图像增强综述
XXX
（长沙理工大学 电路与系统 学号：0000000000）
摘要：本文介绍了数字图像增强的国内外应用状况，对图像增强的目的与意义进行了阐述，对图像增强的两种主要算法做了简单介绍，介绍了图像增强在航空航天、生物医学、工业生产、公共安全等领域的应用情况。
关键字：图像增强；空间域；频率域；算法
An Overview of Image Enhancement
Abstract: This paper introduces the application state of digital image enhancement at home and abroad, the purpo of image enhancement and significance of image enhancement are described, the two main algorithm of image enhancement are introduced in brief, introduces the application of image enhancement in aerospace, biological medicine, industrial production, public curity and other areas.
Keywords:image enhancement; spatial domain; frequency domain; algorithm
1 图像增强技术的国内外发展现状
20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。早期的图像增强技术往往涉及硬件参数的设置，如打印过程的选择和亮度等级的分布等问题[1-3]。到20世纪60年代早期第一台可以执行数字图像处理任务的大型计算机制造出来了，这标志着利用计算机技术处理数字图像时代的到来。20世纪60年代末和20世纪70年代初有学者开始将图像增强技术用于医学图像、地球遥感监测和天文学等领域。20世纪70年代Godfrey N. Hounsfield先生和Allan M. Cormack教授共同发明计算机轴向断层技术。到了20世纪80年代以后，各种硬件的发展使得人们不仅能够处理二维图像，而且开始处理三维图像。许多能获得三维图像的设备和分析处理三维图像的系统已经研制成功了，图像处理技术得到了广泛的应用。进入20世纪90年代，图像增强技术已经逐步涉及人类生活和社会发展的各个方面。
在借鉴国外相对成熟理论体系和技术应用体系的条件下，国内的增强技术和应用也有了很大的发展。总体来说，图像增强技术的发展大致经历了初创期、发展期、普及期和应用期4垃圾处理
个阶段。初创期开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中、大型机对其进行处理。20世纪70峨眉山金顶海拔多少米年代进入了发展期，开始大量采用中、大型机进行处理，图像处理也逐渐改用光栅扫描显示方式，特别是出现了CT和卫星遥感图像，对图像增强处理提出了一个更高的要求。到了20世纪80年代，图像增强技术进入普及期，此时的计算机已经能够承担起图形图像处理的任务。20世纪90年代进入了应用期，数字图像增强技术在生物医学工程、工业、农业、工程、公共安全等领域，得到了广泛的应用。
2 图像增强的目的与意义
人类传递信息的主要媒介是语言和图像。据统计在人类接受的各种信息中视觉信息占80%，所以图像信息是十分重要的信息传递媒体和方式。图像传递系统包括图像采集、图像压缩、图像编码、图像存储、图像通信、图像显示这六个部分。但在实际应用中每个部分都有可能导致图像的品质变差，使图像传递的信息无法被正常读取和识别，因此研究图像增强技术具有非常重要的实现意义[2]。
图像增强是图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，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，比原始图像更适合，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。图像增强可归纳为两方面: (l)消除噪声;(2)边缘增强和结构信息的保护。
3 图像增强的算法介绍
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”[1-4]。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。本文只介绍空间域与频域法。
3.1 空间域法
空间域增强是指在图像所在的二维空间进行增强处理，即增强构成图像的像素。空间域增强法主要有灰度变换增强、直方图增强、图像平滑和图像锐化等[5]。
3.1.1 灰度变换增强
灰度变换可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。它是将原图中的灰度f(x,y) 经过一个变换函数g=T[f] 转化成一个新的灰度g(x,y) 即：
g(x,y)=T[f(x,y)]
灰度变换可使灰度动态范围加大，根据变换函数的形式，灰度变换分为线性变换，分段性变换和非线性变换。
图1 线性变换示意图
采用线性变换对图像每一个像素灰度作线性拉伸，可有效地改善图像视觉效果。令图像f(i,j)
的灰度范围为[a,b]，线性变换后图像g(i,j)的范围为[a´,b´]，如图1所示，g(i,j)与f(i,j)之间的关系式为：
g(i,j)= +
为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。图2为分段线性的示意图，设原图像f(x,y)在[0，Mf],感兴趣目标的灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为：
