图像增强方法的研究摘要数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。

在图像处理中，图像增强技术对于提高图像的质量起着重要的作用。

本文先对图像增强的原理以及各种增强方法进行概述，然后着重对灰度变换、直方图均衡化、平滑和锐化等几种常用的增强方法进行了深入的研究，在学习数字图像的基本表示与处理方法的基础上，针对图像增强的普遍性问题，研究和实现常用的图像增强方法及其算法，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的适用场合，并对其图像增强方法进行性能评价。

如何选择合适的方法对图像进行增强处理，是本文的主要工作，为了突出每种增强方法的差异，本文在Matlab的GUI图形操作界面中集合了四种常用算法的程序，以达到对各种算法的对比更直观和鲜明的效果。

关键词：图像增强直方图均衡化灰度变换平滑锐化目录1 图像增强的基本理论 (3)1.1 课题背景及意义 (3)1.2 课题的主要内容 (4)1.3 数字图像基本概念 (5)1.3.1数字图像的表示 (5)1.3.2 图像的灰度 (5)1.3.3灰度直方图 (5)1.4 图像增强概述 (6)1.5图像增强概述 (8)1.5.1图像增强的定义 (8)1.5.2常用的图像增强方法 (8)1.5.3图像增强的现状与应用 (9)2 图像增强方法与原理 (10)2.1 图像变换 (10)2.1.1 离散图像变换的一般表达式 (10)2.1.2 离散沃尔什变换 (11)2.2 灰度变换 (12)2.2.1 线性变换 (12)2.2.2 分段线性变换 (13)2.2.3 非线性变换 (13)2.3 直方图变换 (14)2.3.1 直方图修正基础 (14)2.3.2 直方图均衡化 (16)2.3.3 直方图规定化 (17)2.4 图像平滑与锐化 (18)2.4.1 平滑 (18)2.4.2 锐化 (19)3 图像增强算法与实现 (20)3.1 灰度变换 (20)3.2 直方图均衡化 (23)3.3 平滑算法 (24)3.4 锐化 (26)274 结论 (28)致谢 (29)参考文献 (30)附录源程序代码 (31)1 图像增强的基本理论1.1 课题背景及意义随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的发展，已经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。

它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。

对图像进行处理时，经常运用图像增强技术以改善图像的质量。

在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。

在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。

总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。

尽管由于目的、观点、爱好等的不同，图像质量很难有统一的定义和标准，但是根据应用要求改善图像质量却是一个共同的目标。

图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。

从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量[1]。

处理后的图像是否保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。

图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。

它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，很少涉及客观和统一的评价标准。

增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。

目前图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、卫星图片的处理等领域。

如对x射线图片、CT影像、内窥镜图像进行增强，使医生更容易从中确定病变区域，从图像细节区域中发现问题；对不同时间拍摄的同一地区的遥感图片进行增强处理，侦查是否有敌人军事调动或军事装备及建筑出现；在煤矿工业电视系统中采用增强处理来提高工业电视图像的清晰度，克服因光线不足、灰尘等原因带来的图像模糊、偏差等现象，减少电视系统维护的工作量。

图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用[2]。

在图像处理过程中，图像增强是十分重要的一个环节。

本文的主要内容就是围绕图像增强部分的一些基本理论和算法而展开。

1.2 课题的主要内容图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。

但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。

传统的图像增强算法在确定转换函数时常是图像变换、灰度变换、直方图变换、图像平滑与锐化、色彩增强等。

常用的一些图像增强方法是学习图像增强的基础，至今它们对于改善图像质量仍发挥着重要的作用。

本文着重研究了这些增强方法对图像进行增强处理，针对图像增强的普遍性问题，研究和实现常用的图像增强方法及其算法，讨论不同的增强算法的适用场合，并对其图像增强方法进行性能评价。

