级 的像素数目。4.求新图像中各灰度级别的分布概率 5.画出经均衡化后的新图像的直方图。例：假设有一幅图像，共有6464个像素，8个灰度级，假设各灰度级分布如表，其灰度直方图见图，将其直方图均衡化。5.3.2 直方图均衡化原灰度级 对应像素数 概率 07900.19110230.2528500.2136560.1643290.0852450.0661220.037810.025.3.2 直方图均衡化解：直方图均衡化过程如下：1.由下 式，可得到变换后的各灰度等级累计值为：00()(),01,0,1,1kkjkkrjjjjn
11、sT rp rrkLn5.3.2 直方图均衡化 以此类推得到 对应的变换函数见图。45670.89,0.95,0.98,1.00ssss5.3.2 直方图均衡化 2.图像只取8个等间隔的灰度级，变换后的s 值也只能选择最靠近的一个灰度级的值。3.由上述数值可见，新图像将只有5个不同的灰度级别，其余3个灰度级别值不存在。5.3.2 直方图均衡化 4.计算均衡化后的灰度分布，即求新图像中各灰度级别的分布概率 ，结果如表()4096kkskmmp sn5.3.2 直方图均衡化5.画出经均衡化后的新图像的直方图 原灰度直方图 变换函数 新图像的直方图5.3.3 直方图规定化直方图均衡化的优点直方图均衡
12、化的缺点不需要人工参与,能完全自动化只能产生唯一的结果，即近似均衡的直方图5.3.3 直方图规定化 修改一幅图像的直方图，使得它具有一种预先规定的函数形状，或者使它与另一幅图像的直方图匹配，以此突出人们所感兴趣的图像范围，采用直方图规定化，也称为直方图匹配。假设对原图像进行直方图均衡处理，即取变换如式设其概率密度函数为()zp z5.3.3 直方图规定化 用直方图规定化方法进行图像增强的步骤 1.对原图像的直方图进行均衡化，求取均衡化的新灰度级 及概率分布，确定 与 的映射关系。2.根据规定期望的直方图，求变换函数的所有值。3.将原直方图对应映射到规定的直方图。4.根据建立的 与 的映射关系确
13、定新图像各灰度级别的像素数目。kskrkskrkz5.45.4直方图处理5.4.1 图像噪声（一）、图像噪声的来源 (1)由光和电的基本性质所引起的噪声。(2)电器的机械运动产生的噪声。(3)元器件材料本身引起的噪声。如磁带、磁盘表面缺陷所产生的噪声。(4)系统内部设备电路所引起的噪声。如电源系统引入的交流噪声和偏转系统引起的噪声等。5.4.1 图像噪声（二）、图像噪声的分类1、按图像噪声产生的原因外部噪声外部噪声内部噪声内部噪声 系统外部干扰，如电磁波、电源串进系统内部而引起的噪声等引起的噪声。系统内部设备、器件、电路所引起的噪声，如散粒噪声、热噪声、光量子噪声等5.4.1 图像噪声2、按统
14、计特性平稳噪声 统计特性随时间变化的噪声平非稳噪声统计特性不随时间变化的噪声5.4.1 图像噪声3、按噪声幅度分布形状 幅度分布是按高斯分布的噪声就称其为高斯噪声。按瑞利分布的噪声就称其为瑞利噪声。4、按噪声频谱形状频谱幅度均匀分布的噪声称为白噪声。频谱幅度与频率成反比的噪声称为 噪声。与频率平方成正比的噪声称为三角噪声。5.4.1 图像噪声噪声加性噪声乘性噪声5、按噪声和信号之间关系 假定信号为s(t)，噪声为n(t)，噪声不管输入信号大小，总是加到信号上，成为 形式s(t)+n(t)，则称此类噪声为加性噪声，如放大器噪声、光量子噪声、胶片颗粒噪声等。如果噪声受图像信息本身调制，成为 形式s
