1、 三种不同灰度图像增强算法对比一、摘要本文主要是 运用直方图均衡化、 平滑、 锐化 三种常见的图像增强算法对图像进行处理,并在此基础上分别用这 3 种算法处理的灰度图像进行比较，比对它们对图像的处理效果, 分析 3 种方法在图像增强处理能力的优劣之处。结果发现,直方图均衡化可以均衡图像的灰度等级, 经过直方图的均衡化，图像的细节更加清楚了，但是由于直方图均衡化没有考虑图像的内容，只是简单的将图像进行直方图均衡，提高图像的对比度,使图像看起来亮度过高，使图像细节受到损失;图像平滑的目的是减少或消除图像的噪声, 图像平滑可以使图像突兀的地方变得不明显, 但是会使图像模糊，这也是图像平滑后不可避免的
2、后果，只能尽量减轻，尽量的平滑掉图像的噪声又尽量保持图像细节，这也是图像平滑研究的主要问题;图像锐化使图像的边缘、 轮廓变得清晰，并使其细节清晰,常对图像进行微分处理，但是图像的信噪比有所下降。关键词: 图像增强 灰度图 直方图 平滑 锐化二、 三种图像增强算法 图像预处理是相对图像识别、图像理解而言的一种前期处理，主要是指按需要进行适当的变换突出某些有用的信息，去除或削弱无用的信息，在对图像进行分析之前, 通常要对图像质量进行改善,改善的目的就是要使处理后的图像比原始图像更适合特定的应用。影响图像清晰度的因素很多,主要有光照不足、 线路传输收到干扰等。现存的图像增强技术主要分为空间域法和频率
3、域法两类,其中的增强方法主要有直方图的修正、灰度变换、 图像平滑、 图像锐化、伪彩色和假彩色处理等。下面主要采用直方图均衡化、 图像平滑、 图像线性锐化对图像进行增强处理, 对比他们的处理效果,分析 3 种方法的在图像增强处理方面的优劣。1、直方图均衡化直方图均衡化也称为直方图均匀化，是一种常见的灰度增强算法，是将原图像的直方图经过变换函数修整为均匀直方图，然后按均衡后的直方图修整原图像。为方便研究，先将直方图归一化，然后图像增强变换函数需要满足 2 个条件。假设灰度级为归一化至范围0,1内的连续量 ,设其中任一灰度级别 Z 归一化为 r，变换后图像的任一灰度级 Z归一化为 s，显然 r，s
4、应当满足：0=r=1,0=s=1 因此直方图修正就是对下列公式的计算过程：s=T(r)或 r=T(s) 式中 T(r)为变换函数，它必须满足下列条件：a 在 0=r=1 区间内是单值单调增加函数;b 对于 0=r=1,有 T(r)在0,1内。条件 a 保证灰度级从黑到白的次序 ,而条件 b 确保映射后的像素灰度在允许的范围内，避免整个图像明显变亮或者变暗。从 S 到 r 的反变换关系为 r=T(s) ； T(s)对 r 同样满足上述条件。灰度变换是对图像上各个像素点的灰度值 x 按某个函数 T 变换到 y ,将图像的灰度级整个范围或其中某一段( A, B)扩展或压缩到( A, B)。直方图均衡
5、化是灰度变换的一个重要应用,是以累计分布函数变换为基础的直方图修正法, 可以产生一幅灰度级分布具有均匀概率密度的图像。一幅图像灰度级 r k 出现的概率近似为其中 n 是图像中像素的总和, nk 是灰度级为 r k 的像素个数, L 为图像中灰度级总数。 若像素点的原灰度为 r ,变换后的灰度为 s,其灰度变换函数 T 为现在在 Matlab 环境下实现增强的目的。通过程序，读入原图像后显示，然后显示直方图，由显示的图像及其直方图可知这幅图像最为突出的特点是较暗且动态范围较低。直方图的宽度相对于整个灰度范围来说非常狭窄,图像质量比较差 ,在 Matlab 环境下进行直方图的均衡化,对图像的亮度
6、范围进行拉伸,以提高对比度。经过直方图均衡化 ,图像的对比度及平均亮度明显提高,直方图在整个亮度标度上显著扩展,图像质量提高。由图显示的变换函数能够直观地分辨出该变换函数将较窄的输入灰度级范围变换到了输出图像的整个亮度范围内。对比图发现，经过直方图均衡化 ,图像的对比度明显增强 ,地物的轮廓变的更清晰,因此 ,直方图均衡化有助于改善对比度过低引起的遥感图像模糊。2、图像平滑 数字图像的噪声主要来源于图像的获取过程和传输过程,图像的质量受图像传感器本身和环境因素的影响,常见的噪声有加性噪声、乘性噪声、量化噪声、 “盐和胡椒”噪声等。图形平滑目的是减少噪声减少噪声的算法主要有邻域平均、低通滤波、和