图2分段线性的示意图
当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。
3.1.2直方图增强
灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。通过修改直方图的方法增强图像是一种实用而有效的处理技术。直方图修正法包括直方图均衡化及直方图规定化两类。
为了改善图像质量，可以对灰度分布进行变换改变，其中一种方法称为直方图均衡化处理。直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。假定变换函数为：
s=T(r)=
会计实验报告
式中ω是积分变量，而T(r)就是r的累积分布函数。这里，累积分布函数是r的函数，并且单
调地从0增加到1，所以这个变换函数满足T(r)在0≤r≤1内单值单调增加。可以证明，用r的累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。其结果扩展了像素取值的动态范围。通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理。
在某些情况下，人们并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法,其基本思想。直方图规定化是在运用均衡化原理的基础上,通过建立原始图像和期望图像之间的关系,选择地控制直方图,使原始图像的直方图变成规定的形状,从而弥补了直方图均衡化不具备交互作用的特性人们希望增强后的图像,其灰度级的分布不是均匀的，而是具有规定形状的直方图,这样可突出感兴趣的灰度范围。令Pr(r)和 Pz(z) 分别为原始图像和期望图像的灰度概率函数，对两者均作直方图均衡化处理，应有：
S=T(r)=
Z=G-1(V)
V=G(Z)=
式子表明可以由均衡化后的灰度变量v 获得期望图像的灰度变量z ,这就意味着可以由原始图像均衡化后的图像灰度值来计算期望图像的灰度值。因为对原始图像和期望图像都进行了均衡化处理, 所以Ps( s) 和Pv( v) 男生取名字具有相同的概率密度,直方图规定化处理后的新图像将具有事先规定的概率密度Pz( z) ,从而达到预期处理效果。
3.1.3 图像平滑
一幅原始图像在获取和传愉过程中会受到各种噪声的干扰, 使图像质量下降,时分析图像不利。这些噪声干扰使图像退化, 质量下降。表现为图像模糊, 特征淹没, 对图像分析不利为了抑制噪声、改善图像质童, 要时图像进行平滑处理。
在空间域平滑滤波有很多种算法, 其中最常见的有线性平滑、非线性平滑、自适应平滑。
（1）线性平滑就是对每一个像素的灰度值用它的邻域值来代替, 其邻域的大小为N×N, N一般取奇数。经过线性平滑滤波, 相当于图像经过了一个二维的低通滤波器, 可是虽然是降低了噪声, 但同时也模糊了图像边缘和细节, 这是这类滤波器存在的通病。
（2）非线性平滑是对线性平滑的一种改进, 即不对所有像素都用它的邻域平均值来代替, 而是取一个闭值, 当像素灰度值与其邻域平均值之间的差值大于已知值时才以均值代替当像素灰度值与其邻域平均值之间的差值不大于闭值时取其本身的灰度值。非线性平滑可消除一些孤立的噪声点, 对图像的细节影响不大, 但对物体的边缘会带来一定的失真。
（3）自适应平滑是一种根据当时、当地情况来尽量不模糊边缘轮廓为目标进行控制的方法, 所以这种算法要有一个适应的目标。根据目的的不同, 可以有各种各样的自适应图像处理方法。
3.1.4 图像锐化
图像锐化(image sharpening)空余就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰。
任务分析
图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这 类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。
3.2 频率域法
大饱眼福频率域增强是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其它空间中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。例如,先对图像进行傅里叶变化到频域，再对图像的频谱进行某种滤波修正，最后将修正后的图像进行傅里叶反变化到空域，以此增强图像。可用图3来描述该过程。赞美医生的句子
图3 频域处理流程
图中f(x,y)为原始图像，F(u,v)为变换到频域的图像，G(u,v)为修正后的图像，g(x,y)为逆变换到空间域的图像，修正函数H(U,V)为滤波器函数。根据不同的应用场合，所采用的滤波函数H(U,V)也有所不同。
图像在传递过程中，由于随机噪声主要集中在高频部分，为去除噪声改善图像质量，采用
低通滤波器函数H(u,v)来抑制或减弱高频成分，通过低频成分，然后再进行逆变换获得滤波图像，就可达到平滑图像的目的。常见的频率域低通滤波器有：理想低通滤波器、巴特沃斯（Butterworth）低通滤波器、指数低通滤波器、梯形低通滤波器。
图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。采用高通滤波器可以对图像进行锐化处理，是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱，再经逆变换得到边缘锐化的图像。常见的频率域高通滤波器有：理想高通滤波器、巴特沃斯（Butterworth）高通滤波器、指数高滤波器、梯形高滤波器。
