崔 冲 丁建华
（大连海事大学信号与图像处理研究所 大连 116026）
E-mail cui_chong@https://www.doczj.com/doc/4a12369917.html, ； huazai0135020@https://www.doczj.com/doc/4a12369917.html,
摘 要：针对含有微弱纹状物或点状物的图像，提出一种基于小波变换的自适应图像增强算法，首先根据小波变换提取出图像中不同变化频率的微弱纹状物，再对这些微弱纹状物进行自适应放大，加大其对比度，从而达到增强的目的，实验结果表明，该算法有着良好的增强效果。
关键词： 图像增强；自适应；小波变换；
1 引言
由于受光照、设备等因素的制约，实际摄取的图像会含有较大的噪声，灰度对比度低，某些局部细节没有明显的灰度差别，使人眼或者机器难以识别，因此有必要进行图像增强，为后续处理做准备。
常用的图像增强算法，比如直方图变换、直方图均衡等都有很好的增强效果，但这些都是全局性算法，对某些灰度集中且对比度低的图像，如含有微弱纹状物或点状物的图像，应用这些算法反而会降低清晰度[1]，本文根据此类图像的特点，在已有算法的基础上[2]，利用小波变换，根据图像信号的变化频率自适应调整求均值的邻域窗口大小，从而使得慢变和快变的信号同时得到增强。
2 基本原理
先介绍一种简单的增强算法[2]，为讨论方便，取出一副数字图像中某一行的像素数据形成一维数据信号，它表示数字图像中某一行的灰度变化信息。如图1所示。增强微弱 )(x f 变化就是增强波形中缓变部分，从而使得波形中微弱的波峰和波谷尽可能得到增强。为此，需要求出的慢变均值，再求出其差值)(x f )(x g )()(x g x f a ?=Δ，即可提取出波峰和波谷。下一步就是对这个差值信号进行自适应放大：a Δa A x p Δ?=)(，A 为放大系数，A 应能按照自适应变化，当大时，A 值小，当a Δa Δa Δ小时，A 值大。经自适应放大后的波形如图2所示，显然，中微弱的波峰和波谷都得到充分的放大。
)(x p )(x
f
图1 原始信号f(x)波形
图2 增强后的信号p(x)波形
https://www.doczj.com/doc/4a12369917.html,
),(y x f P =，得到如下算法：
1，先计算图像中每一点的(2M+1)(2N+1)邻域均值
∑∑+?=+?=++==M x M x i N y N y j j i f N M y x g P ),()12)(12(1),('
2，计算灰度差
);,(),('y x g y x f P P P ?=?=Δ
3，计算自适应放大系数A
对于自适应放大系数A 可有多种构造方法，一种合理的定义方法如下：
a
y x Q y x A +′=
),(),(σ 其中 ∑∑+?=+?=?++=′M x M x i N
y N y j y x g j i f N M y x ),(),()12)(12(1),(σ
该式主要是以象素点(x,y)为中心的(2M+1)×(2N+1)矩形邻域内灰度的局部平均差为依据。其中，Q 为一个常数，其值根据情况而定。Q 大则各灰度层次差加大，而灰度层次总数减小，Q 小则各灰度层次差减小，灰度层次较丰富，但明暗对比度稍弱，a>0是一个限制因子，它有两个作用。一是可以避免除以零，另一个作用是用来调整信号提取的程度。a 越小，被放大的差值信号门限就越低，提出的信号较多；a 越大，被放大的差值信号门限越高，提出的信号就越少。
4，将坐标原点沿灰度轴上移C 个单位，增加图像整体亮度。
C P A F +Δ?=；
为了保证F 不越界，还要对F 的值进行以下调整：
()()()??
???≥<<≤=255255255000F F F F F
通过matlab 仿真和工程实践，该算法有良好的增强效果，但仍有不足之处：计算均值时所取邻域的大小对微弱信号的提取有一定的影响，邻域大，只能较好地提取粗的条纹，邻域小，只能较好地提取到图像的细节变化信息。基于此，本文提出根据小波变换自适应调整邻域大小，使得粗略信息和细节信息同时得到增强。
3 基于小波变换的自适应邻域调整
小波分析方法是一种时频局域化分析方法，在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，这种特性使小波变换具有对信号的自适应性[4]。
图3是对一维信号的一维小波分解，采用db3小波，分解层数为3。从图中可以看出，原始信号的高频部分所在位置对应的三层高频系数的幅值都较大，相对低频部分对应的幅值较小，由此，可根据信号进行小波变换后的系数幅值来确定信号频率的大小，对于高频信号，求均值时用较小的邻域，对于低频信号，求均值时用较大的邻域，这样便能准确地提取出信号的波峰和波谷。
)(x f
图3 一维信号p(x)及其归一化的小波变换系数
将以上方法推广到二维，便能应用到图像信号波峰和波谷的提取。首先对图像做N 层离散小波变换，对每层的变换系数进行插值，使其等于原始图像的大小，得到，，，；对系数幅值的绝对值相加并求邻域和得到，它反映图像信号频率变化的快慢。值越大，频率越高，反之，频率越低。
),(y x f k LH k HL k HH N k ,...2,1=),(y x g ),(y x g ),(y x f ),(y x f ∑∑∑+?=+?==++=
M
x M x i N y N y j N k k k k j i HH j i HL j i LH y x g 1),(),(),(),(
将归一化，并加上0.5，得到 ),(y x g {}5.0),(max ),(),(+=
y x g y x g y x l ，由此，可计算求均值时的自适应邻域大小????
?