7、中值滤波等。（1）邻域平均法是一种局部空间域处理的算法，就是对含有噪声的原始图像的每个像素点去一个邻域，计算邻域中所有像素灰度级的平均值作为空间域平均处理后图像的像素值。其效果与所用的邻域半径有关，半径愈大图像的模糊程度越大。为了克服平均弊病，提出许多保留边沿细节的局部平滑算法。（2）通过低通滤波的方法，可以使高频成分受到抑制，故可以使低频成分顺利通过，从而实现图像的平滑。低通滤波可以在空间域和频域中进行。在空间域中实现是采用离散卷积，而频域低通滤波是一种频域处理法。（3）中值滤波一种非线性信号处理方法，就是用一个有奇数点的滑动窗口，将窗口中心点的值用窗口内各点的中值代替。3、图像锐化图像锐化
8、的目的就是使边缘和轮廓线模糊的图像变得清晰，并使细节清晰。锐化可以在空间域中进行，常用的方法是对图像进行微分处理，也可以在频域中运用高通滤波技术处理。 图像锐化一般有两种方法: 高通滤波法和微分锐化法。从频率域来看, 图像模糊的实质是图像的高频分量被减弱,可以通过高通滤波器来增强高频分量, 使图像更清晰。我们通过梯度锐化来对图像进行边缘增强。（1）微分法；图像的模糊实质上就是受到了平均或积分运算，因此，对其进行逆运算可以使图像清晰。由于模糊图像的特征各不相同，可采用具有旋转不变的线性微分算子来锐化它们，如微分运算、梯度运算等。 在经过梯度运算后图像中的边缘、 轮廓、 尖顶等变化较快的地方变得更
9、加锐目, 从而使图像更加清晰、 细节更加突出。（2）高通滤波法；图像中的边缘或线条等细节部分与图像频谱中的高频成分相对应，因此采用高通滤波的方法让高频分量顺利通过，使低频分量受到抑制就可以增强高频的成分，使图像的边缘或线条变得清晰，实现图像的锐化。3、三种算法处理对比1、直方图均衡化处理对比 从图 1 和图 2 可以看出 , 经过直方图均衡化处理后 ,图像对比度扩展, 图像更加清晰, 从直方图来看,处理后的图像直方图分布更加均匀。但是直方图均衡化存在有缺点:灰度级减少, 细节丢失, 另外图像处理后的对比度不够自然。因此在实际应用中,还需要根据不同的要求有选择地对某灰度范围进行局部范围内的对比度
10、增强。 2、图像平滑处理后图像对比由图 3 可以看出, 经过平滑后的图像,原来突兀的点变得不明显,图像变得更加柔和。均值滤波器可以较好地降低图像噪声,但效果取决于掩模的大小,实验显示均值滤波器主要适用于消除图像中不相干的细节。中值滤波器有较为出色的降噪能力,比小尺寸的线性平滑滤波器的模糊度明显降低, 在保存原有图像的边缘轮廓的基础上将图像噪声消除掉。虽然中值滤波器对处理脉冲噪声很有效,但是中值滤波并不适用于所有的情况, 若图像中存在很多边界、点、 线时, 处理效果不明显,这时采用最大值滤波器可以获得更好的效果。此外中值滤波器要对窗口内的像素点灰度值排序,不利于快速图像平滑处理。3、图像锐化前后
11、图像的效果 从图可以看出, 模糊图像经过锐化处理以后图像的边缘、 轮廓变得清晰,图像细节也变得更加丰富。值得注意的是选取锐化处理的图像必须是信噪比很高的图像, 并且要设置恰当的阀值进行处理, 否则图像的细节增加的同时,图像噪声也迅速增加, 无法产生预想的效果。4、对比后感想 对比 3 种不同的图像增强算法的处理效果可以看出,直方图均衡化可以均衡图像的灰度等级,提高图像的对比度, 但是图像的细节损失;图像平滑可以减少或消除图像的噪声 , 使图像突兀的地方变得不明显,但是会使图像模糊; 图像锐化使图像的边缘、轮廓变得清晰, 但是图像的信噪比有所下降。这说明选取正确的图像增强算法处理图像可以使处理后
12、图像达到理想的效果, 反之无法满足视觉上或特殊应用上的要求,此外在具体应用过程中,还需注意调整阀值、 设定合适的掩模、 局部处理等。在很多时候,还需要采用多种算法组合来实现理想的图像增强效果。 参考文献: 1 Rafael C 冈萨雷斯. Richar d E Woo ds 数字图像处理 M . 阮秋琦, 译.北京: 电子工业出版社, 2003. 2 何斌, 马天予,王运坚 ,等. Visual C+ + 数字图像处理 M . 北京:人民邮电出版社, 2002. 3 苏彦华. Visual C + + 数字图像识别技术典型案例 M . 北京: 人民邮电出版社, 2004.4李耀辉,刘保军 基于直方图均衡的图像增强J 华北科技学院学报 ,2003,5(2):65-66.5汤国安 张友顺 ,刘咏梅,谢元礼,杨听,刘爱利,等 遥感数字图像处理M 北京：科学出版社,2004.6李树涛,毛建旭.计算机图像处理与识别技术 M北京: 高等教育出版社,2001副 翻 形 场钦川 ,附录：
