圖像增強(qiáng)目的是要改善圖像的視覺效果，以便人眼或機(jī)器對圖像進(jìn)一步理解。有目的的強(qiáng)調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同特征之間的差別，抑制不感興趣的特征，使之改善圖像質(zhì)量、豐富信息量，加強(qiáng)圖像判讀和識別效果，滿足某些特殊分析的需要。5.1

圖像增強(qiáng)的概念和分類一、圖像增強(qiáng)基本概念

圖像增強(qiáng)是指通過某種圖像處理方法對退化圖像的某些特征，以改善圖像的視覺效果，提高圖像的清晰度，或是突出圖像中的某些“有用”信息，壓縮其他“無用”信息，將圖像轉(zhuǎn)化為更適合人或計(jì)算機(jī)分析處理的形式。二、圖像增強(qiáng)分類1、圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)處理時(shí)所處的空間不同：

（1）空間域法。

是指在空間域中，直接對圖像進(jìn)行各種線性或非線性運(yùn)算，對圖像的像素灰度值作增強(qiáng)處理。（2）頻域法。

是在圖像的變換域中，把圖像看成一種二維信號，對其進(jìn)行基于二維傅立葉變換的信號增強(qiáng)。二、圖像增強(qiáng)分類空域法點(diǎn)運(yùn)算模板處理點(diǎn)運(yùn)算是作用于單個(gè)像素的空間域處理方法，包括圖像灰度變換、直方圖修正、偽彩色增強(qiáng)等技術(shù)；

模板處理是作用于像素鄰域的處理方法，包括圖像平滑、圖像銳化等技術(shù)。二、圖像增強(qiáng)分類圖像增強(qiáng)空間域頻域彩色圖像增強(qiáng)偽彩色增強(qiáng)假彩色增強(qiáng)真彩色增強(qiáng)高通濾波低通濾波同態(tài)濾波點(diǎn)運(yùn)算灰度變換直方圖修正法局部統(tǒng)計(jì)法均衡化規(guī)定化模板處理二、圖像增強(qiáng)分類圖像增強(qiáng)按照處理對象不同還可以分為灰度圖像增強(qiáng)和彩色圖像增強(qiáng)，按照處理效果還可以分為空間紋理信息增強(qiáng)，時(shí)間信息增強(qiáng)以及光譜信息增強(qiáng)。

圖像增強(qiáng)效果好壞與否不僅與具體的增強(qiáng)算法有關(guān)，還與待增強(qiáng)圖像的數(shù)據(jù)特性有直接關(guān)系。故某種對一類特定圖像效果較好的增強(qiáng)算法不一定適合用于其他圖像的增強(qiáng)。5.2灰度變換5.2.1灰度變換基礎(chǔ)知識

灰度變換是指根據(jù)某種目標(biāo)條件按一定變換關(guān)系逐像素點(diǎn)改變原圖像中灰度值的方法，灰度變換又稱為圖像的對比度增強(qiáng)或?qū)Ρ榷壤臁?/p>

該變換可使圖像動(dòng)態(tài)范圍增大，對比度得到擴(kuò)展，圖像變的更加清晰，特征明顯，是圖像增強(qiáng)的重要手段之一?；叶茸儞Q常用的方法線性灰度變換分段線性灰度變換非線性灰度變換5.2.1灰度變換基礎(chǔ)知識

灰度變換一般不改變像素點(diǎn)的坐標(biāo)信息，只改變像素點(diǎn)的灰度值

當(dāng)鄰域?yàn)閱蝹€(gè)像素，即1×1時(shí)，輸出僅僅依賴f在(x,y)處的像素灰度值，此時(shí)的處理方式通常稱為點(diǎn)處理。5.2.2線性灰度變換線性變換的表達(dá)式5.2.2線性灰度變換

