数字图像增强算法的研究与实现 计算机专业.docx

数字图像增强算法的研究与实现摘要人类在对信息进行获取、互换之时，图像这一载体能够发挥重要作用，相关研究表明，人类感知的外界信息中，从视觉这一渠道获得的信息占比超过80%。所以，图像处理能够在各行各业都得到充分运用。经分析可知，所谓图像增强，指的是根据相关需求将图像信息分类两类，一类为无用信息；一类为有用信息，然后对前者进行削弱或消除，对后者进行强化和突出，如此获得的图像用机器识别起来更加容易，和人眼视觉特性也更加相符。能够发现，如今图像增强技术在诸多行业比如人物摄影以及医学成像等行业得到了充分运用，在各类图像处理算法比如目标跟踪算法或者图像融合算法中，图像增强可以作为预处理算法发挥极大作用。在图像处理中，处于预处理环节的图像增强拥有重要意义和价值，其主要是对图像进行低层次处理，同时发挥承接前后环节的作用，要想令图像高层次处理获得不错的效果，就必须先做好图像增强工作，如此图像视觉效果才能够获得优化和完善，对其用机器识别起来才更加容易，和人眼视觉特性也才更加相符，观察这类图像，人们能够快速得到所需数据信息。此次基于频域法图像增强理论来展开研究，先对频域法的低通/高通滤波进行了研究，然而借助MATLAB完成了巴特沃斯滤波器等相关滤波器的仿真工作，经研究发现，不论是滤波属于低通滤波还是高通滤波，它们都能够令图像质量得到优化和完善。关键词：图像增强；数字图像，对比度增强算法，频域；滤波ABSTRACTWhenhumanbeingsacquireandexchangeinformation,image,asacarrier,canplayanimportantrole.Relevantstudiesshowthatintheexternalinformationperceivedbyhumanbeings,theinformationobtainedfromthevisualchannelaccountsformorethan80%.Therefore,imageprocessingcanbefullyusedinallwalksoflife.Theanalysisshowsthattheso-calledimageenhancementreferstotheclassificationofimageinformationintotwocategoriesaccordingtotherelevantneeds,oneisuselessinformation;Oneisusefulinformation,andthentheformerisweakenedoreliminated,andthelatterisstrengthenedandhighlighted.Theimageobtainedinthiswayiseasiertorecognizebymachineandmoreconsistentwithhumanvisualcharacteristics.Itcanbefoundthatimageenhancementtechnologyhasbeenfullyusedinmanyindustries,suchaspeoplephotographyandmedicalimaging.Invariousimageprocessingalgorithms,suchastargettrackingalgorithmorimagefusionalgorithm,imageenhancementcanplayagreatroleasapreprocessingalgorithm.Inimageprocessing,imageenhancementinpreprocessingisofgreatsignificanceandvalue.Itmainlydealswiththelow-levelimageprocessing,andplaystheroleofpreandpostlinks.Inordertoachievegoodresultsinhigh-levelimageprocessing,wemustfirstdoagoodjobinimageenhancement,sothattheimagevisualeffectcanbeoptimizedandimproved,Itiseasiertorecognizeitbymachine,anditismoreconsistentwiththecharacteristicsofhumanvision.Peoplecanquicklygettherequireddatainformationbyobservingsuchimages.Thisresearchisbasedontheimageenhancementtheoryoffrequencydomainmethod.Firstly,thelow-pass/highpassfilteroffrequencydomainmethodisstudied.However,thesimulationofButterworthfilterandotherrelatedfiltersiscompletedwiththehelpofMATLAB.Itisfoundthatwhetherthefilterbelongstolow-passfilterorhighpassfilter,theycanoptimizeandimprovetheimagequality.Keywords:imageenhancement;Digitalimage,contrastenhancementalgorithm,frequencydomain;filtering1.1 研究背景-8-1.2 论文研究意义-9-1.3 国内外研究现状与分析-10-1.4 主要研究内容与论文组织-12-2图像增强基本理论-13-2.1图像和数字图像-13-2.2数字图像增强概述-17-2.3图像增强方法和分类-20-1 .3.1空间域图像增强-20-2 .3.2频率域图像增强-23-3频域图像增强的原理和方法-25-3.1傅里叶变换和频率域介绍-25-3.1.1 二维图像傅里叶变换-25-3.1.2 频率域滤波-26-3. 2频率域中的平滑滤波-27-3. 3频率域中的锐化滤波-29-3 .4同态滤波-29-4 .频域图像增强算法的实现-32-4.1基于MATLAB的图像处理-32-4.2低通滤波-34-4.3高通滤波-38-5总结与展望-42-5.1本文工作总结-42-5.2课题研究展望-42-参考文献-43-致谢-45-第1章绪论1.1 研究背景上世纪六十年代后，伴随着VLS以及计算机技术的迅猛发展，数字图像处理技术这一新兴技术领域应运而生。通常,在对图像进行复制、传输等转换以及传送操作时，会导致图像质量受损，模糊率提升。要想改变这一情况，就需要采取合适技术与手段来优化降质图像。同时，通过对图像处理系统进行分析能够发现，当将原图像输入之时，其中必然会有各类畸变、噪声情况存在，此时图像质量也必然受到影响，由此,对图像展开预处理操作必不可少。而要想优化图像质量，有许多手段可以运用，图像增强便是其中之一。数字图像处理(DigitalImageProcessing)又称为计算机图像处理，指的是这样一个过程，即转换图像信号，令其变为数字信号，同时借助计算机来对其展开相应处理。翻阅相关资料可知，在1950年后，各类技术尤其是计算机技术已经获得了不错的发展，此时人们可以借助计算机来对各类图像信息进行一定处理，也正是在这样的环境下，数字图像处理开始出现并发展。到了1960年后，就己经形成了数字图像处理学科，能够看到，最开始，图像处理主要是为了对图像质量进行优化，其对象是人，目的则是令人获得更好的视觉效果。通过对图像处理技术的运用，原本的低质图像就能够得到改善以及优化，经分析可知，图像处理手段十分丰富，比如压缩手段、复原手段等等。如今在诸多领域比如指纹识别领域、航空航天领域等对图像增强处理技术进行了充分运用，举例而言，比如在医疗领域，借助这一技术可以增强CT影像等图像，此时医生要通过这一图像对病变区域进行明确也就容易得多，透过图像的一些细节也就能够发现其中的不足之处。比如在军事领域，借助这一技术可以增强遥感图像，看同一位置，不同时刻是否有敌方的踪影。又比如在煤矿工业领域，借助这一技术可以增强电视图像，令其由于灰尘影响，或者并不具备充足的光线这类图像模糊现象能够得到克服，如此其清晰度就能够得到显著提升，电视系统维护工作量也就能够显著减轻。