?=),(),(y x l m y x M ，m 为调节邻域窗口大小的参数，使得M 的取值范围为。 []??2,5.1*m 本文的算法就是用这个自适应邻域(2*＋1)(2*+1)代替前面算法中所有用到的的固定领域(2M ＋1)(2N+1)，并对其它步骤做了优化得到如下算法：
),(y x M ),(y x M 1， 先计算图像中每一点的邻域大小
),(y x M 2， 计算图像中每一点的邻域均值
3， 计算灰度差 ),(),('y x g y x f P P P ?=?=Δ
4， 计算自适应放大系数A
5， 将坐标原点沿灰度轴上移C 个单位，增加图像整体亮度
图4～图6为bacteria 原始图以及两种算法增强后效果的比较：
图4 bacteria 原始图 图5 文献2算法增强效果 图6 本文算法增强效果
通过大量仿真及实践证明，对于含有微弱纹状物或点状物的图像，与原算法相比，本文算法能提取出更多的纹理信息，具有更好的增强效果。
参考文献
[1] 雍 杨 弱小目标低对比度图像增强算法研究 [J]. 激光与红外 2005， 35(5)，370－373
[2] 陶德元等 两种有效的图像增强算法及其应用 [J]. 数据采集与处理 1991， 6(4)， 29-33
[3] Rafael C Gonzalez 著 阮秋琦 等译 《数字图像处理》 北京，电子工业出版社，2003.3
[4] 飞思科技产品研发中心 编著 《小波分析理论与MATLAB7实现》 北京，电子工业出版社，2005，3
An Adapting Image Enhancement Arithmetic Based on
Wavelet Transform
CuiChong, Ding Jianhua
(Institute of Signal and Image Processing, Dalian Maritime University,DaLian,116026)
Abstract
This paper provides an adapting image enhancement arithmetic for the special image which contains faint veins object. It distills the faint veins object using the time-frequency characteristic of wavelet transform, then magnifies the puny signal to improve the image contrast. The testing result shows this arithmetic is very effective to the special image.
Keywords image enhancement; adapting; wavelet transform;
基于小波变换的图像融合 摘要：图像融合是通过某种算法，将两幅或多幅不同的图像进行合并以形成一一幅新的图像的过程，其的主要目的是通过对多幅图像间的冗余数据的处理来提高图像的可靠性，通过对多幅图像间的互补信息的处理来提高图像的清晰度。本文的研究重点是基于小波变换实现图像的初步融合，完成将两幅不同的图像进行合并以形成一幅新的图像。关键词:图像融合，小波变换，融合算法，图像信息 Abstract The image fusi on is a procedure that comb ine more tha n two images in order to get a new image, and it ' s main purpose of image fusi on of multiple images is enhance the reliability of image through deal with the ultra data of the in itial image, and improve the defi niti on of the image through deal with the compleme ntary in formatio n of the images. The key point of this article is realized the image fusi on based on the wavelet tran sform and comb ines two images to get a new image. Key Words : image fusion, wavelet transform, fusion algorithm, image in formatio n 一、引言 图像融合是通过某种算法，将两幅或多幅不同的图像进行合并以形成一幅新的图像的过程。在众多的图像融合技术，基于小波变换的图像融合方法已成为现今的个热点，图像融合技术是数据融合技术的一种特定情形，它是以图像的形式来表达具 体的信息，它对人的视觉产生作用。图像融合具体来说是根据某一算法，将所获得的针对同一目标场景的多幅配准后的图像进行综合处理，从而得到一幅新的、满足某种条件的、对目标或场景的描述更为准确、更为全面、更为可靠的图像。融合后的图像应该比原始图像更加清晰可靠和易于分辨。图像融合充分利用了多个原始图像所包含的冗余信息和互补信息，能够起到扩大传感范围、提高系统可靠性和图像信息利用率的作用。 二、小波变换图像融合 传统的信号理论，是建立在Fourier分析基础上的，而Fourier变换作为一种全局性的变化，其有一定的局限性。在实际应用中人们开始对Fourier变换进行各种 改进，小波分析由此产生了。小波分析是一种新兴的数学分支，它是泛函数、Fourier 分析、调和分析、数值分析的最完美的结晶；在应用领域，特别是在信号处理、图像处理、语音处理以及众多非线性科学领域，它被认为是继Fourier分析之后的又 一有效的时频分析方法。小波变换与Fourier变换相比，是一个时间和频域的局域 变换因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析（Multiscale Analysis ），解决了Fourier变换不能解决的许多困难问题。 近些年来，小波变换倍受科技界的重视，它不仅在数学上已形成了一个新的分支，
