【正文】 布于整個(gè)灰度范圍空間，從而達(dá)到圖像增強(qiáng)的效果?；叶戎狈綀D是灰度值的函數(shù)，描述的是圖像中具有該灰度值的像素的個(gè)數(shù)，（b）為圖像（a）的灰度直方圖，其橫坐標(biāo)表示像素的灰度級(jí)別，縱坐標(biāo)表示該灰度出現(xiàn)的頻率（像素的個(gè)數(shù)）。 （a） 原始圖像 (b)原始圖像灰度直方圖 原始圖像與相應(yīng)灰度直方圖 圖像增強(qiáng)概述隨著數(shù)字技術(shù)的不斷發(fā)展和應(yīng)用，現(xiàn)實(shí)生活中的許多信息都可以用數(shù)字形式的數(shù)據(jù)進(jìn)行處理和存儲(chǔ)，數(shù)字圖像就是這種以數(shù)字形式進(jìn)行存儲(chǔ)和處理的圖像。利用計(jì)算機(jī)可以對(duì)它進(jìn)行?，F(xiàn)圖像處理技術(shù)所不能實(shí)現(xiàn)的加工處理，還可以將它在網(wǎng)上傳輸，可以多次拷貝而不失真。數(shù)字圖像處理亦稱為計(jì)算機(jī)圖像處理，指將圖像信號(hào)轉(zhuǎn)換成數(shù)字格式并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過程。這項(xiàng)技術(shù)最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的數(shù)字計(jì)算機(jī)己經(jīng)發(fā)展到一定水平，人們開始利用計(jì)算機(jī)來處理圖形和圖像信息。數(shù)字圖像處理成為一門獨(dú)立的學(xué)科可追溯到20世紀(jì)60年代初期。1964年，美國(guó)噴氣推進(jìn)實(shí)驗(yàn)室利用計(jì)算機(jī)對(duì)太空船發(fā)回的月球圖像信息進(jìn)行處理，收到明顯的效果，不久，一門稱為數(shù)字圖像處理的新學(xué)科便誕生了，而且很快便對(duì)通訊、電視傳輸、醫(yī)學(xué)、印染工業(yè)、工業(yè)檢測(cè)及科學(xué)研究領(lǐng)域產(chǎn)生了重大影響。數(shù)字圖像處理系統(tǒng)主要由圖像采集系統(tǒng)、數(shù)字計(jì)算機(jī)及輸出設(shè)備組成。 數(shù)字圖像處理系統(tǒng)，圖中并沒有顯示出軟件系統(tǒng)，在圖像處理系統(tǒng)中軟件系統(tǒng)同樣是非常重要的。在圖像獲取的過程中，由于設(shè)備的不完善及光照等條件的影響，不可避免地會(huì)產(chǎn)生圖像降質(zhì)現(xiàn)象。影響圖像質(zhì)量的幾個(gè)主要因素是：（1）隨機(jī)噪聲，主要是高斯噪聲和椒鹽噪聲，可以是由于相機(jī)或數(shù)字化設(shè)備產(chǎn)生，也可以是在圖像傳輸；（2）系統(tǒng)噪聲，由系統(tǒng)產(chǎn)生，具有可預(yù)測(cè)性質(zhì)；（3）畸變，主要是由于相機(jī)與物體相對(duì)位置、光學(xué)透鏡曲率等原因造成的，可以看作是真實(shí)圖像的幾何變換。，從一幅或是一批圖像的最簡(jiǎn)單的處理，如特征增強(qiáng)、去噪、平滑等基本的圖像處理技術(shù)，到圖像的特征分析和提取，進(jìn)而產(chǎn)生對(duì)圖像的正確理解或者遙感圖像的解譯，最后的步驟可以是通過專家的視覺解譯，也可以是在圖像處理系統(tǒng)中通過一些知識(shí)庫而產(chǎn)生的對(duì)圖像的理解。 圖像處理流程圖數(shù)字圖像處理技術(shù)起源比較早，但真正發(fā)展是在八十年代后，隨著計(jì)算機(jī)技術(shù)的高速發(fā)展而迅猛發(fā)展起來。到目前為止，圖像處理在圖像通訊、辦公自動(dòng)化系統(tǒng)、地理信息系統(tǒng)、醫(yī)療設(shè)備、衛(wèi)星照片傳輸及分析和工業(yè)自動(dòng)化領(lǐng)域的應(yīng)用越來越多。