当前图像技术能够获得今天的发展，其能够在各行各业中得到充分运用便是其中一个原因，当各种新应用不断出现之时，为其发展水平的进一步提升提供了强大助力，可以想见的是，未来这一技术将得到更大发展。通过图像处理工具箱，不仅可以分析图像、处理图像，还可以进行算法开发，不仅可以增强图像，还原去噪，还能够匹配图像、分析形形状，在运用图像增强技术对图像进行处理之时，并不用清楚其质量是为何下降的，只需要突出、强调它的相应特征,将并不需要突出的特征进行衰减即可,所以当借助这一技术对图像进行优化之后,其并不一定能够和原图像多么相似，只不过能够令其变得更加清晰，能够令其形成更优质的视觉效果。能够发现，它主要是在对图像实际运用场合进行充分分析后，来对图像相关特性进行强调，抑或是转化图像,令其能够更适用于处理、分析工作的开展。在工具箱里，大多数函数都是通过MATLAB语言进行编写的，所以它不但可以进行自定义函数的创建，还能够对算法进行检查，在各种领域比如监控、遥感领域等,此工具箱都能够发挥极大作用，同时能够推动图像处理技术的进一步发展。1.2 论文研究意义人们在对信息进行交换、传递之时，有两类媒介发挥着重要作用，它们一是语言；二是图像，相关研究表明，人类感知的外界信息中，从视觉这一渠道获得的信息占比超过80%,同时在视觉信息众多来源之中，图像这一来源最简单，同时直观性也最强，在各类信息载体中，其运用频率极高。如今计算机视觉研究工作不断开展之时，数字图像处理技术扮演着重要角色，当前愿意到这一领域展开研究的学者不断增多。能够发现，人们在对外界信息进行获取之时，视觉系统所起到的作用是极大的，然而当人们对图像这一视觉信息载体进行观测之时，尽管人眼可以对大量颜色进行观测，然而在部分时候比如有红外线存在或者夜晚等的影响下，人们的观测度便会大受影响，难以获知清晰图像，要想解决这一问题，就必须借助图像增强技术，呈现那些难以用肉眼进行观测的信息。通过对图像增强技术进行分析能够发现，其本质便是在需求无法被图像质量满足时，借助相应算法与手段来处理图像，对重要信息进行强调，对并不需要突出的信息进行衰减。经过几十年的不断发展，如今图像增强技术学科已经十分成熟，并且与人们生活形成了极大联系，在诸多领域比如指纹识别领域、航空航天领域等得到了充分运用。举例而言，在生物医学领域，借助这一技术可以增强X射线等图像，此时医生要通过这一图像对病变区域进行明确也就容易得多，透过图像的一些细节也就能够发现其中的不足之处。而且还可以处理红细胞等光学图像。在航空航天领域，在借助卫星等得到遥感图像后，就可以借助这一技术来对其进行处理和优化，令其清晰度得以提升,如此在判断环境情况以及地况时就会更加容易。而在工业生产领域，借助这一技术,可以推动产品质检工作的开展，另外，借助人脸识别系统等图像识别系统,对于考勤、分析交通事故等都十分有利。能够发现，有许多因素都会影响到图像的视觉效果，具体而言，主要因素包括:第一，物体表面反光，或者图像采集时的光线情况等。第二，拍摄天气或者时间的原因，比如拍摄之时出现雾霾天气，或者在夜晚进行拍摄等。第三，由于采集设备的原因，引发噪声污染，从而令图像质量受损等等，要想对图像质量进行优化，就必须对图像增强技术进行充分运用，令其可懂度度得以提升，如今有许多图像增强算法都得到了充分运用比如中值滤波以及同态滤波等等。所谓直方图均衡化，即借助累计函数重新分布图像灰度值,令其对比度得以增强,然而对图像进行变换后，不可避免的会丢失掉一些细节，导致灰度级下降。通过对滤波手段的运用，就可以对图像进行去噪抑或是平滑处理，然而这类手段只能够处理部分图像，并不具备广泛的运用范围。在选择图像增强手段之时，除了许多考虑要突出哪些细节外，还需要考虑图像色彩信息等情况，在这种情况下，以往的增强算法就无法发挥出优势，为了解决这一问题，学者EClWin.H.Land通过对人类视觉系统进行模拟来对图像色彩恒常性进行解释，从而提出RetineX理论，在图像增强上，此理论能够发挥极大作用，比如对色彩信息进行保留，对细节信息进行强调等等。后来，又出现了数字图像处理技术，直到如今，在各类领域比如医疗设备领域以及图像通讯领域等，图像处理尤其是数字图像处理技术的运用范围不断扩大，图像处理学科的发展水平也得到了进一步提升，此次便是将Retinex理论作为研究对象展开研究。