图像增强算法研究综述 刘璐璐 宁波工程学院电子与信息工程学院计算机科学与技术071班，邮编:(315100) E-mail:375212239@https://www.doczj.com/doc/4a12369917.html, 摘要：本文简要介绍图像增强的概念和图像增强算法的分类，从图像的直方图均衡化处理方法，直方图规定化处理方法和图像平滑处理方法三方面对图像增强算法进行讨论和研究，并说明了图像增强技术的应用和前景展望。 关键词：图像增强直方图均衡化直方图规定化平滑处理 近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。在图像处理过程中，图像增强是十分重要的一个环节。 1.图像增强概念及现实应用 1.1 图像增强技术 图像增强是数字图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息。这类处理是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识别系统，图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。 1.2图像增强技术的现实应用 目前，图像增强处理技术的应用己经渗透到医学诊断、航空航天、军事侦察、纹识别、无损探伤、卫星图片的处理等领域，在国民经济中发挥越来越大的作用。其中最典型的应用主要体现以下方面。 1
研究基于小波变换的图像压缩 摘要 图像压缩的关键技术是图像数据转换,转换后的数据进行数据量化和数据熵编码。基于小波变换的图像压缩是一种常见的图像压缩方法,本篇论文使用小波变换、多分辨率分析及不同规模的量化和编码实现图像压缩。在相同的条件下,本文采用两种不同的方法,第一种方法保留低频和放弃高频,第二种方法是阈值方法来实现图像压缩。 关键词：关键词——小波变换；小波图像系数；量化；编码 1.引言 图像压缩是指损失一部分比特率的技术或无损还原原始图像信息。在信息理论中,它的有效性，源编码的问题,即通过移除冗余即不必要的信息来实现这一目标。压缩的图像信息有两个方法，模拟和数字,因为数字压缩方法有大幅减少比特数量的优势,绝大多数的系统使用数字压缩方法。信号分析及处理的常用方法是傅里叶变换(FT),而且最广泛的分析工具应用于图像处理,但由于傅里叶变换不能满足局部的时间域和频率域的特点,小波变换具有傅立叶变换没有的两个特征,同时小波变换系数相同的空间位置描述在不同的尺度上有相似性,使得小波变换能进行量化编码。近年来,使用基于小波变换的图像压缩已取得了很大的进步,也变换算法充分利用小波系数的特性。 2.图像压缩编码的基本原理 图像编码研究侧重于如何压缩图像数据信息,允许一定程度的失真条件下的还原图像(包括主观视觉效果),称为图像压缩编码。然后使图像信号的信号源通过系统PCM编码器由线性PCM编码,压缩编码器压缩图像数据,然后摆脱码字的冗余数据。图像压缩编码的基本原理是图1。
图1 图像压缩编码的基本框图 因此,图像编码是使用统计特性的固有效果和视觉特征,从原始图像中提取有效信息，信息压缩编码和删除一些无用的冗余信息,从而允许高效传输的数字图像或数字存储。图像恢复时,恢复图像的不完全与原始图像相同,保留有效信息的图像。 3.小波分析的基本理论 小波变换具有良好的定位时间和频域的特征,充分利用非均匀分布的分辨率,对于高频信号,使用时域的小时间窗口,进行低频信号分析,使用一个大的时间窗口。这正值一个时频分布特征,高频信号持续很长时间，不易衰减,低频信号持续很长时间,正好适合图像处理。 4. 基于小波的图像压缩变换 小波变换用于图像压缩的基本思想,小波变换用于图像压缩:首先选择小波对原始图像进行小波变换,得到了一系列小波系数,然后对这些系数量化和编码。使用某些特征相同的相邻元素之间的子频带的小波系数和量化小波系数实现图像数据压缩的目的。二维图像信号多分辨率分析和Matlab算法是关键,需要引入二维多分辨率分析和Matlab算法。二维可分离的多分辨率分析和Matlab算法可以很容易地由一维离散小波变换得到。图3 Matlab分别为二维分解图和重建算法图。 图2二维Matlab分解图
计算机与现代化 ２０１４年第２期 ＪＩＳＵＡＮＪＩＹＵＸＩＡＮＤＡＩＨＵＡ总第２２２期 文章编号：１００６－２４７５（２０１４）０２－００７３－０４收稿日期：２０１３－０９－０９ 基金项目：国家自然科学基金资助项目（６０９７２１０１）；江苏省科技支撑计划项目（ＢＥ２０１２０９６，ＢＥ２０１３３７２）；南通市科技计划项目（ＢＫ２０１２０２５） 作者简介：束代群（１９８８－），女，江苏盐城人，河海大学物联网工程学院硕士研究生，研究方向：数字图像处理；朱浩（１９８９－），男，硕士研究生，研究方向：数字图像处理；盛惠兴（１９６１－），男，江苏无锡人，副教授，硕士，研究方向：信息获取与处理，通信系统；李庆武（１９６４－），男，河南新乡人，教授，博士生导师，博士，研究方向：数字图像处理，信息获取与智能感知。一种基于视觉特性的彩色图像增强算法 束代群１，朱 浩１，盛惠兴１，２，李庆武１，２，周 军２ （１．河海大学物联网工程学院，江苏常州２１３０２２；２．南通河海大学海洋与近海工程研究院，江苏南通２２６０１９） 摘要：为了增强图像暗区域部分，基于人类视觉系统的全局和局部自适应调节原理，提出一种彩色图像增强方法。该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复３个部分。全局亮度调节采用直方图非线性自适应拉伸来增强暗区域的亮度；局部对比度增强利用当前点与区域像素之间的关系，调节当前点的亮度，以增强图像局部对比度；通过一种自适应的非线性颜色恢复算法恢复图像色彩。通过大量图像对比实验分析表明，本文方法可以自适应有效快速地实现图像增强。 关键词：人类视觉调节原理；自适应亮度调整；局部对比度增强；色彩恢复；快速 中图分类号：ＴＰ３９１ 文献标识码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６－２４７５．２０１４．０２．０１７ ＡｎＡｌｇｏｒｉｔｈｍｆｏｒＣｏｌｏｒＩｍａｇｅＥｎｈａｎｃｅｍｅｎｔＢａｓｅｄｏｎＨｕｍａｎＶｉｓｕａｌＰｒｏｐｅｒｔｙ ＳＨＵＤａｉ－ｑｕｎ１，ＺＨＵＨａｏ１，ＳＨＥＮＧＨｕｉ－ｘｉｎｇ１，２，ＬＩＱｉｎｇ－ｗｕ１，２，ＺＨＯＵＪｕｎ２ （１．ＣｏｌｌｅｇｅｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｚｈｏｕ２１３０２２，Ｃｈｉｎａ； ２．