[0-32]范圍[0-64]范圍

[0-128]范圍

[0-256]范圍5.2.2線性灰度變換

灰度拉伸的范圍越小，像素間的灰度值越相近，圖像的表現(xiàn)力越差。

灰度拉伸的范圍越大，像素間的灰度值差異越大，圖像能夠表現(xiàn)的細(xì)節(jié)信息越多。5.2.2線性灰度變換

原始圖像

線性灰度變換結(jié)果5.2.2線性灰度變換

如果不想損失小于a和大于b的信息，可以保持它們的灰度值不變，用下式進(jìn)行圖像增強(qiáng)原始圖像

線性灰度變換結(jié)果5.2.3分段線性灰度變換

為了突出某些感興趣的目標(biāo)或者灰度區(qū)間，相對抑制那些不感興趣的目標(biāo)或灰度空間，通常采用分段線性灰度變換的方法。分段線性灰度變換5.2.3分段線性灰度變換原分段線性變換始圖像

5.2.4非線性灰度變換當(dāng)用某些非線性函數(shù)，如指數(shù)函數(shù)、對數(shù)函數(shù)等作為映射函數(shù)時(shí)，可實(shí)現(xiàn)圖像灰度的非線性變換。（一）、對數(shù)變換

圖像灰度的對數(shù)變換可以擴(kuò)張數(shù)值較小的灰度范圍或者壓縮數(shù)值較大的灰度范圍。

對數(shù)變換是一種有用的非線性映射交換函數(shù)，可以用于擴(kuò)展輸入圖像中范圍較窄的的低灰度值像素，壓縮輸入圖像中范圍較寬的高灰度值像素，使得原本低灰度值的像素部分能更清晰地呈現(xiàn)出來。5.2.4非線性灰度變換

其變換函數(shù)對數(shù)曲線5.2.4非線性灰度變換原始圖像

對數(shù)變換后結(jié)果圖5.2.4非線性灰度變換（二）、冪次變換冪次變換通過冪次曲線中的值把輸入的窄帶值映射到寬帶輸出值。

當(dāng)γ<1時(shí)，把輸入的較窄的較低灰度值映射到較寬的高灰度輸出值；

當(dāng)γ>1

時(shí)，把輸入的較寬的高灰度值映射到較窄的低灰度輸出值。冪次變換函數(shù)5.2.4非線性灰度變換

冪次變換曲線5.2.4非線性灰度變換原始圖像γ=0.5γ=1γ=25.3直方圖處理

將統(tǒng)計(jì)學(xué)中直方圖的概念引入到數(shù)字圖像處理中，用來表示圖像的灰度分布，稱為灰度直方圖。不同的灰度分布對應(yīng)著不同的圖像質(zhì)量。

灰度直方圖反映圖像的概貌和質(zhì)量，采用修改直方圖的方法增強(qiáng)圖像是一種實(shí)用而有效的處理方法。5.3.1直方圖基本概念

直方圖表示數(shù)字圖像中每一灰度級與其出現(xiàn)頻數(shù)間的統(tǒng)計(jì)關(guān)系。數(shù)字圖像的直方圖其中5.3.1直方圖基本概念原始圖像

直方圖

5.3.1直方圖基本概念不同圖像內(nèi)容具有相同直方圖的實(shí)例。由灰度直方圖的定義可知，數(shù)字圖像的灰度直方圖具有以下幾個(gè)特性：（1）直方圖的位置缺失性。

灰度直方圖僅僅反映了數(shù)字圖像中各灰度級出現(xiàn)頻數(shù)的分布，但對那些具有同一灰度值的像素在圖像中的空間位置一無所知，即灰度直方圖具有位置缺失性。5.3.1直方圖基本概念

（2）直方圖與圖像的一對多特性

只要其灰度級出現(xiàn)頻數(shù)的分布相同，則都具有相同的直方圖，即直方圖與圖像是一對多的關(guān)系。（3）直方圖的可疊加性

由于灰度直方圖是各灰度級出現(xiàn)頻數(shù)的統(tǒng)計(jì)值，若一幅圖像分成幾個(gè)子圖，則該圖像的直方圖就等于各子圖直方圖的疊加。5.3.1直方圖基本概念（4）直方圖的動(dòng)態(tài)范圍

