《图像增强算法综述》、 《图像增强》知识点

图片和公式来自《图像增强算法综述》

第二部作品为：图像增强_点滴成海~的博客-CSDN博客_图像增强

---

图像增强：算法对原有的图像进行修饰和加工，提供更好的视觉效果（例如照片拍摄时光线不足，便可以使用图像增强来改善图片质量）

图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。

1.空间域增强

        基于空域的方法直接对图像像素的灰度进行处理；在空间域内对图像进行点运算, 它是一种既简单又重要的图像处理技术, 它能让用户改变图像上像素点的灰度值, 这样通过点运算处理将产生一幅新图像

1.1灰度变换增强（灰度变换可使灰度动态范围加大，根据变换函数的形式，分为线性变换、非线性变换和分段性变换）：

        灰度变换主要针对独立的像素点进行处理，由输入像素点的灰度值决定相应的输出像素点的灰度值，通过改变原始图像数据所占的灰度范围而使图像在视觉上得到改善。它是将原图中的灰度f(x,y) 经过一个变换函数g=T[f] 转化成一个新的灰度g(x,y) 即

 g(x,y)=T[f(x,y)]    

1.1.1 线性变换

        在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像每一个像素灰度作线性拉伸，可有效地改善图像视觉效果。

    令图像f(i，j)的灰度范围为[a,b]，线性变换后图像g(i,j)的范围为[a´,b´]，如图1-1所示，g(i,j)与f(i,j)之间的关系式为：

         这种线性变换使灰度小于a和灰度大于b的像素灰度强度强行变换成a 和b，增强了图像中绝大多数像素的灰度层次感。

1.1.2 非线性灰度变换

    当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。

        （1）对数变换：对数变换的一般表达式为：

         这里a,b,c是为了调整曲线的位置和形状而引入的参数。当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配。

         （2）指数变换：指数变换的一般表达式为：

        这里参数a,b,c用来调整曲线的位置和形状。这种变换能对图像的高灰度区给予较大的拉伸。 

1.1.3分段线性变换

        为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。设原图像f(x,y)在[0，Mf],感兴趣目标的灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为：

         对原图像 将其灰度分布区间[a,b]划分为图中的三个子区间，对每个子区间采取不同的线性变换，通过变换参数的选择实现不同灰度区间的灰度扩张或压缩，因此分段线性变换的使用也是非常的灵活。增加灰度区间的分割的段数，以及仔细调各个区间的分割点和变换直线的斜率，可对任一灰度区间进行扩展和压缩。

1.2 直方图增强

        灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。通过修改直方图的方法增强图像是一种实用而有效的处理技术。直方图修正法包括直方图均衡化及直方图规定化两类。

        直方图原理：对一幅数字图像，若对应于每一灰度值，统计出具有该灰度值的象素数，并据此绘出象素数-灰度值图形，则该图形称该图像的灰度直方图，简称直方图。直方图是以灰度值作横坐标，象素数作纵坐标。有时直方图亦采用某一灰度值的象素数占全图总象素数的百分比（即某一灰度值出现的频数）作为纵坐标。

1.2.1直方图均衡化

        直方图均衡化（Histogram Equalization, HE）能有效的提高图像的对比度。该算法的一般流程为：

        首先，将输入图像的直方图进行有效的调整，

        紧接着将图像灰度值非线性拉伸，

        最后将图像的像素值重新分配，使图像灰度均匀地分布在全部灰度范围内。这样能提高图像的整体对比度，使得图像较暗区域的细节信息保留的更加完整，最终实现增强。

        HE按处理方式可以分为基于全局直方图均衡化算法和基于局部直方图均衡化算法。前者是对低照度图像进行整体灰度级调整，若待处理的图像整体偏暗，则会使增强后的图像视觉效果极差，同时造成图像中的目标信息不能突显出来，对于那些全局灰度范围较宽的图像，增强后其细节不能很好地保留。后者的思想是将输入图像分割成各个子块，然后分别对其进行直方图均衡化，最终将各子块叠加来实现增强图像。

1.2.2直方图规定化

        在某些情况下，人们并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。直方图规定化是在运用均衡化原理的基础上,通过建立原始图像和期望图像之间的关系,选择地控制直方图,使原始图像的直方图变成规定的形状,从而弥补了直方图均衡化不具备交互作用的特性人们希望增强后的图像,其灰度级的分布不是均匀的，而是具有规定形状的直方图,这样可突出感兴趣的灰度范围。

直方图规定化使图像增强的实质是：

        (1)增大两个占有较多像素灰度之间的差距,一般来讲,背景和目标占有较多的象素,这样实际上加大了背景和目标的对比度,增大了反差。

        (2)归并占有较少的像素,通常,目标和背景的过渡处的像素较少,由于归并,其或者变为背景点或者变为目标点,从而使边界变得陡峭,使图像细节清晰,达到图像增强的目的。

1.3图像平滑

        一幅原始图像在获取和传愉过程中会受到各种噪声的干扰, 使图像质量下降,时分析图像不利。这些噪声干扰使图像退化, 质量下降。表现为图像模糊, 特征淹没, 对图像分析不利为了抑制噪声、改善图像质童, 要时图像进行平滑处理。图像平滑处理的方法多种多样, 有邻域平均法、掩膜平滑法，空间低通滤波、噪声门限法、中值滤波法，多幅图像平均法等。

        在空间域平滑滤波有很多种算法, 其中最常见的有线性平滑、非线性平滑、自适应平滑。

        （1）线性平滑就是对每一个像素的灰度值用它的邻域值来代替, 其邻域的大小为N×N, N一般取奇数。经过线性平滑滤波, 相当于图像经过了一个二维的低通滤波器, 可是虽然是降低了噪声, 但同时也模糊了图像边缘和细节, 这是这类滤波器存在的通病。

        （2）非线性平滑是对线性平滑的一种改进, 即不对所有像素都用它的邻域平均值来代替, 而是取一个闭值, 当像素灰度值与其邻域平均值之间的差值大于已知值时才以均值代替当像素灰度值与其邻域平均值之间的差值不大于闭值时取其本身的灰度值。非线性平滑可消除一些孤立的噪声点, 对图像的细节影响不大, 但对物体的边缘会带来一定的失真。

        （3）自适应平滑是一种根据当时、当地情况来尽量不模糊边缘轮廓为目标进行控制的方法, 所以这种算法要有一个适应的目标。根据目的的不同, 可以有各种各样的自适应图像处理方法。

下面再分别简单介绍几种线性平滑、非线性平滑算法和其它一些算法：

1.3.1线性平滑