1.3 国内外研究现状与分析数字图像增强技术始于约1960年，其发展历史大致分为4个阶段：创始期，发展期，推广期和应用期。最近几年来，便携式电子设备发展水平不断提升，不论在什么环境中，人们都可以轻松对图片进行获取，因此图片数量也不断增多。当然需要看到的是，在对图片进行拍摄时，会遇到许多无法控制的因素，比如拍摄光线太暗等,此时便会影响到成像质量，人们拍摄图像的需求通常也就难以获得满足。为了令低照度图像质量水平得到提升，我国以及其他国家的学者在这方面投注了许多心力，研究处理许多不错的增强算法，后文将会对其中的典型增强算法进行介绍。对图像重要信息进行强调，对其它并不多大用处的信息进行去除或者衰减，这就是图像增强，由于在获取图像之时，经常容易遇到图像清晰度很低的情况，为了提升其清晰度，就必须展开增强处理，将其中的重点内容进行强调和突出，将其中的噪声等进行去除，如此要观察、测量图像中的重要内容的难度就会显著下降。此处需要注意的是，在借助这一手段对图像进行处理后，并不用在意它和原图是否一致，所以在运用这一手段对图像进行处理时，也不用刻意对其真实度进行会重现1O能够发现，图像增强主要是在对图像实际运用场合进行充分分析后，来对图像相关特性进行强调,抑或是转化图像，令其能够更适用于处理、分析工作的开展。其通常会对人眼视觉特性进行运用，确保形成更好的视觉效果，此外，视觉如何一般都是看人的主观感受，并无客观评价标准。当前图像增强处理手段十分丰富，比如彩色增强手段、灰度变换手段等都属于常用手段，因为图像增强的重点由三方面决定，这三方面首先是处理目的；其次是观察者个人习惯；然后是感兴趣的物体的具体特征。虽然能够运用的处理手段类型丰富，然而有一点都是一样，那就是针对性极强。所以各类图像增强算法也都具备针对性特点，并无通用于各场合的增强算法存在，为了优化图像质量，令各种目的得以满足，各类图像增强算法不断涌现出来。如果按照处理空间来对其进行分类，可以将其分为两类，首先是频域平滑增强算法等以变换域为基础的算法；其次是空域彩色增强算法等以空间域为基础的算法14。低照度图像增强方法中，最简单的是直方图均衡化(HiStOgranlEqualization,HE)算法。通过直方图能够对图像统计信息进行充分反映，通常直方图中，像素分布对图像质量产生极大影响。而借助HE算法，就能够对像素值进行重新分配，令其分布更加均匀，从而提升图像对比度，展现图像细节。但是需要注意的是，在对HE算法进行运用时.，很容易丢失图像细节内容，这也是这一算法的缺陷所在，为了对这一缺陷进行弥补，又出现了一种新的算法，那就是AHE算法，它不但可以对重点信息进行增强，同时可以对领域像素进行兼顾，令图像细节信息得到保护，当然这一算法也并非尽善尽美，也有不足存在，比如并不具备良好的实时性等等。为了令算法实时性得到保证，又出现了区域不重叠的直方图均衡化，它可以进一步提升图像处理效率，同时又通过对图像块间断性的运用，促使子块出现部分重叠现象，如此不但不会形成块状效应，而且能够令图像质量得到充分保障，另外，它还能够保障处理效率。为了对图像处理时遇到的噪声问题进行克服，CLAHE算法应运而生，它在对图像进行处理之时，运用了两类手段，从而令图像噪声问题得到妥善处理，这两类手段首先是插值法；其次是对对比度进行限幅。亮度保持的低照度图像增强算法，其在对图像进行处理时,具体处理步骤为：第一步，根据亮度情况来递归分解图像，得到众多子图，这些子图的灰度级范围并不一样。第二步，对子图进行直方图均衡化操作，令图像动态范围得以扩展，提升图像视觉效果自然度。此外还有色彩保持双直方图均衡算法，该算法能够以亮度分量为对象，对其展开双直方图均衡化操作，令图像两方面不会受到影响,这两方面首先是饱和度；其次是色度。通过对此手段进行运用，不但能够令图像色彩信息得以保留下来，还可以对图像细节进行强化。此外，在低照度图像增强领域，以图像融合技术为基础的增强手段的运用频率也很高，所谓图像融合，指的是处理同一物体诸多图像信息，从而获得优质图像。而在对低照度图像进行处理之时，背景增强法主要是通过对白天光照图像进行运用，来分割低照度图像背景，对低对比度目标物体进行增强，当然需要注意的是，这一手段也存在不足之处，那就是无法做好噪声去除工作。在图像增强算法中，以视频帧融合为基础的算法，能够在确定低照度视频帧目标区域后，将其与白天同一场景、同一区域的视频帧融合，从而令视频帧亮度得以提升的同时，图像细节不会受到影响。