直方圖的動(dòng)態(tài)范圍是由計(jì)算機(jī)圖像處理系統(tǒng)的模/數(shù)轉(zhuǎn)換器件的灰度級決定。

（5）歸一化直方圖具有統(tǒng)計(jì)特征

因?yàn)橹狈綀D可定義為（連續(xù)r）：

5.3.2直方圖均衡化

直方圖均衡化是使原圖像中具有相近灰度且占有大量像素點(diǎn)的區(qū)域之灰度范圍展寬，使大區(qū)域中的微小灰度變化顯現(xiàn)出來，增強(qiáng)圖像整體對比度效果，使圖像更清晰。原始圖像原始圖像直方圖5.3.2直方圖均衡化直方圖均衡化后的圖像直方圖直方圖均衡化后的圖像5.3.2直方圖均衡化

設(shè)變換后的圖像灰度級為s,s與r的變換關(guān)系可表示為s=T[r]。為使這種變換關(guān)系具有實(shí)際意義，圖像灰度變換函數(shù)s=T[r]應(yīng)滿足如下條件：

變換函數(shù)的求解：5.3.2直方圖均衡化對于數(shù)字圖像，其灰度出現(xiàn)的概率可近似表示：5.3.2直方圖均衡化利用直方圖均衡進(jìn)行圖像增強(qiáng)的過程可分成以下幾個(gè)步驟：1.計(jì)算原圖像的歸一化灰度級別及其分布概率。根據(jù)直方圖均衡化求變換函數(shù)的各灰度等級值5.3.2直方圖均衡化

2.將所得變換函數(shù)的各灰度等級值轉(zhuǎn)化成標(biāo)準(zhǔn)的灰度級別值。

3.求新圖像的各灰度級的像素?cái)?shù)目。

4.求新圖像中各灰度級別的分布概率

5.畫出經(jīng)均衡化后的新圖像的直方圖。5.3.2直方圖均衡化

2.將所得變換函數(shù)的各灰度等級值轉(zhuǎn)化成標(biāo)準(zhǔn)的灰度級別值。

3.求新圖像的各灰度級的像素?cái)?shù)目。

4.求新圖像中各灰度級別的分布概率

5.畫出經(jīng)均衡化后的新圖像的直方圖。

例：假設(shè)有一幅圖像，共有64×64個(gè)像素，8個(gè)灰度級，假設(shè)各灰度級分布如表，其灰度直方圖見圖，將其直方圖均衡化。5.3.2直方圖均衡化原灰度級

對應(yīng)像素?cái)?shù)

概率

07900.19110230.2528500.2136560.1643290.0852450.0661220.037810.025.3.2直方圖均衡化解：直方圖均衡化過程如下：1.由下

式，可得到變換后的各灰度等級累計(jì)值為：5.3.2直方圖均衡化

以此類推得到

對應(yīng)的變換函數(shù)見圖。5.3.2直方圖均衡化

2.圖像只取8個(gè)等間隔的灰度級，變換后的s值也只能選擇最靠近的一個(gè)灰度級的值。3.由上述數(shù)值可見，新圖像將只有5個(gè)不同的灰度級別，其余3個(gè)灰度級別值不存在。5.3.2直方圖均衡化

4.計(jì)算均衡化后的灰度分布，即求新圖像中各灰度級別的分布概率，結(jié)果如表5.3.2直方圖均衡化5.畫出經(jīng)均衡化后的新圖像的直方圖

原灰度直方圖

變換函數(shù)

新圖像的直方圖5.3.3直方圖規(guī)定化直方圖均衡化的優(yōu)點(diǎn)直方圖均衡化的缺點(diǎn)不需要人工參與,能完全自動(dòng)化只能產(chǎn)生唯一的結(jié)果，即近似均衡的直方圖5.3.3直方圖規(guī)定化

