图像增强

电子科技大学 格拉斯哥学院 2017级 2017200602036 程奕

目录

1. 问题
2. 分析
3. 具体做法

问题

在现实社会中对于图片进行传输，而在这途中经常会出现压缩图片的情况出现，因此我们最后得到的图片就会不如之前拍摄或者要表达的清晰而导致一系列的误解或不适。对于压缩后的图片是否可以通过某种技术或者算法来增强图片的质量，提高它的分辨率。
有时是因为过曝或者光线太暗等原因导致图片分辨率很高但是对比度过低，从而导致图片细节不清晰或者与边上的颜色相近。

分析

对于图片来说分辨率是由组成图片的像素个数所决定的，而在压缩图片的过程中就是将颜色相同或是相近的像素点进行压缩，比如把一块颜色相近的蓝色区域统一标记成蓝色用程序语言表达成X*#0000FF而不是之前的X1*#0000FA+X2*#001FFF……如此的不同颜色都区分开的表达形式。而在有的区域或是把不同的几个临近像素统一融合成了另一种颜色比如将红黄的色块直接用橙色来进行记录。
所以增强图片的分辨率就是把之前统一表达的颜色重新分开成为原有的像素（理论上）。

1. 对于相近颜色的压缩较难重新解压，因为这种压缩可能是将多种颜色表达成了其中占比最大的一种颜色，所以不存在颜色的融合，很难重新分开。
2. 对于颜色的融合来说，可以分析颜色的组成。比如压缩后的像素是橙色的，那么4个或多个像素融合组成橙色的组合是有限的，因为可以知道原图像的色彩分辨率。这样就能得到原像素的组合，再对周围大片色块进行分析，将相近的颜色分配到相近的大块色块的边角上，保留中间的两种颜色的分界线。比如在大块的红与黄与蓝色之间有一条橙色的色块，就可以将中间的其他颜色的那一块不清晰的色块进行颜色的分配（符合颜色的叠加）。
3. 灰度图片可以通过改变亮度来分析大块暗部或者过曝的区域的颜色差别。比如图片某块是黑的，可能将其亮度/对比度提升后就会有不同的色差，在根据算法来进行部分的亮度增强或者减弱。

具体做法

对于灰度图片而言：

1. 进行直方图正规化：

https://blog.csdn.net/m0_38007695/article/details/82718107

clear all;
clc;
close all;
f=imread('zftjhh1.jpg');
[m,n,d]=size(f);%灰度图1维，彩色图3维
if d==1
	f1=f;%复制后新的图片f1，作为改变后的图片
elseif d==3
	f=rgb2gray(f);
	f1=f;end
figure
imhist(f)
[count,x]=imhist(f);%count表示每个灰度级别有多少个像素，x表示有多少个灰度级别
PDF=count/(m*n);%PDF表示每个灰度级别出现的概率，一共有256行
CDF=cumsum(PDF);%CDF表示逐行相加的概率，也就是累加概率 
for i=1:256  
	xiangsuxushu=find(f==i);%原本灰度级别为i的像素在第几位    
	changdu=length(xiangsuxushu);  
	for j=1:changdu        
		f1(xiangsuxushu(j))=round(CDF(i)*256-1);%每一个原本灰度级别为i的像素，灰度级别改为累加出现概率*256 再取整    
	end
end
figure
imhist(f1)
figure
imshow(f1)

2. 进行直方图正规化后可以得到灰度图片的灰度直方图，如果直方图过于集中在某一边就会使得图片大部分区域较暗或者较亮。在日常使用中为了看清每个区域的细节，可以将直方图进行放缩。
   对于较暗的图片可以对直方图在x轴上伸长，这样得到的图片就会从整体较暗变成灰，但得到的图片不会整体发灰而是暗的地方依然暗但是灰度的地方会变亮从而使得某些阴影中的细节得以凸显出来。
3. 对于增强后的图片也要进行处理不然亮部可能会导致过曝，因此就要进行下一步处理：对于整体较暗的图片要设置一个x轴伸长的限度不然会使得亮部直接过曝：将亮部的上限设置使其不是不易等比例的伸长而是在亮部伸长较短，暗部伸长较多。这样就会使得到的图片暗部普遍亮度提升，亮部轻微变亮甚至不变。

对于局部马赛克

1. 对马赛克进行颜色组合的分析：每块马赛克是由哪几种颜色按照什么比例组成的
2. 对于马赛克的外部可以与周围的清晰部分进行对比，选择颜色相近的色彩组合并对这些颜色的像素进行类似周围的颜色排列
3. 对于内部马赛克进行物品类别的分析：对数据库中的物品进行压缩得到相同与马赛克的分辨率再进行比较找出最相近的物品进行贴图然后修复
4. 对于贴图周围的马赛克如同步骤1-2进行重新的组合与排列
5. 对于外部有直线条的可以进行直线条的延申，再两条直线条内的颜色就参照外部清晰图像进行贴图与分析

参考：
https://blog.csdn.net/m0_38007695/article/details/82718107
https://www.cnblogs.com/king-3/p/6483521.html