【導讀】圖像處理廣義上包含圖像處理、圖像分析和圖像理解等內(nèi)容。圖像處理是對圖像。本身進行“加工”，以改善其視覺效果或表現(xiàn)形式。圖像處理的處理方法大致可分為:

　　

【正文】 圖像增強方法。小波分析因其分析信號的“數(shù)學顯微鏡’、多分辨分析能力，與圖像增強的結合成為一種必然。國內(nèi)外已有相關學者作了初步研究，并且顯示了它的優(yōu)勢。 基于小波分析的圖像增強，就是突出圖像的邊緣細節(jié)，盡可能的消除 負面因素，從而達到增強圖像的目的?；谛〔ǚ治龅膱D像增強是 采用小波變換，對低頻成分進行特殊處理，以增強圖像中的目標信息。本論文所做的基于小波變換域的圖像增強實驗涉及到二維小波分解、分解系數(shù)增強及二維小波重構三個部分的問題。 圖 為基于小波變換的圖像增強的基本框圖。 共 47 頁 第 22 頁 低 頻 分 解 系數(shù) 增 強高 頻 分 解 系數(shù) 衰 減小 波 重 構小 波 分 解增 強 圖 像 圖 基于小波變換的圖像增強基本框圖 二維小波分解 圖 二維小波分解方法 上圖 為二維小波分解方法示意圖，從二維小波變換的分析可以知道，圖像信號的小波分解實 質上就是把圖像信號分解成不同頻帶范圍內(nèi)不同的圖像分量，每一層小波分解都將待分解圖像分解成四個子帶圖像 :LL(水平與垂直方向均為低頻部分 )、LH(水平方向低頻、垂直方向高頻 )、 HL(水平方向高頻、垂直方向低頻 )、 HH(水平和垂直方向均為高頻 )，垂直和水平方向均為低頻的子帶信號稱為分析信號，其余三個子帶信號稱為細節(jié)信號，分析信號又可以進一步分解成四個子帶。因此，我們可以采用不同的方法來增強不同頻率范圍內(nèi)圖像的細節(jié)分量，突出不同尺度的細節(jié)，從而達到改善圖像的質量、增強圖像的層次感和視覺效果。 圖 小波變換 圖 ， (a)為原圖像； (b)為第一級分解； (c)為第二級分解； (d)為第三級分解。 由圖 ， (b)(c)(d)中 左上角的低頻子帶能量高度集中，系數(shù)相關性強；其余子圖像中除邊緣和細節(jié)外，零值或接近零值的小系數(shù)較多。 共 47 頁 第 23 頁 (a) (b) (c) (d) 圖 原始圖像與增強圖像 圖 中， (a)為原始圖像； (b)為原始圖像經(jīng)過單尺度分解后得到的增強圖像；(c)為原始圖像經(jīng)過二尺度分解后得到的增強圖像； (d)為 原始圖像經(jīng)過三尺度分解后得到的增強圖像。由圖 得知， (b)圖的效果最好。 (c)和 (d)圖中輪胎中心的增強部分很不清晰，層次感差，這是因為圖像能量主要集中在低頻部分，分解尺度越大，第 j層的低頻子帶又要分為 j+1 層低頻子帶和 j+1 層的三個高頻子帶，能量也隨著越小了。 分解系數(shù)增強 圖像的輪廓主要體現(xiàn)在低頻部分，而細節(jié)部分則體現(xiàn)在高頻部分，因此，可以通過對低頻分解系數(shù)進行增強處理，對高頻分解系數(shù)進行衰減處理，即可達到圖像增強的作用。 本次實驗在單尺度小波分解后用 appcoef2函數(shù)提取第一層的低頻 分解系數(shù) a1，用detcoef2函數(shù)分別提取第一層的高頻分解系數(shù) h v d1。然后對低頻分解系數(shù)增強，對高頻分解系數(shù)衰減。因為噪聲主要在高頻部分，所以在高頻衰減的同時抑制了噪聲，在增強的同時達到了去噪的效果。 (a) (b) (c) 圖 不同增強系數(shù)得到的增強圖像 圖 中， (a)為原始圖像； (b)為增強系數(shù)是 2 所得到的增強圖像； (c)為增強系數(shù)是 3得到的增強圖像。在此次實驗中選用的增強系數(shù)是 2，如果選用更大的系數(shù)將會使增強部分 對比度變大，視覺效果變差 ,如圖 (c)所示。在實際應用中，可以根據(jù)感興趣的細節(jié)所處的尺度，來選用不同的增強和衰減的系數(shù)，這種增強方法是非常符合人眼的視覺特性的。 小波重構 圖 為二維小波重構方法示意圖 共 47 頁 第 24 頁 圖 二維小波重構方法 本實驗是用 idwt2函數(shù)對低頻和三個高頻重構圖像的， 所得結果就是對原始圖像進行增強的圖像 .基于小波分析的圖像增強的 Matlab實現(xiàn)程序如下： load wmandril %畫出原始圖像 subplot(221)。image(X)。colormap(map)。 