修改一幅圖像的直方圖，使得它具有一種預(yù)先規(guī)定的函數(shù)形狀，或者使它與另一幅圖像的直方圖匹配，以此突出人們所感興趣的圖像范圍，采用直方圖規(guī)定化，也稱為直方圖匹配。假設(shè)對原圖像進(jìn)行直方圖均衡處理，即取變換如式設(shè)其概率密度函數(shù)為5.3.3直方圖規(guī)定化用直方圖規(guī)定化方法進(jìn)行圖像增強(qiáng)的步驟

1.對原圖像的直方圖進(jìn)行均衡化，求取均衡化的新灰度級及概率分布，確定

與的映射關(guān)系。

2.根據(jù)規(guī)定期望的直方圖，求變換函數(shù)的所有值。

3.將原直方圖對應(yīng)映射到規(guī)定的直方圖。

4.根據(jù)建立的與的映射關(guān)系確定新圖像各灰度級別的像素?cái)?shù)目。5.4直方圖處理5.4.1圖像噪聲（一）、圖像噪聲的來源(1)由光和電的基本性質(zhì)所引起的噪聲。

(2)電器的機(jī)械運(yùn)動(dòng)產(chǎn)生的噪聲。

(3)元器件材料本身引起的噪聲。如磁帶、磁盤表面缺陷所產(chǎn)生的噪聲。

(4)系統(tǒng)內(nèi)部設(shè)備電路所引起的噪聲。如電源系統(tǒng)引入的交流噪聲和偏轉(zhuǎn)系統(tǒng)引起的噪聲等。5.4.1圖像噪聲（二）、圖像噪聲的分類1、按圖像噪聲產(chǎn)生的原因外部噪聲內(nèi)部噪聲

系統(tǒng)外部干擾，如電磁波、電源串進(jìn)系統(tǒng)內(nèi)部而引起的噪聲等引起的噪聲。

系統(tǒng)內(nèi)部設(shè)備、器件、電路所引起的噪聲，如散粒噪聲、熱噪聲、光量子噪聲等5.4.1圖像噪聲2、按統(tǒng)計(jì)特性平穩(wěn)噪聲平非穩(wěn)噪聲

統(tǒng)計(jì)特性隨時(shí)間變化的噪聲統(tǒng)計(jì)特性不隨時(shí)間變化的噪聲5.4.1圖像噪聲3、按噪聲幅度分布形狀幅度分布是按高斯分布的噪聲就稱其為高斯噪聲。按瑞利分布的噪聲就稱其為瑞利噪聲。4、按噪聲頻譜形狀頻譜幅度均勻分布的噪聲稱為白噪聲。頻譜幅度與頻率成反比的噪聲稱為噪聲。與頻率平方成正比的噪聲稱為三角噪聲。5.4.1圖像噪聲噪聲加性噪聲乘性噪聲5、按噪聲和信號之間關(guān)系假定信號為s(t)，噪聲為n(t)，噪聲不管輸入信號大小，總是加到信號上，成為形式s(t)+n(t)，則稱此類噪聲為加性噪聲，如放大器噪聲、光量子噪聲、膠片顆粒噪聲等。如果噪聲受圖像信息本身調(diào)制，成為形式st(t)[1+n(t)]，則稱其為乘性噪聲。5.4.1圖像噪聲（三）、圖像噪聲的特點(diǎn)1噪聲在圖像中的分布和大小不規(guī)則；2噪聲與圖像之間具有相關(guān)性；3噪聲具有疊加性。5.4.2局部統(tǒng)計(jì)法計(jì)算如式:5.4.2局部統(tǒng)計(jì)法