在增强算法中，以多幅图像融合为基础的算法指的是在不同时间，对相同场景进行拍摄，然而将各幅图像中关注的细节内容都提取出来，将其融合在一起，从而得到高动态范围图像，要运用这一算法，需要确保图片拍摄的是同一场景，也就是说，拍摄地点是确定的，只不过光照情况不同，如果拍摄设备为移动拍摄设备，就无法适用此算法。2015年，遥感图像领域运用了RetineX算法，它主要运用两类手段来对照度进行估计，这两类手段首先是投影归一化最速下降法；其次是变分最优化技术，经分析可知，通过对此算法进行充分运用，能够令图像灰度不均匀性被充分消除，令运算效率得到提升的同时确保细节信息不会受损。学者寇兴元(2015)为了对MSR的不足进行克服，提出可以借助图像两类信息来对图像尺度进行明确，这两类信息一是梯度信息；二是亮度信息。如此不但能够获得不错的增强效果，而且色彩保真性也更强。当前，低照度图像增强已经获得了不错的发展，然而在增强算法的研究、探索步伐并未停止，当低照度图像类型以及增强目的不同时，适合的增强手段也不一样，所以在这方面的研究空间还很大。1.4 主要研究内容与论文组织经分析可知，图像增强过程存在矛盾性特点，具体而言，图像增强希望能够将噪声去除，同时又希望对图像边缘进行增强，然而要达到后一目的，噪声便会增强，要达到前一目的，边缘清晰度就会下降。所以在展开图像增强操作时，需要寻找一个折中方案。此次研究选择图像增强算法为研究对象，将图像预处理作为重点，在对图像增强处理的灰度变换等各类手段进行介绍后，选择了典型图像增强算法来展开研究工作，借助MATLAB来对算法进行实现，令图像得到优化。全文共分为五章，具体安排如下：（1）绪论。此章节不仅对此课题研究意义、背景进行了介绍，还对我国以及其他国家在这方面的研究现状进行了了解和分析，同时还简述了研究内容、论文框架。（2）图像增强基本理论。此章节对数字图像基本概念进行了阐述，同时还对常用图像增强手段进行了介绍。（3）频域图像增强原理与方法。此章节选择频域处理手段来展开研究，对其具体原理与手段进行了介绍。（4）频域图像增强算法的实现。此章节借助MATLAB来对此算法进行实现，选择几种典型滤波手段来处理图像，从而对前文算法进行了验证。（5）总结与展望。对全文进行总结，同时提出展望。第2章图像增强基本理论2.1图像和数字图像所谓图像，指的是形成视觉景象的事物比如动画、图片等。利用有限数字数值像素来表示二维图像的便是数字图像，它有许多称呼，比如数码图像等等，通过分析能够发现，数字图像是通过模拟图像数字化形成的，能够借助数字计算机来对其进行处理以及保存，其基本元素为像素。一般情况下，二维数字图像为矩型，可以通过二维数组来对其进行表示，此二维数值记为f（,y）,其中X,y分别为横纵坐标值，f（,y）指的是在此点处，图像各类性质比如灰度值等。通过蓝色、绿色以及红色三类单色的一定灰度值，就能够得到彩色，通常情况下，不论是灰度值，还是涉及的坐标，都为实数，其依赖的是灰度值度量单位，而非坐标系的选取。然而数字计算机只能够对有限个数字进行表示，因此需要对灰度值进行离散化处理。通过计算机来分析图像从而达到目的的技术便是图像处理，有人也将其叫做影像处理。通常当人们提到图像处理时，也都是指的数字图像处理。作为二维数组的数字图像，其中的元素、值分别被叫做像素、灰度值，通常图像处理技术主要由三部分构成，首先是匹配、描述以及识别部分；然后是复原、增强部分；另外是压缩部分。像康耐视系统等都是使用频率比较高的系统，近些年，有一项图像处理技术获得了不错的发展，那就是数字图像处理技术，它主要借助计算机来对图像进行各种处理，比如复原处理、消除噪声等。经分析能够看到，此技术在形成以及发展期间，其主要影响因素为：（1）各应用领域需求量的提升。（2）数学获得了不错的发展。（3）计算机技术发展水平不断提升。随着数字技术的不断发展和应用，图像增强技术在现实生活得到了充分的应用，达到一个全新的高度，令数据化保存、处理目标得以实现。简而言之，所谓数字图像处理技术，就是通过数字形式对图像进行处理、保存的技术。根据当前系统的总体设计板块和要求，系统模块中包含对文件进行编辑，对图像进行灰度化处理、类型转换等。图1显示了设计框图的具体情况。