【正文】 ，它不僅是偏導(dǎo)數(shù)的線性組合，而且是各向同性的，這樣可以使圖像中間任何方向伸展的邊緣和輪廓線變得清晰?；叶茸儞Q是圖像增強(qiáng)的一種重要手段，使圖像對比度擴(kuò)展，圖像更加清晰，特征更加明顯。作為圖像灰度的量度函數(shù)應(yīng)大于零。將二維坐標(biāo)位置函數(shù)稱為灰度?？梢杂嗅槍π缘赝ㄟ^改變直方圖的灰度分布狀況，使灰度均勻地或按預(yù)期目標(biāo)分布于整個灰度范圍空間，從而達(dá)到圖像增強(qiáng)的效果。歸納起來，直方圖主要有一下幾點性質(zhì)： （1）直方圖中不包含位置信息。直觀上講，可以得出這樣的結(jié)論，若一幅圖像其像素占有全部可能的灰度級并且分布均勻，這樣的圖像有高對比度和多變的灰度色調(diào)。從直方圖的定義可知，連續(xù)圖像的直方圖是一位連續(xù)函數(shù)，它具有統(tǒng)計特征，例如矩、絕對矩、中心矩、絕對中心矩、熵。 當(dāng)圖像對比度較小時，它的灰度直方圖只在灰度軸上較小的一段區(qū)間上非零，較暗的圖像由于較多的像素灰度值低，因此它的直方圖的主體出現(xiàn)在低值灰度區(qū)間上，其在高值灰度區(qū)間上的幅度較小或為零，而較亮的圖像情況正好相反。直方圖均衡化原理是針對象元灰級過于集中(出現(xiàn)直方圖高峰)、圖像結(jié)構(gòu)不清；實施高峰方向壓縮，在水平方向使直方圖特征成為灰級高度相同或相近的新直方圖。： ，原始圖的灰度范圍大約是70到160之間，灰度分布的范圍比較狹窄，所以整體上看對比度比較差，而直方圖均衡化后，灰度幾乎是均勻的分布在0到255的范圍內(nèi)，圖像明暗分明，對比度很大，圖像比較清晰明亮，很好的改善了原始圖的視覺效果。根據(jù)噪聲頻譜分布的規(guī)律和統(tǒng)計特征以及圖像的特點,出現(xiàn)了多種多樣的去噪方法。平滑噪聲可以在空間域中進(jìn)行，基本方法是求像素灰度的平均或中值。均值濾波也稱為線性濾波,其采用的主要方法為鄰域平均法。外，圖像鄰域平均算法簡單，計算速度快，但它的主要缺點是在降低噪聲的同時使圖像產(chǎn)生模糊，特別在邊沿和細(xì)節(jié)處，鄰域越大，模糊越厲害。鄰域平均法是空間域平滑噪聲技術(shù)。中值濾波是空間域非線性的圖像去噪方法， 其原理與均值濾波相似， 也是利用當(dāng)前待處理像素的鄰域， 將該鄰域內(nèi)像素點的灰度值進(jìn)行排序， 選取其中的中值作為中值濾波的中值， 將待處理像素的灰度值替換為該中值．將大小為3* 3 的鄰域中的9 個像素點的灰度值進(jìn)行升序排序得到( a1， a2 ， a9 ) ，則經(jīng)過中值濾波處理后點( x， y) 的灰度值為:f 39。對椒鹽噪聲有很好的去噪效果。(a)可見，對于高斯噪聲，中值濾波濾除噪聲效果一般。原因：(1)椒鹽噪聲是幅值近似相等但隨機(jī)分布在不同位置上，圖像中有干凈點也有污染點。因此能降低高頻成分幅度的濾波器就能減弱噪聲的影響。低通濾波的作用就是濾除這些高頻分量，保留低頻分量，使圖像信號平滑。由于圖像中邊緣細(xì)節(jié)等突出的信息同樣位于高頻部分， 所以頻率域低通濾波在濾除噪聲頻率的同時會使得屬于高頻部分的圖像中的邊緣細(xì)節(jié)信息受到損傷。按照維納濾波的理論假設(shè)，維納濾波能最大限度從受干擾信號中濾除噪聲信號，提取有用信號，故也稱其為最佳濾波器。(a)所示加入高斯噪聲后維納濾波的仿真效果。 (a) (b) 銳化圖像銳化處理的作用是使灰度反差增強(qiáng)，從而使模糊圖像變得更加清晰。這將導(dǎo)致原始圖像在平滑處理之后，圖像邊緣和圖像輪廓模糊的情況出現(xiàn)。但要注意能夠進(jìn)行銳化處理的圖像必須有較高的性噪比，否則銳化后圖像性噪比反而更低，從而使得噪聲增加的比信號還要多，因此一般是先去除或減輕噪聲后再進(jìn)行銳化處理。這表明微分是可以加強(qiáng)高頻成分的，從而使圖像輪廓變清晰。通常圖像和對他實施拉式算子后的結(jié)果組合后產(chǎn)生一個銳化圖像。因此，銳化處理可選擇拉普拉斯算子對原圖像進(jìn)行處理產(chǎn)生描述灰度突變的圖像，再將拉普拉斯圖像與原始圖像疊加而產(chǎn)生銳化圖像。但是，圖像顯示清楚的地方，經(jīng)過濾波發(fā)生了失真，這也是拉氏算子增強(qiáng)的一大缺點。對于數(shù)字圖像{ f(i,j) }經(jīng)典算子的定義如下:設(shè)： 則 或 通過定義可以利用兩個方向模板與圖像進(jìn)行鄰域卷積來完成的算子的邊緣檢測。Sobel 算子也可用模板表示。Sobel算子和Prewitt算子一樣，都在檢測邊緣點的同時具有抑制噪聲的能力，檢測出的邊緣寬度至少為二像素。水平和垂直梯度模板分別為： 利用檢測模板可求得水平和垂直方向的梯度，再通過梯度合成和邊緣點判定，就可得到平均差分法的檢測結(jié)果。Prewitt算子將圖像邊緣拉大，近乎失真。采用低通濾波（即只讓低頻信號通過）法，可去掉圖中的噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號，使模糊的圖片變得清晰。圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)處理過程所在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種。常用算法有拉普拉斯算子、Prewitt算子和Sobel算子等。謝 辭在論文完成之際，我心情無法平靜。黃老師一絲不茍、嚴(yán)格律己、寬以待人的崇高品質(zhì)對學(xué)生將是永遠(yuǎn)的鞭策。這里再次對黃老師的無私付出表示深深的謝意。北京航天大學(xué)出版社,1994[6]放如明,蔡健榮,1999[7]李介谷等，數(shù)字圖像處理，上海交通大學(xué)出版社，1988[8]阮秋琦，數(shù)字圖像處理學(xué)，電子工業(yè)版社，2001[9]張兆禮，趙春暉，梅曉丹,:人民郵電出版社，2001[10]張志涌,. 北京：北京航空航天大學(xué)出版社，2003[11]郝文化,田蕾,[12]張琨,畢靖,[13]陳楊,陳榮娟,[14]黃賢武等，數(shù)字圖像處理和壓縮編碼技術(shù)，電子科技大學(xué)出版社，2000[15]容觀澳，計算機(jī)圖像處理，清華大學(xué)出版社，2000[16]Strum, R. D. and Kirk D. E. Contemporary Linear Systems Using MATLAB. PWS Publishing, 1994 (ISBN 0534932738).[17]Biran, A. and Breiner, M. G. MATLAB for Engineers, AddisonWdsley, 1995 (ISBN 0201565242).