若局部統(tǒng)計(jì)法使每個(gè)像素具有希望的局部均值和局部方差，則像素(x,y)的輸出值用下式表示：5.4.2局部統(tǒng)計(jì)法

優(yōu)點(diǎn)：只需計(jì)算局部均值，而不用計(jì)算局部方差。當(dāng)k>1時(shí)，圖像得到銳化，與高通濾波類似；當(dāng)k<1時(shí)，圖像將被平滑，與低通濾波類似；在極端情況k=0下，g(x,y)等于局部均值。5.4.2局部統(tǒng)計(jì)法（一）、鄰域平均法鄰域平均方法也稱為均值濾波器。

在圖像中選擇一個(gè)子圖像（或稱為鄰域），用該鄰域里所有像素灰度的平均值去替換鄰域中心像素的灰度值。核心思想5.4.2局部統(tǒng)計(jì)法4鄰域

8鄰域加高斯噪聲的圖像

均值平滑后圖像(8鄰域)5.4.2局部統(tǒng)計(jì)法

圖像鄰城平均法的平滑效果與所用的鄰域半徑有關(guān)，半徑越大，則圖像的模糊程度越大。

圖像鄰域平均法的優(yōu)點(diǎn)是算法簡單，計(jì)算速度快；

缺點(diǎn)是在降低噪聲的同時(shí)使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處，因?yàn)閳D像的邊緣也是灰度突變產(chǎn)生的。5.4.2局部統(tǒng)計(jì)法（二）、閾值鄰域平均法

當(dāng)某些點(diǎn)的灰度值與它們鄰域灰度的均值差別較大，大于閾值時(shí)，它很可能是噪聲，則取其鄰域平均值作為該點(diǎn)的灰度值。5.4.2局部統(tǒng)計(jì)法（三）、加權(quán)平均法

利用鄰域內(nèi)像素的灰度值和本點(diǎn)灰度加權(quán)值的平均值來代替該點(diǎn)灰度值的方法就稱為加權(quán)平均法。對加權(quán)平均法施加門限，形成閾值加權(quán)平均法。這樣既能平滑噪聲，又保證圖像中的目標(biāo)物邊緣不至于模糊。5.4.2局部統(tǒng)計(jì)法加高斯噪聲的圖像加權(quán)平滑后圖像5.4.2局部統(tǒng)計(jì)法（四）、模板平滑法1、鄰域平均法4鄰域平均8鄰域平均5.4.2局部統(tǒng)計(jì)法2、加權(quán)平均法4鄰域加權(quán)平均：5.4.2局部統(tǒng)計(jì)法8鄰域加權(quán)平均：5.4.2局部統(tǒng)計(jì)法根據(jù)實(shí)際需要，可以設(shè)計(jì)其他具有不同特性的平滑模板該模板的效果是在平滑圖像的同時(shí)，突出了本點(diǎn)及水平和垂直方向，較好地保持水平和垂直方向的邊緣。5.4.2局部統(tǒng)計(jì)法

基于模板的平滑處理，相當(dāng)于模板與原圖像的卷積

F(x,y)與W的卷積就等于像素點(diǎn)(x,y)在模板大小區(qū)域內(nèi)的線性組合5.4.2局部統(tǒng)計(jì)法（五）、多圖像平均法

在相同條件下采集同一目標(biāo)物的若干幅圖像，然后通過對采集到的多幅圖像進(jìn)行平均的方法來消減隨機(jī)噪聲。

思想設(shè)在相同條件下，獲取的同一目標(biāo)物的M幅圖像5.4.4中值濾波中值濾波是一種非線性處理技術(shù)，它在實(shí)際運(yùn)算過程中并不需要知道圖像的統(tǒng)計(jì)特性，而且具有獨(dú)特的濾波特性。目的在保護(hù)圖像邊緣的同時(shí)，把這些孤立的點(diǎn)去除掉。一維中值濾波二維中值濾波5.4.4中值濾波

一般來說，二維中值濾波器比一維中值濾波器更能抑制噪聲。對于一維中值濾波，不同的窗口可能只是窗口長度的不同，而二維窗口的選擇卻有多種，如線形、方形、十字形、菱形等。垂直和水平線形十字形