全文共分四章，具体安排如下。

第一章图像增强的基本理论。

介绍图像增强技术的课题背景和意义、本文的研究内容。

阐述图像增强中用到的有关数字图像的一些基本概念；概述常用的一些图像增强方法及其特点，如灰度变换、直方图均衡化。

第二章图像增强方法与原理。

针对图像增强过程中遇到的问题，提出相应的解决方法。

第三章图像增强算法与实现。

第四章结论。

最后是致谢，论文的结尾附有源程序代码。

1.3 数字图像基本概念1.3.1 数字图像的表示图像并不能直接用计算机来处理，处理前必须先转化成数字图像。

早期一般用picture 代表图像，随着数字技术的发展，现在都用image 代表离散化了的数字图像。

由于从外界得到的图像多是二维（2-D ）的，一幅图像可以用一个2-D 数组),(y x f 表示。

这里x 和y 表示二维空间XY 中一个坐标点的位置，而f 则代表图像在点),(y x 的某种性质数值。

为了能够用计算机对图像进行处理，需要坐标空间和性质空间都离散化。

这种离散化了的图像都是数字图像，即),(y x f 都在整数集合中取值。

图像中的每个基本单元称为图像的元素，简称像素[3]。

1.3.2 图像的灰度常用的图像一般是灰度图，这时f 表示灰度值，反映了图像上对应点的亮度。

亮度是观察者对所看到的物体表面反射光强的量度。

作为图像灰度的量度函数),(y x f 应大于零。

人们日常看到的图像一般是从目标上反射出来的光组成的，所以),(y x f 可看成由两部分构成：入射到可见场景上光的量；场景中目标对反射光反射的比率。

确切地说它们分别称为照度成分),(y x i 和反射成分),(y x r 。

),(y x f 与),(y x i 和),(y x r 都成正比，可表示成),(y x f ＝),(y x i ×),(y x r 。

将二维坐标位置函数),(y x f 称为灰度。

入射光照射到物体表面的能量是有限的，并且它永远为正，即0<),(y x i < ；反射系数为0时，表示光全部被物体吸收，反射系数为1时，表示光全部被物体反射，反射系数在全吸收和全反射之间，即0<),(y x r <1。

因此图像的灰度值也是非负有界的。

1.3.3 灰度直方图灰度直方图是数字图像处理中一个最简单、最有用的工具，它反映了数字图像中每一灰度级与其出现频率之间的统计关系。

可以有针对性地通过改变直方图的灰度分布状况，使灰度均匀地或按预期目标分布于整个灰度范围空间，从而达到图像增强的效果。

灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，如图2.1所示，（b）为图像（a）的灰度直方图，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的频率（像素的个数）。

（a） (b)图2.1 a为原图像 b为a的灰度直方图1.4 图像增强概述随着数字技术的不断发展和应用，现实生活中的许多信息都可以用数字形式的数据进行处理和存储，数字图像就是这种以数字形式进行存储和处理的图像。

利用计算机可以对它进行常现图像处理技术所不能实现的加工处理，还可以将它在网上传输，可以多次拷贝而不失真。

数字图像处理亦称为计算机图像处理，指将图像信号转换成数字格式并利用计算机对其进行处理的过程。

这项技术最早出现于20世纪50年代，当时的数字计算机己经发展到一定水平，人们开始利用计算机来处理图形和图像信息。

数字图像处理成为一门独立的学科可追溯到20世纪60年代初期。

1964年，美国喷气推进实验室利用计算机对太空船发回的月球图像信息进行处理，收到明显的效果，不久，一门称为数字图像处理的新学科便诞生了，而且很快便对通讯、电视传输、医学、印染工业、工业检测及科学研究领域产生了重大影响[4]。

数字图像处理系统主要由图像采集系统、数字计算机及输出设备组成。

如图2.2所示[5]。

图1.1 数字图像处理系统图2.2仅仅是图像处理的硬件设备构成，图中并没有显示出软件系统，在图像处理系统中软件系统同样是非常重要的。

在图像获取的过程中，由于设备的不完善及光照等条件的影响，不可避免地会产生图像降质现象。

影响图像质量的几个主要因素是：（1）随机噪声，主要是高斯噪声和椒盐噪声，可以是由于相机或数字化设备产生，也可以是在图像传输；（2）系统噪声，由系统产生，具有可预测性质；（3）畸变，主要是由于相机与物体相对位置、光学透镜曲率等原因造成的，可以看作是真实图像的几何变换。

数字图像处理流程如图2.3所示，从一幅或是一批图像的最简单的处理，如特征增强、去噪、平滑等基本的图像处理技术，到图像的特征分析和提取，进而产生对图像的正确理解或者遥感图像的解译，最后的步骤可以是通过专家的视觉解译，也可以是在图像处理系统中通过一些知识库而产生的对图像的理解。

图1.2 图像处理流程图数字图像处理技术起源比较早，但真正发展是在八十年代后，随着计算机技术的高速发展而迅猛发展起来。

到目前为止，图像处理在图像通讯、办公自动化系统、地理信息系统、医疗设备、卫星照片传输及分析和工业自动化领域的应用越来越多。

但就国内的情况而言，应用还是很不普遍，人们主要忙于从事于理论研究，诸如探索图像压缩编码等，而对于将成熟技术转化为生产力方面认识还远远不够。