文件打开图像处理系统编辑图像剪切图像大小图像图像类型转换颜色空间转换图1设计框图利用MATLAB能够对图像进行直观演示,完成对图像的分割、增强等基本处理工作。图2显示了其实验项目具体情况。通常通过外界获得的图像为二维图像，表示为f(x,y),此处x、y为二维空间的坐标点，f是指在此点处其某类性质F的值。比如在灰度图中，f就指的是灰度值，在可见光成像中，客观景物被观察到的亮度可通过灰度值进行反映。经分析可知，常见图像通常具备连续性特点，因此不论是x、y,还是3它们可以是任何实数，为了通过计算机来加工图像，必须对连续图像进行离散化处理，处理后就得到了数字图像。在f(x,y)里，不论是x、y,还是f,都取整数。r./；i于2于23F=、于3于32于33>(1)以往图像在英语书籍里都用picture表示，当数字技术出现并获得不错的发展后，进行离散化处理的数字图像便用image来表示。在图像里存在许多基本单元，它们被叫做像素，如果图像为二维图像，像素则用PiXel表示2。在图像中，分辨率越高，就表示其中拥有越多像素，此时图像呈现的视觉效果也更清晰。如今灰度图是适用频率较高的图像之一，它能够对图像对应点亮度进行反映，用f表示。此处人们看到的物体表面光强量度就是亮度，在图像上，f(x,y)>0o实际情况中，人们能够看到图像，实际上是看到目光反射的光的集合，它主要包括两方面内容，首先是对反射比率；其次是进入到可见场景的光量。前者为反射成分，后者为照度成分，分别用r(x,y).i(x,y)表示，它们和f(x,y)为正相关关系，且/(x,y)=r(x,y)×i(x,y)O若是将图像灰度级别视为随机变量，它的分布情况能够对图像统计特性进行反映,此处可以借助PDF来对其进行刻画，灰度直方图为其表现形式。作为灰度值函数，灰度直方图可以对图像里灰度值像素数量进行描述，图1显示了其具体情况。能够发现，图像（a）的灰度直方图就是（b）,其横纵坐标分别表示像素灰度级别与数量。（b）图Ia为原图像b为a的灰度直方图2.2数字图像增强概述通过对图像增强技术进行分析能够发现，它的目的是希望加工处理图像，来得到更好的视觉效果4。在灰度图像中运用这一技术，主要是通过对像素灰度进行改变来获得更好的视觉效果。近些来年，各类图像增强算法不断涌现，其中像HE算法、Retinex算法等等都属于运用范围较为广泛、使用频率较高的算法。具体来讲，在各类图像增强算法中，HE算法属于最基本算法，它主要利用PDF满足近似均匀分布这一方式来令图像对比度得以提升，动态范围得以增大，它存在许多优点，比如拥有不错的实时性，实现起来并不具备较大难度等等2-4。后来出现的许多算法都是以此算法为基础而形成的，举例而言，比如BBHE算法，这一算法令HE算法中图像局部无法获得均匀亮度这一问题得到了解决5;比如DSIHE>SEHE算法，这两类算法在对图像进行处理后，能够得到极大信息燧，其主要令HE算法中丢失图像细节这一问题得到了解决6-9;比如MMBEBHE,这一算法能够令图像被处理前后的亮度均值误差得到有效控制7;比如LMHE,这一算法在对图像进行处理后，图像和人眼视觉特性相符8;比如WT算法，这一算法能够分解图像，主要将其分解成两类，一是高频图像；二是低频图像，然后通过增强各频率图像来对图像细节进行突出10-17。如果想要令低频图像整体亮度得到提升，两类函数能够发挥不错的效果，它们一是gamma函数；二是knee函数18。此外还有两类方法能够得到不错的增强效果，这两类方法一是对图像奇异矩阵进行增强;二是对小波域内图像对比度进行增强19-200在小波变换图像增强期间，会形成噪声，要想去除这类噪声，就需要将两方面结合起来，这两方面首先是小波变换；其次是曲波变换21o通过分析发现，PDE算法主要是通过对图像对比度场进行放大来增强图像的22-27o而TVPDE算法能够令图像对比度得到强化，同时也不会导致图像细节信息受到影响28O同时，针对TVPDE算法梯度函数，也形成了许多优化算法，它们的增强效果都很不错2629o比如Retinex算法通过对原图照度分量进行处理，得到了能够对物体本质颜色进行反映的一个分量，即反射分量，如此就能够增强图像视觉效果30-35o此外，如果图像的照度并不具备均匀性特点，就会有光晕伪影现象出现，此时在MRF下对物体反射分量进行计算，能够将这一现象消除掉36O如果将两类手段结合，这两类手段首先是FFT法；其次是ADO法，就能够轻松求得物体的两类值，它们一是反射分量；二是照度分量，此时此算法结果的稳健性也就能够得到充分保障37。