方形5.4.4中值濾波加椒鹽噪聲的圖像中值濾波（3×3方形窗）中值濾波（7×7方形窗）中值濾波（5×5方形窗）5.4.5頻域低通濾波

對于一幅圖像，它的邊緣、細(xì)節(jié)、跳躍部分以及噪聲都代表圖像的高頻分量，而大面積的背景區(qū)和緩慢變化部分則代表圖像的低頻分量，用頻域低通濾波法除去其高頻分量可去掉噪聲，從而使圖像得到平滑。低通濾波法的系統(tǒng)框圖:5.4.5頻域低通濾波（一）、理想低通濾波器一個(gè)理想低通濾波器（ILPF）的傳遞函數(shù)：5.4.5頻域低通濾波頻率特性曲線5.4.5頻域低通濾波

截止頻率越低，噪聲濾除的越多，振鈴現(xiàn)象震蕩的頻率越低，高頻分量損失越嚴(yán)重，圖像就越模糊。

截止頻率越高，噪聲濾除的越少，振鈴現(xiàn)象振蕩的頻率越高，高頻分量損失越輕微，圖像模糊的就越輕微。

而正是由于理想低通濾波存在此“振鈴”現(xiàn)象，其平滑效果下降。原始圖像通過理想低通濾波器后的效果圖5.4.5頻域低通濾波5.4.5頻域低通濾波（二）、巴特沃斯低通濾波器n階巴特沃斯濾波器的傳遞函數(shù)5.4.5頻域低通濾波BLPF特性曲線5.4.5頻域低通濾波原始圖像通過巴特沃斯低通濾波器后的效果圖5.4.5頻域低通濾波（三）、指數(shù)低通濾波器指數(shù)低通濾波器（ELPF）的傳遞函數(shù)ELPF特性曲線5.5圖像的銳化

若從頻域分析，圖像模糊的實(shí)質(zhì)是表示目標(biāo)物輪廓和細(xì)節(jié)的高頻分量被衰減，因而在頻域可采用高頻提升濾波的方法來增強(qiáng)圖像。這種使圖像目標(biāo)物輪廓和細(xì)節(jié)更突出的方法，稱為圖像銳化。

圖像銳化加強(qiáng)了細(xì)節(jié)和邊緣，對圖像有去模糊的作用。5.5.1一階微分算子法（一）、梯度法其大小為梯度的幅度5.5.1一階微分算子法羅伯特梯度法(RobertGradient)，它是一種交叉差分計(jì)算法5.5.1一階微分算子法例如使各點(diǎn)的灰度g(x,y)等于該點(diǎn)的梯度幅度

適當(dāng)選取T，既可使明顯的邊緣輪廓得到突出，又不會(huì)破壞原灰度變化比較平緩的背景。5.5.1一階微分算子法如果將明顯的邊緣用一個(gè)固定的灰度級來顯示，則這種增強(qiáng)圖像下如式原始圖像梯度銳化后圖像5.5.1一階微分算子法（二）、Sobel算子采用梯度微分銳化圖像時(shí)，不可避免地同樣會(huì)使噪聲、條紋等干擾信息得到增強(qiáng)，Sobel算子可在一定程度上克服這個(gè)問題。基本模板如圖：對水平邊緣響應(yīng)最大對垂直邊緣響應(yīng)最大5.5.1一階微分算子法將圖像分別經(jīng)過兩個(gè)3×3算子的窗口濾波5.5.1一階微分算子法Sobel算子模板對應(yīng)像素點(diǎn)5.5.1一階微分算子法

原始圖像

水平邊緣垂直邊緣垂直,水平圖5.5.2拉普拉斯算子法

拉普拉斯算子是常用的邊緣增強(qiáng)處理算子，它是各向同性的二階導(dǎo)數(shù)。

如果圖像的模糊是由擴(kuò)散現(xiàn)象引起的(如膠片顆?；瘜W(xué)擴(kuò)散、光點(diǎn)散射)，則銳化后的圖