ＮａｎｔｏｎｇＨｏｈａｉＵｎｉｖｅｒｓｉｔｙＭａｒｉｎｅａｎｄＯｆｆｓｈｏｒｅＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｎａｎｔｏｎｇ２２６０１９，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｏｅｎｈａｎｃｅｔｈｅｄａｒｋａｒｅａｓｏｆａｎｉｍａｇｅ，ａｎｏｖｅｌａｌｇｏｒｉｔｈｍｔｏｅｎｈａｎｃｅｔｈｅｃｏｌｏｒｉｍａｇｅｂａｓｅｄｏｎｇｌｏｂａｌａｎｄｌｏｃａｌａｄａｐｔａ－ｔｉｏｎｏｆｔｈｅｈｕｍａｎｖｉｓｕａｌｒｅｇｕｌａｔｉｏｎｐｒｉｎｃｉｐｌｅｓｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅａｌｇｏｒｉｔｈｍｍａｉｎｌｙｃｏｎｓｉｓｔｓｏｆｔｈｒｅｅｐａｒｔｓ：ａｐｒｅｌｉｍｉｎａｒｙｇｌｏｂａｌｌｕｍｉ－ｎａｎｃｅａｄｊｕｓｔｍｅｎｔｆｏｌｌｏｗｅｄｂｙｌｏｃａｌｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔａｎｄｃｏｌｏｒｒｅｓｔｏｒａｔｉｏｎ．Ｔｈｅｇｌｏｂａｌｌｕｍｉｎａｎｃｅａｄｊｕｓｔｍｅｎｔｉｎｃｒｅａｓｅｓｔｈｅｌｕ－ｍｉｎａｎｃｅｏｆｄａｒｋｅｒｐｉｘｅｌｓｂａｓｅｄｏｎｎｏｎｌｉｎｅａｒａｄａｐｔｉｖｅｈｉｓｔｏｇｒａｍｓｔｒｅｔｃｈｉｎｇ．Ｔｈｅｌｏｃａｌｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔａｄｊｕｓｔｓｔｈｅｉｎｔｅｎｓｉｔｙｏｆｅａｃｈｐｉｘｅｌｂａｓｅｄｏｎｉｔｓｒｅｌａｔｉｖｅｍａｇｎｉｔｕｄｅ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｉｔｓｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｒｅｌａｔｉｖｅｍａｇｎｉｔｕｄｅａｎｄｔｈｅｏｕｔｐｕｔｏｆｉｔｓｎｅｉｇｈｂｏｒｉｎｇｐｉｘｅｌｓ．Ｔｈｅｎａｎａｄａｐｔｉｖｅｎｏｎｌｉｎｅａｒｃｏｌｏｒｒｅｓｔｏｒａｔｉｏｎｐｒｏｃｅｓｓｉｓａｐｐｌｉｅｄｔｏｃｏｎｖｅｒｔｔｈｅｅｎｈａｎｃｅｄｉｎｔｅｎｓｉｔｙｉｍａｇｅｂａｃｋｔｏａｃｏｌｏｒｉｍａｇｅ．Ｔｈｅｃｏｎｔｒａｓｔｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｂａｓｅｄｏｎａｌａｒｇｅｓｅｔｏｆｉｍａｇｅｓｉｎｄｉｃａｔｅｔｈａｔ，ｔｈｅｐｒｏｐｏｓｅｄｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔａｌ－ｇｏｒｉｔｈｍｉｓａｄａｐｔｉｖｅ，ｅｆｆｅｃｔｉｖｅａｎｄｒａｐｉｄ．Ｋｅｙｗｏｒｄｓ：ｈｕｍａｎｖｉｓｕａｌｒｅｇｕｌａｔｉｏｎｐｒｉｎｃｉｐｌｅｓ；ｐｒｅｌｉｍｉｎａｒｙｌｕｍｉｎａｎｃｅａｄｊｕｓｔｍｅｎｔ；ｌｏｃａｌｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔ；ｃｏｌｏｒｒｅｓｔｏｒａ－ｔｉｏｎ；ｒａｐｉｄ ０ 引 言 图像增强是图像处理重要的组成部分，其根据应 用要求突出图像中感兴趣的部分，同时减弱或去除不 需要的信息，将原图像转换为一种更适合于人眼观察 和计算机分析处理的形式。传统的增强方法有基于 空域的直方图均衡化、同态滤波以及基于变换域的多 尺度增强［１］等。这些方法主要是增强图像的边缘等 高频信息，同时抑制噪声的放大，但缺乏对颜色信息的考虑。而在自然界和人们的日常生活中，接触的大多数是彩色图像。近年来，由于人类视觉系统在处理图像信息上近乎完美的特性，越来越多的学者模仿人眼视觉系统，提出基于人眼视觉特性的图像增强算法［２］，其中ＬａｎｄＥ．Ｈ．等提出了基于Ｒｅｔｉｎｅｘ理论的图像增强算法［３－５］，受到了广泛的关注。一般来说Ｒｅｔｉｎｅｘ算法能够获得较好的彩色图像增强效果，但也存在一些不足。当图像和“灰度世界”假设冲突时，处理的图像
基于小波变换的数字图像处理 摘要：本文先介绍了小波分析的基本理论，为图像处理模型的构建奠定了基础，在此基础上提出了小波分析在图像压缩，图像去噪，图像融合，图像增强等图像处理方面的应用,最后在MATLAB环境下进行仿真，验证了小波变化在图像处理方面的优势。 关键词：小波分析；图像压缩；图像去噪；图像融合；图像增强 引言 数字图像处理是利用计算机对科学研究和生产中出现的数字化可视化图像 信息进行处理，作为信息技术的一个重要领域受到了高度广泛的重视。数字化图像处理的今天，人们为图像建立数学模型并对图像特征给出各种描述，设计算子，优化处理等。迄今为止，研究数字图像处理应用中数学问题的理论越来越多，包括概率统计、调和分析、线性系统和偏微分方程等。 小波分析，作为一种新的数学分析工具，是泛函分析、傅立叶分析、样条分析、调和分析以及数值分析理论的完美结合，所以小波分析具有良好性质和实际应用背景，被广泛应用于计算机视觉、图像处理以及目标检测等领域，并在理论和方法上取得了重大进展，小波分析在图像处理及其相关领域所发挥的作用也越来越大。在传统的傅立叶分析中，信号完全是在频域展开的，不包含任何时频的信息，其丢弃的时域信息可能对某些应用同样非常重要，所以人们对傅立叶分析进行了推广，提出了很多能表征时域和频域信息的信号分析方法，如短时傅立叶变换，Gabor变换，时频分析，小波变换等。但短时傅立叶分析只能在一个分辨率上进行，所以对很多应用来说不够精确，存在很大的缺陷。而小波分析则克服了短时傅立叶变换在单分辨率上的缺陷，在时域和频域都有表征信号局部信息的能力，时间窗和频率窗都可以根据信号的具体形态动态调整。 本文介绍了小波变换的基本理论，并介绍了一些常用的小波函数，然后研究了小波分析在图像处理中的应用，包括图像压缩，图像去噪，图像融合，图像增强等,本文重点在图像去噪，最后用Matlab进行了仿真[1]。
是第8章小波变换在图像去噪与图像增强中的应用 本章集中讨论小波在图像去噪与图像增强中的应用，首先研究基于小波的图像去噪方法。 设原图像（即待恢复的图像）为 []{},:,,,f i j i j I N =,被噪声污杂的图像（即观察到的图像）为[]{},:,,,g i j i j I N =，并设 [][][],,,,,,,g i j f i j i j i j I N ε=+= (0.1) 其中[],i j ε是噪声分量，独立同分布于()20,N πσ，且与[],f i j 独立，去噪的目的 是得到[],f i j 的估计[]?,f i j ，使其均方误差（MSE ）最小，其中 [][]()22,,11?,,N i j MSE f i j f i j N ==-∑ (0.2) 在小波域，利用正交小波变换，（8.1）式变换后既得 [][][],,,,,1,,Y i j X i j V i j i j N =+= (0.3) 其中Y [],i j 是有噪小波系数，X [],i j 是无噪小波系数，为简单记并考虑到实际问 题的需要，本章对噪声的讨论仅限于加性的高斯白噪声，即V [],i j 为互相独立、 与()20,N πσ同分布的噪声分量。 