title(39。原始圖像 39。)。 axis square %下面進行圖像的增強處理 %用小波函數(shù) sym4對 X進行 2層小波分解 [c,s]=wavedec2(X,2,39。sym439。)。 sizec=size(c)。 %對分解系數(shù)進行處理以突出輪廓部分，弱化細節(jié)部分 for i=1:sizec(2) if(c(i)350) c(i)=2*c(i)。 else c(i)=*c(i)。 end end %下面對處理后的系數(shù)進行重構 xx=waverec2(c,s,39。sym439。)。 %畫出重構后的圖像 subplot(222)。image(xx)。 colormap(map)。 title(39。增強圖像 39。)。 axis square 運行結果如下圖 ： 共 47 頁 第 25 頁 (a)原始圖像 (b)增強圖像 圖 基于小波變換的圖像增強結果 從圖 ， 該方法有著明顯的優(yōu)越性。由于小波多分辨率分析的特性 ,經(jīng)小波變換處理后的圖像細節(jié)部分清晰 ,層次感強 ,具有較好的增強效果，它可以根據(jù)個人需要針對不同細節(jié)進行增強。 傳統(tǒng)的圖像增強技術 圖像增 強的目的是改善圖像的視覺效果，并把圖像處理成為適于計算機分析或控制的某種形式。為了適應各種用途，圖像增強需要采取各種技術手段綜合處理，而且針對不同用途，處理手段也大相徑庭。為滿足圖像增強，圖像往往要發(fā)生畸變?？傊?，圖像增強是不顧圖像畸變與否，只要滿足看得舒服和找出特征兩個目的就行。圖像增強包括的內(nèi)容廣泛。如去掉圖像的噪聲，抽取圖像中的一些目標的輪廓，圖像的勾邊處理，提取圖像中的特征以及把黑白圖像映射為彩色圖像等技術。在圖像處理系統(tǒng)中，圖像增強技術作為預處理部分的基本技術，是系統(tǒng)中十分重要的一環(huán)。迄今為止，圖像增強技術己經(jīng)廣泛用于軍事、地質、海洋、森林、醫(yī)學、遙感、微生物以及刑偵等方面。 目前常用的增強技術從整體上來說可以分為兩大類：基于空間域的增強方法、基于頻率域的增強方法。前者直接在圖像所在的二維空間進行處理，即直接對每一像元的灰度值進行處理；后者則是首先將圖像從空間域按照某種變換模型變換到頻率域，然后在頻率域空間對圖像進行處理，再將其反變換到空間域。 基于空間域的圖像增強 在圖像處理中，空域是指由像素組成的空間?？沼蛟鰪姺椒ㄖ钢苯幼饔糜谙袼氐脑鰪姺椒?，可表示為： g(x,y)=EH[f(x,y)] () 其中 ???f 和 ???g 分別為增強前后的圖像，而 EH 代表增強操作。如果 EH是定義在每個 (x,y)上的，則 EH 是點操作 。如果 EH 是定義在 (x,y)的某個鄰域上，則 EH 常稱 共 47 頁 第 26 頁 之為模板操作。 EH 既可以作用于一幅圖像 ???f ，也可以作用于一系列圖像?? ?? ??? ???? fff n, 21 ? 之上。 基于空間 域的圖像增強中效果比較好的是直方圖均衡化，它是統(tǒng)計意義上的增強方法，對于成像過程中曝光不足或者曝光過度造成的圖像明顯偏暗或偏亮等現(xiàn)象，有很好的效果。圖像的灰度直方圖是圖像中各像素對應的灰度等級分布的近似概率密度函數(shù)?；叶戎狈綀D均衡化是經(jīng)典的圖像增強技術。 直方圖均衡化處理是以累積分布函數(shù)變換法為基礎的直方圖修正法。這個方法的基本思想是采用累積分布函數(shù)作為變換函數(shù)，把原始圖像的直方圖變換為均勻分布的形式，這樣就增加了像素灰度值的動態(tài)范圍從而達到增強圖像整體對比度的效果。 實際上，由于直方圖是近似的概率 密度函數(shù)，用離散灰度級作變換時很少能得到完全平坦的結果，而且，變換后往往會出現(xiàn)灰度級減少的現(xiàn)象，這種現(xiàn)象被稱為“簡并”現(xiàn)象。這是像素灰度有限的必然結果。由于上述原因，數(shù)字圖像的直方圖均衡只能是近似的。 (a)均衡化前 (b)均衡化后 圖 圖像均衡化前、后圖像顯示效果比較 (c)均衡化前 (d)均衡化后 圖 圖像均衡化前、后直方圖比較 從圖 和圖 可以看出，原圖 (a)由于灰度的動態(tài)范圍 (c)太窄，導致對比度太小而使整幅圖模 糊不清。 經(jīng)過直方圖均衡化處理后， 灰度動態(tài)范圍被拉大成 (d)，處理后的 pout 圖像變 得 清晰了 ，圖像中的許多細節(jié)被突出了。