但就國(guó)內(nèi)的情況而言，應(yīng)用還是很不普遍，人們主要忙于從事于理論研究，諸如探索圖像壓縮編碼等，而對(duì)于將成熟技術(shù)轉(zhuǎn)化為生產(chǎn)力方面認(rèn)識(shí)還遠(yuǎn)遠(yuǎn)不夠。California大學(xué)的Tony chen教授認(rèn)為，目前國(guó)際上最常用的三種圖像處理框架是：基于變換的圖像處理框架；基于偏微分方程（PDE）的圖像處理框架；基于統(tǒng)計(jì)學(xué)的圖像處理框架。其中基于變換的圖像處理框架主要在實(shí)現(xiàn)圖像壓縮上有優(yōu)勢(shì)，而基于偏微分方程（PDE）的圖像處理框架在圖像的噪聲去除、邊緣提取、圖像分割上有優(yōu)勢(shì)。事實(shí)上，除了這三種工具以外，數(shù)學(xué)形態(tài)學(xué)、神經(jīng)網(wǎng)絡(luò)等學(xué)科在圖像去噪及圖像分割方面也存在特有的優(yōu)勢(shì)。 圖像增強(qiáng)概述 圖像增強(qiáng)的定義圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)削弱或去除某些不需要的信息的處理方法，也是提高圖像質(zhì)量的過程。圖像增強(qiáng)的目的是使圖像的某些特性方面更加鮮明、突出，使處理后的圖像更適合人眼視覺特性或機(jī)器分析，以便于實(shí)現(xiàn)對(duì)圖像的更高級(jí)的處理和分析。圖像增強(qiáng)的過程往往也是一個(gè)矛盾的過程：圖像增強(qiáng)希望既去除噪聲又增強(qiáng)邊緣。但是，增強(qiáng)邊緣的同時(shí)會(huì)同時(shí)增強(qiáng)噪聲，而濾去噪聲又會(huì)使邊緣在一定程度上模糊，因此，在圖像增強(qiáng)的時(shí)候，往往是將這兩部分進(jìn)行折中，找到一個(gè)好的代價(jià)函數(shù)達(dá)到需要的增強(qiáng)目的。傳統(tǒng)的圖像增強(qiáng)算法在確定轉(zhuǎn)換函數(shù)時(shí)常是基于整個(gè)圖像的統(tǒng)計(jì)量，如：ST轉(zhuǎn)換，直方圖均衡，中值濾波，微分銳化，高通濾波等等。這樣對(duì)應(yīng)于某些局部區(qū)域的細(xì)節(jié)在計(jì)算整幅圖的變換時(shí)其影響因?yàn)槠渲递^小而常常被忽略掉，從而局部區(qū)域的增強(qiáng)效果常常不夠理想，噪聲濾波和邊緣增強(qiáng)這兩者的矛盾較難得到解決。 常用的圖像增強(qiáng)方法圖像增強(qiáng)是按特定的需要突出一幅圖像中的某些信息，同時(shí)，消弱或去除某些信息使得圖像更加實(shí)用。圖像增強(qiáng)技術(shù)主要包含直方圖均衡化、對(duì)比度增強(qiáng)、平滑噪聲和銳化等。（1） 直方圖均衡化有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細(xì)節(jié)看不清楚。這時(shí)可以通過直方圖均衡化將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級(jí)變大，通過調(diào)整圖像灰度值的動(dòng)態(tài)范圍，自動(dòng)地增加整個(gè)圖像的對(duì)比度，使圖像具有較大的反差，細(xì)節(jié)清晰。（2） 對(duì)比度增強(qiáng)法有些圖像的對(duì)比度比較低，從而使整個(gè)圖像模糊不清。這時(shí)可以按一定的規(guī)則修改原來圖像的每一個(gè)象素的灰度，從而改變圖像灰度的動(dòng)態(tài)范圍。（3） 平滑噪聲有些圖像是通過掃描儀掃描輸入、或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機(jī)產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點(diǎn)。