图像去噪在信号处理中是一个经典的问题，传统的去噪方法多采用平均或线性方常用的是Wiener 滤波，但是去噪效果不够好，随着小波理论日趋完善，它以其自身良好的时频特性在图像、信号去噪领域法进行，受到越来越多的关注，开辟了用非线性方法去噪的先河，具体来说，小波去噪的成功主要得益于小波变换有如下特点：低熵性。小波系数的稀疏分布，使图像变换后的熵降低；多分辩率特性，由于采用了多分辩率的方法，所以可以非常好地刻画信号的非平稳特征，如边缘、尖峰、断点等，可在不同分辩率下根据信号和噪声分布的特点去噪；去相关性。因小波变换可对信号去相关，且噪声在变换后有白化趋势，所以小波域比时域更利于去噪；选基灵活性。由于小波变换可以灵活选择基，也可根据信号特点和去噪要求选择多带小波、小波包、平移不变小波等，对不同场合，可以选择不同的小波母函数。 因此，本章重点讨论基于各种小波变换的去噪方法。 8．1信号的奇异性检测与小波模极大值 信号（或函数）的奇异性是指信号（或函数）在某处有间断或某阶导数不连续。显然，无限次可导的函数是光滑的或者说是没有奇异性，奇异点（即突变点）通常包含
数字图像处理期中论文 图像增强技术综述 学院信息工程学院 专业电子信息工程 方向信息处理方向 姓名何娜娜 学号200710113081 中国传媒大学 2010 年11 月27 日
图像增强技术综述 内容摘要 数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。 关键词：图像增强直方图增强对比度增强平滑锐化彩色图像增强 Abstract Digital image processing is the procedures of converting image signal into digital format, then using the computer to process it. Image enhancement is digital image processing process often use a method to improve image quality, it plays an important role. This article first introduces the principle of image enhancement and classification，and then focus on several methods to study such as and histogram enhancement, contrast enhancement, smoothing and sharpening, and other commonly used in learning the basic digital image With the approach, through Matlab experiment that the actual effect of various algorithms to compare the advantages and disadvantages to discuss the different enhancement algorithm. The application of occasions, and its image enhancement method of performance evaluation. Keywords:Image Enhancement histogram enhancement contrast enhancement smoothing sharpening 1 图像增强概述 1.1 图像增强背景及意义 在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚
基于Retinex算法视频增强的MATLAB实现 一、读书笔记 1：数字图像文件简介 BMP文件：Windows操作系统中的标准图像文件格式，能够被多种Windows应用程序所支持。 GIF文件：GIF文件的数据是一种基于LZW算法的连续色调的无损压缩格式，不属于任何应用程序。 JPEG图像格式：后缀名为.jpg或者.jpeg,是一种有损压缩格式。 ICO文件：Windows的图标文件格式的一种，可以存储单个图案、多尺寸、多色板的图标文件 HDF文件：层次型数据格式可以存储不同类型的图像和数码数据，有函数库。 PNG文件：常用于JAVA程序、网页和S60中。 TIFF文件：主要用来存储包括照片和艺术图在内的文件格式。 DICOM文件:数字影像和通信标准。 2:基于MATLAB图像处理基础 1）图像数据类型 double类型：图像处理最常用的数据类型，也是matlab中默认的数 据类型。图像数据的取值范围为0-1。 Unit8类型：常用于从存储设备中读取数据时，操作不能使结果超出 [0,255]. Unit16类型：用于精度较高的图像中。 Logical类型：常用于二值图像中，可用true、false或关系运算符 得到。 2）数据类型转换 3)文件信息读取
Matlab提供imfinfo函数来实现所有格式（除DICOM）的信息读取，调用形式： info=imfinfo（’filename’） 4)读取图像 使用imread可以将图像读入matlab环境，语法： imread (‘filename’),其中，filename是一个含有文件全名的字符串。 函数size可给出一副图像的行数和列数 >>size（f） Ans= 1024 1024 5)显示图像 在matlab桌面上显示图像一般用imshow，语法： imshow (f,G) 其中，f是一个图像数组，G为显示该图像的灰度级数。若将G省略，则默认256.语法 imshow(f,[low high])会将小于或等于low的显示为黑色，大于或等于high的显示为白色，介于两者之间的值以默认的级数显示为中等亮度值。语法 imshow(f,[])可以将变量low设置为数组f的最小值，将high 设置为f的最大值。 6）保存图像 使用imwrite函数可将图像写入磁盘，语法; Imwrite(f,’filename’) Filename必须是一个可识别的文件格式扩展名 另一种常用但只用于jpeg图像的函数imwrite,其语法为 Imwrite(f,’filename.jpg’,’quality’,q), Q为一个0到100的整数，q越小，图像退化越严重 3:亮度变换与空间滤波 1）函数imadjust是对灰度图像进行亮度变换的基本IPT工具。