通过稀疏表示法来表示物体反射分量函数，接着再借助学习字典来学习存在图像细节的反射分量，增强效果也很不错。如果将（x，y）位置，原图的灰度设成f,在对其进行处理后，图像变为g,此时图像增强手段可以表述成：把（x,y）的f进行映射，得到g。大部分时候，f、g拥有相同的取值范围，此处假设它们的取值范围是0,L-1,此处L指的是图像灰度级数，当f不同时，就需要选择不同规则来对其进行映射，从而得到相应的g,此处运用到的规则，可以表示为函数曲线，也可以表示为解析式子。在借助图像增强技术处理图像后，其并不一定能够和原图像多么相似，只不过能够令其变得更加清晰，能够令其形成更优质的视觉效果。能够发现，它主要是在对图像实际运用场合进行充分分析后，来对图像相关特性进行强调，抑或是转化图像，令其能够更适用于处理、分析工作的开展。能够发现，图像增强过程存在矛盾性特点，具体而言，图像增强希望能够将噪声去除，同时又希望对图像边缘进行增强，然而要达到后一目的，噪声便会增强，要达到前一目的，边缘清晰度就会下降。所以在展开图像增强操作时，需要寻找一个折中方案13。以往的图像增强手段比如ST转换手段以及高通滤波手段等在对转换函数进行明确之时，一般都是以整个图像为基础得到的统计量，此时在对整个图像变换量进行计算时，因为图像部分细节对计算并不会产生多大影响，所以一般会直接将其忽略，此时就容易形成这样一种结果，那就是无法获得良好的图像区域增强效果，要想解决前面提到的增强边缘时会增强噪声，去除噪声时会影响边缘增强效果这一矛盾就显得十分困难。从结构来看，数字图像处理系统主要由两部分构成，首先是软件部分；其次是硬件部分。图2显示了其具体情况。通信<采集A主机显示存储图2数字图像处理系统通过图2能够看到此系统的硬件构成情况，然而却并无法看到其软件系统的情况，实际上，在图像处理系统中，硬件和软件的重要性是一样的。在获取图像之时，如果并不具备良好的光照条件，或者设备的完善度不高，都会导致图像质量下降。要想对降质图像进行优化和改善，主要的手段是：首先，不管图像质量是为何降低的，直接对图像中需要突出的部分进行突出和强调，所以在对图像进行优化后，并不用理会其和原图像是否一致。其次，对图像质量下降的主要原因进行分析，确保其和原图足够一致。图3显示了数字图像处理流程的具体情况。当前的图像处理技术众多，有的是基本处理技术，即对图像进行去噪或者特征增强的简单处理，有的是更为先进的处理技术，即提取图像特征，对其进行分析，形成相应的解释。具体如下图：原始图像预处理>特征分析A图像理解图3图像处理流程图图像增强应该注意以下几方面:第一，确保图像两方面的对比度得到提升，这两方面首先是图像局部；其次是整个图像。第二，图像增强过程存在矛盾性特点，具体而言，要想将噪声去除，图像清晰度就会下降，要想对图像进行增强，噪声便会增强。所以需要寻找一个折中方案，令其能够在对图像进行增强的同时，不会对噪声进行放大。第三，借助图像增强技术对图像进行处理后，需要确保其视觉效果能够令人获得不错的体验，确保其和人眼视觉特性相符。第四，确保图像增强算法实时性较强。最近几年来出现了许多嵌入式产品，关于这类算法的实时性要求也变得愈发严苛，此时要想对工程使用要求进行满足，就必须确保这类算法实时性和相关要求相符。2.3图像增强方法和分类2.3.1图像增强的原理图像增强主要是在对图像实际运用场合进行充分分析后，来对图像相关特性进行强调，抑或是转化图像，令其能够更适用于处理、分析工作的开展。当然从视觉上说是要强化清晰度和可视性，同时消除不相关的信息和斑点来强调图像的整体效果或局部效果特征，能够发现，其通常会对人眼视觉特性进行运用，确保形成更好的视觉效果，此处，视觉如何一般都是看人的主观感受，并无客观评价标准，所以图像增强也并不存在统一标准。当前使用频率较高的图像增强技术包括：一是直方图修改。二是图像平滑滤波，也就是多重滤镜的功能。三是图像锐化使其突出的效果更好等。从类型上看，如果按照处理空间来对图像增强技术进行分类，可以将其分为两类,首先是空域增强技术；其次是频域增强技术。所谓频域增强方法主要是利用各种频域滤波器来实现的，主要是基于这种频域来进行图像平直滑或锐化的功能，很显然这种平滑和税化是较为常见的功能。