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。圖像平滑就是針對(duì)圖像噪聲的操作，其主要作用是為了消除噪聲，圖像平滑的常用方法是采用均值濾波或中值濾波，均值濾波是一種線性空間濾波，它用一個(gè)有奇數(shù)點(diǎn)的掩模在圖像上滑動(dòng)，將掩模中心對(duì)應(yīng)像素點(diǎn)的灰度值用掩模內(nèi)所有像素點(diǎn)灰度的平均值代替，如果規(guī)定了在取均值過程中掩模內(nèi)各像素點(diǎn)所占的權(quán)重，即各像素點(diǎn)所乘系數(shù)，這時(shí)就稱為加權(quán)均值濾波；中值濾波是一種非線性空間濾波，其與均值濾波的區(qū)別是掩模中心對(duì)應(yīng)像素點(diǎn)的灰度值用掩模內(nèi)所有像素點(diǎn)灰度值的中間值代替。（4） 銳化平滑噪聲時(shí)經(jīng)常會(huì)使圖像的邊緣變的模糊，針對(duì)平均和積分運(yùn)算使圖像模糊，可對(duì)其進(jìn)行反運(yùn)算采取微分算子使用模板和統(tǒng)計(jì)差值的方法，使圖像增強(qiáng)銳化。圖像邊緣與高頻分量相對(duì)應(yīng)，高通濾波器可以讓高頻分量暢通無阻，而對(duì)低頻分量則充分限制，通過高通濾波器去除低頻分量，也可以達(dá)到圖像銳化的目的。 圖像增強(qiáng)的現(xiàn)狀與應(yīng)用計(jì)算機(jī)圖像處理的發(fā)展歷史不長(zhǎng)，但已經(jīng)引起了人們的重視。圖像處理技術(shù)始20世紀(jì)60年代，由于當(dāng)時(shí)圖像存儲(chǔ)成本高，處理設(shè)備造價(jià)高，因而其應(yīng)用面很窄。1964年美國(guó)加州理工學(xué)院的噴氣推進(jìn)實(shí)驗(yàn)室，首次對(duì)徘徊者7號(hào)太空飛船發(fā)回的月球照片進(jìn)行了處理，得到了前所未有的清晰圖像，這標(biāo)志著圖像處理技術(shù)開始得到實(shí)際應(yīng)用。70年代進(jìn)入發(fā)展期，出現(xiàn)和衛(wèi)星遙感圖像，對(duì)圖像處理的發(fā)展起到了很好的促進(jìn)作用。80年代進(jìn)入普及期，此時(shí)微機(jī)己經(jīng)能夠承擔(dān)起圖形圖像處理的任務(wù)。VLSI的出現(xiàn)更使得處理速度大大提高，其造價(jià)也進(jìn)一步降低，極大的促進(jìn)了圖像處理系統(tǒng)的普及和應(yīng)用。90年代是圖像處理技術(shù)實(shí)用化時(shí)期，圖像處理的信息量巨大，對(duì)處理的速度要求極高。21世紀(jì)的圖像處理技術(shù)要向高質(zhì)量化方面發(fā)展，實(shí)現(xiàn)圖像的實(shí)時(shí)處理，采用數(shù)字全息技術(shù)使圖像包含最為完整和豐富的信息，實(shí)現(xiàn)圖像的智能生成、處理、理解和識(shí)別。目前，許多新的增強(qiáng)算法都充分利用了周圍鄰域這一重要的信息，形成了很多局部處理的灰度調(diào)整算法，該方法主要利用了鄰域的統(tǒng)計(jì)特性。其中自適應(yīng)濾波器既能平滑又能保護(hù)邊緣，其基本思想是濾波器的參數(shù)可根據(jù)像素所在的鄰域情況而自適應(yīng)選取，也可描述為加權(quán)平均濾波器，可以較好的平滑噪聲區(qū)域，并能保護(hù)較顯著的邊緣，但對(duì)圖像細(xì)節(jié)的保護(hù)較差，該算法對(duì)脈沖噪聲敏感，而且模型的性能受參數(shù)的影響比較大。近年來，模糊集合理論在圖像處理中得到了廣泛的應(yīng)用。例如Yang和Tohl采用模糊規(guī)則改進(jìn)傳統(tǒng)的中值濾波器中濾波窗口尺度的選擇，改善了算法對(duì)高斯噪聲的抗噪性能。Russoti提出的自適應(yīng)模糊濾波算子可以較好的保護(hù)圖像細(xì)節(jié)和濾除高斯噪聲，其算法中窗口的大小由鄰域一致性程度決定，該一致性程度由一個(gè)模糊邏輯規(guī)則導(dǎo)出。