语法 g=imadjust(f,[low_in high_in],[low_out high_out],gamma) 将low_in至high_in之间的值映射到low_out至high_out之间的值，其他的值被剪切掉了。 2）对数和对比度的拉伸变换 对数变换通过以下表达式实现： g=c*log(1+double(f)) 3)阈值变换 表达式：g=1./(1+(m./(double(f)+eps)).^E) Eps可避免f出现0值的溢出现象 4）计算并绘制图像直方图 函数：imhist（f）; 直方图均衡化有函数histep实现，语法：g=histep(f,nlev) Nelv为输出图像制定的灰度等级 5）空间滤波： 工具箱使用函数imfilter来实现线性空间滤波，语法 g=imfilter(f,w,filter_mode,boundary_options,size_options)
崔 冲 丁建华 （大连海事大学信号与图像处理研究所 大连 116026） E-mail cui_chong@https://www.doczj.com/doc/4a12369917.html, ； huazai0135020@https://www.doczj.com/doc/4a12369917.html, 摘 要：针对含有微弱纹状物或点状物的图像，提出一种基于小波变换的自适应图像增强算法，首先根据小波变换提取出图像中不同变化频率的微弱纹状物，再对这些微弱纹状物进行自适应放大，加大其对比度，从而达到增强的目的，实验结果表明，该算法有着良好的增强效果。 关键词： 图像增强；自适应；小波变换； 1 引言 由于受光照、设备等因素的制约，实际摄取的图像会含有较大的噪声，灰度对比度低，某些局部细节没有明显的灰度差别，使人眼或者机器难以识别，因此有必要进行图像增强，为后续处理做准备。 常用的图像增强算法，比如直方图变换、直方图均衡等都有很好的增强效果，但这些都是全局性算法，对某些灰度集中且对比度低的图像，如含有微弱纹状物或点状物的图像，应用这些算法反而会降低清晰度[1]，本文根据此类图像的特点，在已有算法的基础上[2]，利用小波变换，根据图像信号的变化频率自适应调整求均值的邻域窗口大小，从而使得慢变和快变的信号同时得到增强。 2 基本原理 先介绍一种简单的增强算法[2]，为讨论方便，取出一副数字图像中某一行的像素数据形成一维数据信号，它表示数字图像中某一行的灰度变化信息。如图1所示。增强微弱 )(x f 变化就是增强波形中缓变部分，从而使得波形中微弱的波峰和波谷尽可能得到增强。为此，需要求出的慢变均值，再求出其差值)(x f )(x g )()(x g x f a ?=Δ，即可提取出波峰和波谷。下一步就是对这个差值信号进行自适应放大：a Δa A x p Δ?=)(，A 为放大系数，A 应能按照自适应变化，当大时，A 值小，当a Δa Δa Δ小时，A 值大。经自适应放大后的波形如图2所示，显然，中微弱的波峰和波谷都得到充分的放大。 )(x p )(x f 图1 原始信号f(x)波形 图2 增强后的信号p(x)波形 https://www.doczj.com/doc/4a12369917.html,
第28卷第9期2011年9月计算机应用研究 Application Research of Computers Vol．28No．9Sep．2011 一种新的低照度彩色图像增强算法 李小霞，李铖果，邹建华，韩雪梅 （西南科技大学信息工程学院，四川绵阳621010） 摘 * 要：为了增强彩色图像而不引起色彩失真，在HSV 颜色空间中保持色相不变，提出了采用分段对数变换增 采用边缘保持增强色调的低照度彩色图像增强算法。实验结果强饱和度结合在多尺度Retinex 算法的基础上， 表明，该方法在保持图像色相和图像边缘的情况下，显著改善了图像的视觉效果，提高了图像的亮度和对比度。25幅低照度图像的平均亮度、20．93%和29．88%，标准偏差和对比度分别提高了94．95%、相对于带色彩恢复的多尺度Retinex 算法的熵和对比度增量分别提高了7．34%和151．51%，效果优于Retinex 算法。关键词：低照度；彩色图像增强；分段对数变换；边缘保持；饱和度；色调；Retinex 算法中图分类号：TP391 文献标志码：A 文章编号：1001-3695（2011）09-3554-02 doi ：10．3969/j．issn．1001-3695．2011．09．100 New low illumination color image enhancement algorithm
LI Xiao-xia ，LI Cheng-guo ，ZOU Jian-hua ，HAN Xue-mei （School of Information Engineering ，Southwest University of Science ＆Technology ，Mianyang Sichuan 621010，China ） Abstract ：In order to avoid the color distortion during the image enhancement ，this paper proposed a new low illumination color image enhancement method combining the saturation enhancement with segment logarithmic transformation and value en-hancement with edge retaining （S_log-V_edge）based on the multi-scale Retinex （MSR ）algorithm without changing the hue in the HSV color space．Results show that this method can improve the low illumination images ’visual effect and enhance the image brightness and contrast while retaining the image hue and edge．The 25low illumination images average value ，standard 20．93%and 29．88%individually ，the entropy and con-deviation and contrast incremental value are increased by 94．95%， showing trast incremental value are 7．34%and 151．51%more than the multi-scale Retinex with color restoration （MSRCR ）， the effects are better than Retinex methods． Key words ：low illumination ；color image enhancement ；segment logarithmic transformation ；edge retainment ；saturation ；value ；Retinex algorithm 0引言 在图像采集或视频监控的应用中，经常会有夜视或背光等 V_edge）对低照基于边缘保持的色调分量增强的方法（S_log-度彩色图像进行增强。