[18]MalekMadani, R. Advanced Engineering Mathematics with Mathematica and MATLAB, AddisonWesley, 1998 (ISBN 02015988171).[19]Marcus, M. Matrices and MATLAB: A Tutorial. Prentice Hall, 1993 (ISBN 0135629012).[20]Ogata, K. Solving Control Engineering Problems with MATLAB. Prtice Hall, 1993 (ISBN 0130459070).[21]Stang, G. Introduction to Lincar Algebra. WellesleyCambridge Press, 1993 (ISBN 0961408855).[22]Strum, R. D. and Kirk D. E. Contemporary Linear Systems Using MATLAB. PWS Publishing, 1994 (ISBN 0534932738).[23]T .Aach, .Multiscale linear/median hybrid filters for noise reduction in low dose xray images,IEEE Intenrational Conference on Image Processi ng,1997,75( 2):358361[24]Ziaur Rahman , Glenn A. Woodell and Daniel J. Jobson .A Comparison of the Multiscale Retinex With Other Image Enhancement Techniques[25]Alejandro F. Frangi, Wiro J. Niessen, Koen L. Vincken, Max A. Viergever .Multiscale vessel enhancement filtering. 附　錄 本文算法MATLAB程序%%%%灰度變換增強(qiáng)法close allclear allI=imread(39。title(39。title(39。 %subplot(2,2,3),imshow(J)。subplot(2,2,4),imhist(J)。%%%直方圖均衡化%%clear all。)。)。)。直方圖均衡化后的圖像39。均衡化后的圖像的直方圖39。I=imread(39。salt amp。title(39。title(39。K=conv2(J,h)。)。中值濾波后的圖像39。I=imread(39。gaussian39。原圖像39。疊加零均值高斯噪聲后的圖像39。subplot(2,3,3),imshow(K,[])。L=medfilt2(J)。)。維納濾波后的圖像39。I1=imread(39。h1=fspecial(39。figure,imshow(I1,[])。%%增強(qiáng)圖像為原圖像減去Sobel算子運(yùn)算后的結(jié)果figure,imshow(I3,[])。I1=imread(39。h1=fspecial(39。figure,imshow(I1,[])。%%增強(qiáng)圖像為原圖像減去Prewitt算子運(yùn)算后的結(jié)果figure,imshow(I3,[])。I1=imread(39。h1=fspecial(39。figure,imshow(I1,[])。%%增強(qiáng)圖像為原圖像減去高斯拉普拉斯算子運(yùn)算后的結(jié)果figure,imshow(I3,[])。 and processing of image data for storage, transmission, and representation for au tonomous machine perception. An image may be defined as a twodimensional function, f(x, y), where x and y are spatial (plane) coordinates, and the amplitude of f at any pair of coordinates (x, y) is called the intensity or gray level of the image at that point. When x, y, and the amplitude values of f are all finite, discrete quantities, we call the image a digital image. The field of digital image processing refers to processing digital images by means of a digital puter. Note that a digital image is posed of a finite number of elements, each of which has a particular location and value. These elements are referred to as picture elements, image elements, pels, and pixels. Pixel is the term most widely used to denote the elements of a digital image.Vision is the most advanced of our senses, so it is not surprising that images play the single most important role in human perception. However, unlike humans, who are limited to the visual band of the electromagnetic (EM) spec trum, imaging machines cover almost the entire EM spectrum, ranging from gamma to radio waves. They can operate on images generated by sources that humans are not accustomed to associating with images. These include ultra sound, electron microscopy, and putergenerated images. Thus, digital image processing enpasses a wide and varied field of applications.There is no general agreement