再接着会利用变换域中的逆变换对图像进行有效的增强。此处空域增强技术可以直接处理图像像素，这种方式在很多软件上较多的存在,也比较方便。空域方法属于直接增强方法，包括去噪的平滑方法和边缘增强的锐化方法。现在的图像增强原理可用公式(1)表示。假设(,y)处原始图像的灰度为f(x,y),增强后的灰度为g(x,y),则图像的增强可以表示为：(,y)处的灰度；f(,y)映射到g(,y)。这种映射可以表示为：g(,y)=if(,y)(2)以上方法都是用于灰度图像处理的，但是用于彩色图像处理的方法并不多。为此,研究并比较了三种彩色图像增强方法。传统的图像增强算法通常是根据图像整体的统计信息来确定变换函数，这类算法有许多，比如差分锐化、St变换等。在对图像变换进行计算时，因为图像部分细节对计算并不会产生多大影响，所以一般会直接将其忽略。当数字图像直方图灰度级是O,LT,此时有h(rk)=nk,在这里，第k级灰度以及它的像素数量分别用r、nk表示。通过对以往图像增强法进行分析能够发现，如果按照处理空间来对其进行分类,可以将其分为两类，其具体情况如下：首先是空间域图像增强法。图像里一小块模板抑或是单个像素是其对象，具体而言，如果单个像素点是其对象，其相关操作就是点运算法，其内容十分丰富，比如直方图修正、线性点运算等，借助这类处理，就能够提升图像灰度级均匀度，令图像对比度显著提升，这样人们在观察图像时，也就能够看到更清晰的图像。如果一小块模块是其对象，其相关操作就是模板运算法，从类型上看，其主要由两类构成，首先是图像锐化，它可以提升图像边缘、纹理清晰度；其次是图像平滑化，它可以令图像噪声得以消除，令图像平滑度得以提升。其次是频率域图像增强法。它是利用傅里叶卷积滤波，变换空间域图像，令其变成频率域图像。2.3.2空间域图像增强由前文可知，从类型上看，如果对图像增强进行分类，可以将其分为两类，首先是频域增强，在这一增强算法里，可以将图像视为二维信号，然后以二维傅里叶变换为基础对其进行增强，如果想要对图像边缘高频信号进行增强，高通滤波法是不错的手段，如果想要将图像噪声进行去除，低通滤波法能够发挥不错的效果。同时此类算法主要是修正图像相关变换系数，因此在增强算法中属于间接增强算法。其次是空域增强。其类型众多，比如中值滤波法等，通过这类算法，能够令噪声被减弱或者被消除15。这类算法属于直接增强算法。经分析可知，空间域增强算法主要包括两类，首先是灰度变换等点运算算法，通过这类算法，能够提升图像灰度级均匀度，令图像对比度显著提升，这样人们在观察图像时，也就能够看到更清晰的图像。其次是领域去噪算法，它主要由两种构成，首先是图像锐化，如果要对图像边缘进行突出，此类手段是不错的选择；其次是图像平滑，如果要对图像噪声进行消除，此类手段能够发挥不错的效果，然而同时也会令边缘清晰度下降16。经分析可知，空域图像增强法主要包括：(1)图像灰度映射通过分析可知，图像灰度映射主要涉及以下内容：第一，对图像求反。简而言之，它就是翻转图像灰度值，如果图像部分颜色为白色，就将其变为黑色，如果图像部分颜色为黑色，就将其变为白色。如果图像部分像素较暗，就将其调整为较亮的状态，以往的黑白底片和照片之间的关系便是如此。第二，增强图像对比度。它属于线性变化，即对原图的态度级别进行增强，具体而言，当原图并不具备较高对比度之时，图像就会变得比较模糊，此时借助一定规则来对其像素灰度进行修改，即能够令其灰度动态范围发生变化。第三，压缩动态范围7。若原图拥有的动态范围在显示设备允许范围以外，即需要通过变换曲线等对其灰度压缩。(2)直方图处理在空间域图像增强技术中，直方图处理技术运用较为广泛，是图像增强技术中的基础手段。对于直方图处理而言，其主要包括两种处理方法，一种是直方图规定化,另外一种是直方图均衡化，通过这两种方法，能够有效实现图像的增强处理。在同一张图片中，具有不同频率的灰度值，在一定程度上造成图片中明暗区域有所不同，因此，当灰度值频率较小时，图像的整体较亮，对比度较差，不便观察，当灰度值频率较大时，图像整体较暗，图像的细节无法体现，不利于图像的观察。因此为有效提高图像的对比度，满足人民需求，可通过直方图均衡化实现对图像灰度的处理，对灰度值的动态范围进行科学处理与调整，进而增强图像，实现对图