三种不同灰度图像增强算法对比 一、摘要 本文主要是运用直方图均衡化、平滑、锐化三种常见的图像增强算法对图像进行处理,并在此基础上分别用这 3 种算法处理的灰度图像进行比较，比对它们对图像的处理效果, 分析3 种方法在图像增强处理能力的优劣之处。 结果发现,直方图均衡化可以均衡图像的灰度等级, 经过直方图的均衡化，图像的细节更加清楚了，但是由于直方图均衡化没有考虑图像的内容，只是简单的将图像进行直方图均衡，提高图像的对比度,使图像看起来亮度过高，使图像细节受到损失; 图像平滑的目的是减少或消除图像的噪声, 图像平滑可以使图像突兀的地方变得不明显, 但是会使图像模糊，这也是图像平滑后不可避免的后果，只能尽量减轻，尽量的平滑掉图像的噪声又尽量保持图像细节，这也是图像平滑研究的主要问题; 图像锐化使图像的边缘、轮廓变得清晰，并使其细节清晰,常对图像进行微分处理，但是图像的信噪比有所下降。 关键词: 图像增强灰度图直方图平滑锐化 二、三种图像增强算法 图像预处理是相对图像识别、图像理解而言的一种前期处理，主要是指按需要进行适当的变换突出某些有用的信息，去除或削弱无用的信息，在对图像进行分析之前, 通常要对图像质量进行改善,改善的目的就是要使处理后的图像比原始图像更适合特定的应用。影响图像清晰度的因素很多,主要有光照不足、线路传输收到干扰等。 现存的图像增强技术主要分为空间域法和频率域法两类,其中的增强方法主要有直方图的修正、灰度变换、图像平滑、图像锐化、伪彩色和假彩色处理等。下面主要采用直方图均衡化、图像平滑、图像线性锐化对图像进行增强处理, 对比他们的处理效果,分析 3 种方法的在图像增强处理方面的优劣。 1、直方图均衡化 直方图均衡化也称为直方图均匀化，是一种常见的灰度增强算法，是将原图像的直方图经过变换函数修整为均匀直方图，然后按均衡后的直方图修整原图像。 为方便研究，先将直方图归一化，然后图像增强变换函数需要满足2个条件。 假设灰度级为归一化至范围[0,1]内的连续量,设其中任一灰度级别Z归一化为r，变换后图像的任一灰度级Z'归一化为s，显然r，s应当满足：0<=r<=1,0<=s<=1 因此直方图修正就是对下列公式的计算过程：s=T(r)或r=T'(s) 式中T(r)为变换函数，它必须满足下列条件： a在0<=r<=1区间内是单值单调增加函数; b对于0<=r<=1,有T(r)在[0,1]内。 条件a 保证灰度级从黑到白的次序,而条件b确保映射后的像素灰度在允许的范围内，避免整个图像明显变亮或者变暗。 从S 到r的反变换关系为r=T'(s) ；T'(s)对r同样满足上述条件。 灰度变换是对图像上各个像素点的灰度值x 按某个函数T 变换到y ,将图像的灰度级整个范围或其中某一段( A, B)扩展或压缩到( A, B)。直方图均衡化是灰度变换的一个重要应用,是以累计分布函数变换为基础的直方图修正法, 可以产生一幅灰度级分布具有均匀概率密度的图像。一幅图像灰度级r k 出现的概率近似为 其中n 是图像中像素的总和, nk 是灰度级为r k 的像素个数, L 为图像中灰度级总数。若
第 19卷第 2期四川理工学院学报 (自然科学版 V ol . 19 No. 2 JOURNAL OF SICHUAN UNIVERSITY OF 2006年 4月 SCIENCE & ENGINEERING (NATURAL SCIENCE EDITION Apr . 2006 文章编号:1673-1549(2006 02-0008-04 基于小波变换与阀值收缩法的图像增强去噪 高飞,杨平先,孙兴波 (四川理工学院电子与信息工程系,四川自贡 643000 摘要:提出了一种基于小波变换与阀值收缩法的图像增强去噪方法。图像经过小波分解后可以得到一系列不同尺度上的子带图像, 在不同尺度的子带图像上进行基于阈值收缩滤波的细节系数增强, 再进行小波重构,即可得到增强后的图像。该方法可以有效地去除噪声,增强图像的平均梯度,改善图像的视觉效果。 关键词:图像增强;小波变换;去噪;阀值收缩 中图分类号:TP391 文献标识码:A 前言 小波变换是传统傅里叶变换的继承和发展, 由于小波的多分辨率分析具有良好的空间域和频率域局部化特性, 对高频采用逐渐精细的时域或空域步长, 可以聚焦 到分析对象的任意细节, 因此特别适合于图像信号这一类非平稳信源的处理,已成为一种信号/ 图像处理的新手段。目前,小波分析已被成功地应用于信号处理、图象 处理、语音与图像编码、语音识别与合成、多尺度边缘提取和重建、分形及数字电视等科学领域 [1]。
图像增强是图像处理中一个非常重要的研究领域,已经有许多非常成熟和有效的方法如直方图均衡、高通滤波、反掩模锐化法等,但是这些传统的图像增强方法都存在着不足,如噪声放大、有时可能引入新的噪声结构等。目前已经有许多关于小波变换在图像处理方面的应用研究, 取得了非常不错的效 果。针对传统图像增强中存在的一些问题,如增强噪声、丢失细节等,本文提出了一种基于阈值收缩法 [2]的小波图像增强方法, 实验结果表明该方法能较好地解决图像增强中的噪声放大的问题, 并能非线性地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果,是一种很有效的方法。 1 小波变换 小波变换的基本思想是用一族函数去表示或逼近一信号, 这一族函数称为小波函数系。它是通过一 小波母函数的伸缩和平移产生其“子波”来构成的,用其变换系数描述原来的信号 [3]。设相应的尺度函 数为 (x ?,小波函数为(x ψ,二维尺度函数 , (y x ?,是可分离的,即: ( ( , (y x y x ???=,即可以构造 3个二维基本小波函数: ( ( , (1y x y x ψ?ψ=, ( ( , (2y x y x ?ψψ=, ( ( , (3y x y x ψψψ= 那么,二维小波基可以通过以下伸缩平移实现: 2, 2(2 , (, , n y m x y x j j i j i n m j ??=???ψψ 3, 2, 1, , , =∈i Z n m j 这样,一个二维图像信号 , (y x f 在尺度 j 2下的平滑成分(低频分量可用二维序列 , (n m D j 表示为: , ( , ( , (, , y x y x f n m D n m j j ?=