圖像的 直方圖分布更 共 47 頁 第 27 頁 均勻了，在每個灰度級上圖像都有像素點。但是直方圖均衡化存在著兩個缺點： (1) 變換后圖像的灰度級減少，某些細節(jié)消失； (2) 某些圖像，如直方圖有高峰，經(jīng)處理后對比度不自然的過分增強。 基于頻率域的圖像增強 為了有效地和快速地對圖像進行處理和分析，常常需要將原定義在圖像空間的圖像以某種形式轉換到其他的空間，并利用在這些空間的特有性質方便地進行一 定的加工，最后再轉換回圖像空間以得到所需的效果。最常用的變化空間是頻域空間，頻域空間的增強方法有兩個關鍵 :①將圖像從圖像空間轉換到頻域空間所需要的變化 (設用 T表示 )以及再將圖像從頻域空間轉換回圖像空間所需的變換 (設用 1?T 表示 )；②在頻域空間對圖像進行增強加工的操作 (設仍用 EH表示 )。此時與式 ()對應的增強可表示為： g(x,y)= ? ?? ?)],([1 yxfTEHT ? () 常用的頻域增強方法有：低通濾波、 高通濾波、帶通和帶阻濾波以及同態(tài)濾波等等。同態(tài)濾波解決的是光照不均勻或光動態(tài)范圍過引起不清晰的圖像。高通濾波，是利用高通濾波器忽略圖像中過渡比較平緩的部分，突出那些能代表細節(jié)、跳變等的高頻部分，使得增強后的圖像邊緣細節(jié)部分清晰。這種方法適宜于圖像中物體的邊緣提取。但由于通過的低頻太少，故處理后的圖像視覺效果不好。 (a)原始圖像 (b)高通濾波圖像 圖 高通濾波圖像 從圖 (b)可見，圖像很昏暗，很多細節(jié)都看不清了。這是因為圖像的大部分能量集 中在低頻部分，而高通濾波使圖中各區(qū)域的邊界得到較明顯的增強的同時濾掉了低頻分量，使圖中原來比較平滑區(qū)域內(nèi)部的灰度動態(tài)范圍被壓縮，因而整幅圖變得比較昏暗。 小波變換用于圖像增強的優(yōu)勢 1) 定性分析 實踐表明，傳統(tǒng)的圖像增強方法在增強圖像的同時，往往會帶來了一些比較嚴重的負效應。比如，高頻濾波會引起原圖像中噪聲放大，在某種程度上是圖像的清晰度降低，與增強的日的背道而馳；平滑濾波能去掉一些顆粒狀噪聲，但同時模糊了圖像中原有的邊緣及細節(jié)。另外，有些增強方法由于本身的缺陷，應用范圍很窄。比如，帶阻濾波只適用 于噪聲在某個頻段內(nèi)的圖像；對比度增強對于受噪聲影響明顯的圖 共 47 頁 第 28 頁 像，效果不明顯，即不能有效地抑制噪聲，而且，僅僅利用了圖像中的局部信息；基于空域的增強中的經(jīng)典方法是直方圖均衡化，主要適用于受噪聲影響不明顯的圖像，可以較好地改善圖像的視覺效果，但不能起到噪聲抑制或去除的效果，而且當灰度直方圖有多個波峰時，它將使圖像增強過度，使得輸出圖像有較嚴重的噪聲出現(xiàn)。 小波分析利用圖像局部信息，克服了對每個像素采用同樣處理帶來的缺點，最終得到了良好的增強圖像。又由于它能多尺度多角度提取信號特征，并在不同尺度上讓噪聲和信 號明顯地區(qū)分開來，所以它在圖像去噪和增強方面有很大優(yōu)勢。 從兩者比較來看，基于小波變換的圖像增強的優(yōu)點可以歸納為以下兩點： 第一，不難發(fā)現(xiàn)，小波分解后，多級尺度多個高頻通道可得到增強。通過小波分解，得到低頻分量和多個尺度上的高頻分量 HH、 HL、 LH。人們可以根據(jù)個人興趣隨意增強某個尺度上的高頻部分，也可以隨意衰減某個尺度上的高頻。 第二，由于通過提取小波分解后的低頻信息實現(xiàn)了低通濾波功能，在去噪方面有獨特的優(yōu)勢，因而將去噪方法融合進來，達到增強和去噪相結合的目的。 2) 定量分析 表 不同方法的增強 效果對比 增強方法 均 值 對比度改善系數(shù) 原始圖像 高通濾波 直方圖均衡化 小波增強 從表 中可以看出，基于小波的圖像增強對應的對比度改善系數(shù)最大，說明該方法對圖像增強效果最顯著?；谛〔ǖ膱D像增強的均值比原始圖像的均值增大，對比度改善指數(shù)大于 l，說明處理前后圖像的亮度和對比度有了明顯的改善，細節(jié)信息有了明顯的增強。 (a) (b) (c) (d) 圖 四種方法得到的圖像增強效果的比較 如圖 中， (a)為原始圖像； (b)為直方圖均衡化后的圖像； (c)為高通濾波圖像；(d)小波增強圖像。本論文提出的基于小波的圖像增強能在避免放大噪聲的同時對圖像進行增強。實驗結果表明：該方法獲得了非常令人滿意的結果。 共 47 頁 第 29 頁