15、t(t)1+n(t)，则称其为乘性噪声。5.4.1 图像噪声（三）、图像噪声的特点噪声在图像中的分布和大小不规则；1噪声与图像之间具有相关性；2噪声具有叠加性。35.4.2 局部统计法计算如式:5.4.2 局部统计法 若局部统计法使每个像素具有希望的局部均值 和局部方差 ，则像素(x,y)的输出值用下式表示：2ddm5.4.2 局部统计法 优点：只需计算局部均值 ，而不用计算局部方差 。当 k1时，图像得到锐化，与高通滤波类似；当 k1 时，图像将被平滑，与低通滤波类似；在极端情况 k=0下，g(x,y)等于局部均值 。(,)Lm x y2(,)Lx y(,)Lm x y5.4.2 局部统计法
16、（一）、邻域平均法邻域平均方法也称为均值滤波器。在图像中选择一个子图像（或称为邻域），用该邻域里所有像素灰度的平均值去替换邻域中心像素的灰度值。核心思想5.4.2 局部统计法4邻域 8邻域加高斯噪声的图像 均值平滑后图像(8邻域)5.4.2 局部统计法 图像邻城平均法的平滑效果与所用的邻域半径有关，半径越大，则图像的模糊程度越大。图像邻域平均法的优点是算法简单，计算速度快；缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处，因为图像的边缘也是灰度突变产生的。5.4.2 局部统计法（二）、阈值邻域平均法 当某些点的灰度值与它们邻域灰度的均值差别较大，大于阈值时，它很可能是噪声，则取其邻域平
17、均值作为该点的灰度值。5.4.2 局部统计法（三）、加权平均法 利用邻域内像素的灰度值和本点灰度加权值的平均值来代替该点灰度值的方法就称为加权平均法。对加权平均法施加门限，形成阈值加权平均法。这样既能平滑噪声，又保证图像中的目标物边缘不至于模糊。5.4.2 局部统计法加高斯噪声的图像加权平滑后图像5.4.2 局部统计法（四）、模板平滑法 1、邻域平均法010110140101W111110181112W4邻域平均8邻域平均5.4.2 局部统计法2、加权平均法4邻域加权平均：5.4.2 局部统计法8邻域加权平均：5.4.2 局部统计法 根据实际需要，可以设计其他具有不同特性的平滑模板 该模板的效
18、果是在平滑图像的同时，突出了本点及水平和垂直方向，较好地保持水平和垂直方向的边缘。5.4.2 局部统计法 基于模板的平滑处理，相当于模板与原图像的卷积 F(x,y)与 W的卷积就等于像素点(x,y)在模板大小区域内的线性组合 5.4.2 局部统计法（五）、多图像平均法 在相同条件下采集同一目标物的若干幅图像，然后通过对采集到的多幅图像进行平均的方法来消减随机噪声。思想 设在相同条件下，获取的同一目标物的 M 幅图像5.4.4 中值滤波 中值滤波是一种非线性处理技术，它在实际运算过程中并不需要知道图像的统计特性，而且具有独特的滤波特性。目的在保护图像边缘的同时，把这些孤立的点去除掉。一维中值滤波
19、二维中值滤波5.4.4 中值滤波 一般来说，二维中值滤波器比一维中值滤波器更能抑制噪声。对于一维中值滤波，不同的窗口可能只是窗口长度的不同，而二维窗口的选择却有多种，如线形、方形、十字形、菱形等。垂直和水平线形 十字形 方形5.4.4 中值滤波加椒盐噪声的图像中值滤波（33方形窗）中值滤波（77方形窗）中值滤波（55方形窗）5.4.5 频域低通滤波 对于一幅图像，它的边缘、细节、跳跃部分以及噪声都代表图像的高频分量，而大面积的背景区和缓慢变化部分则代表图像的低频分量，用频域低通滤波法除去其高频分量可去掉噪声，从而使图像得到平滑。低通滤波法的系统框图:5.4.5 频域低通滤波（一）、理想低通滤波
20、器 一个理想低通滤波器（ILPF）的传递函数：5.4.5 频域低通滤波频率特性曲线5.4.5 频域低通滤波 截止频率 越低，噪声滤除的越多，振铃现象震荡的频率越低，高频分量损失越严重，图像就越模糊。截止频率 越高，噪声滤除的越少，振铃现象振荡的频率越高，高频分量损失越轻微，图像模糊的就越轻微。而正是由于理想低通滤波存在此“振铃”现象，其平滑效果下降。0D0D原始图像通过理想低通滤波器后的效果图5.4.5 频域低通滤波5.4.5 频域低通滤波（二）、巴特沃斯低通滤波器n阶巴特沃斯滤波器的传递函数 5.4.5 频域低通滤波BLPF特性曲线5.4.5 频域低通滤波原始图像通过巴特沃斯低通滤波器后的效