基于matlab的数字图像增强算法研究与实现 摘要 图像在获取和传输过程中，会受到各 种噪声的干扰，使图像退化质量下降，对分析图像不利。图像的平滑或去噪 一直是数字图像处理技术中的一项 重要工作。为此，论述了在空间域中 的各种数字图像平滑技术方法。 关键字：数字图像；图像增强；平滑处 理
目录 第一章、概述 (2) 1.1 图像平滑意义 (2) 1.2图像平滑应用 (3) 1.3噪声模型 (3) 第二章、图像平滑方法 (5) 2.1 空域低通滤波 (5) 2.1.1 均值滤波器 (6) 2.1.2 中值滤波器 (6) 2.2 频域低通滤波 (7) 第三章、图像平滑处理与调试 (9) 3.1 模拟噪声图像 (9) 3.2均值滤波法 (11) 3.3 中值滤波法 (15) 3.4 频域低通滤波法 (18) 第四章、总结与体会 (19) 参考文献 (20)
第一章、概述 1.1图像平滑意义 图像平滑（S m o o t h i n g）的主要目的是减少图像噪声。图像噪声来自于多方面，有来自于系统外部的干扰（如电磁波或经电源窜进系统内部的外部噪声），也有来自于系统内部的干扰（如摄像机的热噪声，电器机械运动而产生的抖动噪声内部噪声）。实际获得的图像都因受到干扰而有噪声，噪声产生的原因决定了噪声分布的特性及与图像信号的关系。减少噪声的方法可以在空间域或在频率域处理。在空间域中进行时，基本方法就是求像素的平均值或中值；在频域中则运用低通滤波技术。 图像中的噪声往往是和信号交织在一起的，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边缘轮廓，线条等模糊不清，从而使图像降质。图像平滑总是要以一定的细节模糊为代价的，因此如何尽量平滑掉图像的噪声，又尽量保持图像的细节，是图像平滑研究的主要问题之一。 1.2图像平滑应用 图像平滑主要是为了消除被污染图像中的噪声,这是遥感图像处理研究的最基本内容之一,被广泛应用于图像显示、传输、分析、动画制作、媒体合成等多个方面。该技术是出于人类视觉系统的生理接受特点而设计的一种改善图像质量的方法。处理对象是在图像生成、传输、处理、显示等过程中受到多种因素扰动形成的加噪图像。在图像处理体系中,图像平滑是图像复原技术针对“一幅图像中唯一存在的退化是噪声”时的特例。
基于小波变换的图像增强研究 摘要 随着社会的不断进步，网络和计算机在人们日常生活中的迅速普及，人们对图像、视频、音频等多媒体文件的要求也愈来愈高。而图像在获取或传输过程中，由于各种原因，可能对图像造成破坏，使图像失真，为了满足人们的视觉效果，必须对这些降质的图像进行处理，满足实际需要，使用不同的方法进行图像增强处理，尽可能对图像进行还原。 图像增强技术是数字图像处理的一个重要分支，其方法有很多，主要可以分为两大类：空间域增强和频率域增强.但是传统的方法在增强图像的同时，也会带来相应的块效应，不符合人们的视觉效果。小波变换是多尺度多分辨率的分解方式，可以将噪声和信号在不同尺度上分开，根据噪声分布的规律就可以达到图像增强的目的。本文针对图像对比度低、成像质量差的问题，提出一种基于小波变换的直方图均衡算法，用于图像对比度增强。 关键词：图像增强直方图均衡小波变换
Abstract With the development of the society the internet and computers are used widely in people’s everyday life.The transmit of images visions videos and so on have brought so many pleasures,at the same time the demand of such documents become more and more strongly.But the quality of images many decrease because during the course of gaining and transmitting images they are interfered with all kinds of causes .The paper is about how to deal with the enhancement of images. The image enhancement is an important part of digital image processing.There are many methods of image enhancement,image enhancement techniques can be divided into tow broad categories:Spatial domain methods and frequency domain methods.But the traditional methods will enhancement the image with block effect;this is not satisfied human viewer.The technology of wavelet analysis has special advantages to deal with images it can withdraw characters of signals in many directions and in freely scale.The technology can separated noises from signals in different scales.In this paper we discussed how the property of the wavelet basis affect the process of image noising.In view of image problems of low in contrast gradient and poor imaging quality,in this artical