圖像增強(qiáng)中變換域增強(qiáng)也得到很廣泛的應(yīng)用，例如付傅氏變換、離散余弦變換、小波變換等，其中小波是近年來發(fā)展起來的一種新的時(shí)頻分析工具，它具有時(shí)頻局部化能力和多分辨率分析的能力，使得它很適合于信號(hào)處理鄰域。對(duì)圖像進(jìn)行多尺度小波變換后，不同頻率的信號(hào)出現(xiàn)在不同尺度的子帶圖像上，有了這些特性就能很好的對(duì)感興趣的部分進(jìn)行增強(qiáng)。圖像變換的方法是多種多樣的。通過采取適當(dāng)?shù)脑鰪?qiáng)處理可以將原本模糊不清甚至根本無法分辨的原始圖片處理成清楚、明晰的富含大量有用信息的可使用圖像，因此圖像增強(qiáng)技術(shù)在許多領(lǐng)域得到廣泛應(yīng)用。在圖像處理系統(tǒng)中，圖像增強(qiáng)技術(shù)作為預(yù)處理部分的基本技術(shù)，是系統(tǒng)中十分重要的一環(huán)。迄今為止，圖像增強(qiáng)技術(shù)己經(jīng)廣泛用于軍事、地質(zhì)、海洋、森林、醫(yī)學(xué)、遙感、微生物以及刑偵等方面。第三章 圖像增強(qiáng)方法和原理圖像增強(qiáng)是通過一定手段對(duì)原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配。在圖像增強(qiáng)過程中，不分析圖像降質(zhì)的原因，處理后的圖像不一定逼近原始圖像。 圖像變換人與電腦對(duì)事物的理解是不同的，對(duì)于人來說，文字信息要比圖像信息抽象，但是對(duì)于電腦來說，圖像信息要比文字信息抽象。因此，對(duì)于計(jì)算機(jī)來說，要對(duì)圖像進(jìn)行處理，并不是一件容易的事情。為了快速有效的對(duì)圖像進(jìn)行處理和分析，我們通常都需要對(duì)圖像進(jìn)行一些變換，把原來的圖像信息變?yōu)榱硪粡埿问剑褂?jì)算機(jī)更容易理解、處理和分析。這種變換就是所謂的圖像變換。圖像變換是指圖像的二維正交變換，它在圖像增強(qiáng)、復(fù)原、編碼等方面有著廣泛的應(yīng)運(yùn)。如傅立葉變換后平均值正比于圖像灰度的平均值，高頻分量則表明了圖像中目標(biāo)邊緣的強(qiáng)度和方向，利用這些性質(zhì)可以從圖像中抽取出特征；又如在變換域中，圖像能量往往集中在少數(shù)項(xiàng)上，或者說能量主要集中在低頻分量上，這時(shí)對(duì)低頻成分分配較多的比特?cái)?shù)，對(duì)高頻成分分配較少的比特?cái)?shù)，即可實(shí)現(xiàn)圖像數(shù)據(jù)的壓縮編碼。 離散圖像變換的一般表達(dá)式對(duì)于二維離散函數(shù) x=0,1,2,…,M1；y=0,1,2,…,N1 ()有變換對(duì) ()u=0，1，2，…，M1 v＝0，1，2，…，N1 x=0，1，2，…，M1 y＝0，1，2，…，N1 ()變換核可分離的離散圖像變換表示為： ()如此，二維離散變換就可以用兩次一維變換實(shí)現(xiàn)。 離散沃爾什變換由于傅立葉變換的變換核由正弦余弦函數(shù)組成，運(yùn)算速度受影響。要找另一種正交變換，要運(yùn)算簡(jiǎn)單且變換核矩陣產(chǎn)生方便。Walsh Transform矩陣簡(jiǎn)單，只有1和－1，矩陣容易產(chǎn)生，有快速算法。一維離散沃爾什變換假如N=2，則離散 f(x) （ x=0,1, 2,…,N1）的沃爾什變換 u=0，1，2，…，N1 () x=0，1，2，…，N1 ()二維離散沃爾什變換 ()（u=0,1,2…,M1 v=0,1,2…,N1） ()（x=0,1,2…,M1 y=0,1,2…,N1）這里假定了M=2，N＝2從上式可知，反正變換核具有可分離性，即 ()所以，二維離散沃爾什變換可由兩次變換來實(shí)現(xiàn)。 灰度變換