21、果图5.4.5 频域低通滤波（三）、指数低通滤波器指数低通滤波器（ELPF）的传递函数ELPF特性曲线5.55.5图像的锐化 若从频域分析，图像模糊的实质是表示目标物轮廓和细节的高频分量被衰减，因而在频域可采用高频提升滤波的方法来增强图像。这种使图像目标物轮廓和细节更突出的方法，称为图像锐化。图像锐化加强了细节和边缘，对图像有去模糊的作用。5.5.1 一阶微分算子法（一）、梯度法其大小为梯度的幅度5.5.1 一阶微分算子法罗伯特梯度法(Robert Gradient)，它是一种交叉差分计算法5.5.1 一阶微分算子法例如使各点的灰度g(x,y)等于该点的梯度幅度 适当选取 T，既可使明显的边缘
22、轮廓得到突出，又不会破坏原灰度变化比较平缓的背景。5.5.1 一阶微分算子法 如果将明显的边缘用一个固定的灰度级 来显示，则这种增强图像下如式GL原始图像梯度锐化后图像5.5.1 一阶微分算子法（二）、Sobel算子 采用梯度微分锐化图像时，不可避免地同样会使噪声、条纹等干扰信息得到增强，Sobel算子可在一定程度上克服这个问题。基本模板如图：对水平边缘响应最大对垂直边缘响应最大5.5.1 一阶微分算子法 将图像分别经过两个33算子的窗口滤波5.5.1 一阶微分算子法Sobel算子模板对应像素点5.5.1 一阶微分算子法 原始图像 水平边缘垂直边缘 垂直,水平图5.5.2 拉普拉斯算子法 拉普
23、拉斯算子是常用的边缘增强处理算子，它是各向同性的二阶导数。如果图像的模糊是由扩散现象引起的(如胶片颗粒化学扩散、光点散射)，则锐化后的图像 g 的表示如式5.5.2 拉普拉斯算子法 对数字图像，f(x,y)的二阶偏导数可近似用二阶差分表示。拉普拉斯算子5.5.2 拉普拉斯算子法5.5.2 拉普拉斯算子法拉普拉斯锐化后的图像如式原始图像拉普拉斯锐化后图像5.5.3 高通滤波法 图像中的边缘或线条等细节部分与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，使图像的边缘或线条等细节变得清楚，实现图像的锐化。（一）、理想高通滤波器5.5.3 高通滤波法IHPF特性曲线5.5.3 高通滤波
24、法原始图像理想高通滤波后图像5.5.3 高通滤波法（二）、巴特沃斯高通滤波器阶数为1的巴特沃斯高通滤波器的剖面图5.5.3 高通滤波法原始图像巴特沃斯滤波后图像5.5.3 高通滤波法（三）、指数高通滤波器 EHPF特性曲线5.5.3 高通滤波法原始图像指数高通滤波后图像5.65.6图像的伪彩色增强彩色增强方法伪彩色增强真彩色增强假彩色增强 伪彩色增强是指通过将每个灰度级匹配到彩色空间上的一点，将单色图像映射为彩色图像的一种变换。伪彩色图像映射关系伪彩色增强方法密度分割法灰度级彩色处理法滤波方法一、密度分割法二、灰度级彩色处理法 彩色变换方法比密度分割法更易于达到广泛的彩色范围。彩色的分量由三基色分量决定。二、灰度级彩色处理法 红色变换曲线 绿色变换曲线 二、灰度级彩色处理法 蓝色变换曲线 红绿蓝三基色合成曲线二、灰度级彩色处理法 原始图像按上图红绿蓝合成后的伪彩色二、频域滤波法 频域伪彩色增强是先把灰度图像经傅立叶变换到频域，在频域内用3个不同传递特性的滤波器分离出3个独立分量，然后通过傅立叶反变换得到3幅代表不同频率分量的单色图像，进而通过对这3幅图像做进一步的增强处理，最后将其分别输入彩色显示器的红、绿、蓝通道，从而实现了频域伪彩色增强。频域伪彩色增强的原理框图
