空间域图像增强

空间域图像增强的操作方法
空间域图像增强操作方法包括以下几种：
1. 线性变换：线性变换常用于图像亮度和对比度的调整。

常见的线性变换操作包括图像的亮度调整、对比度调整、伽马校正等。

2. 直方图均衡化：直方图均衡化是一种用于增强图像对比度的方法。

它通过调整图像的灰度级分布，使得图像在整个灰度范围内的灰度级分布均匀，从而显著改善了图像的视觉效果。

3. 滤波操作：滤波操作可以用于对图像进行平滑处理、边缘增强、噪声去除等。

常见的滤波方法包括均值滤波、中值滤波、高斯滤波等。

4. 锐化操作：锐化操作可以增强图像的边缘和细节信息。

常见的锐化方法包括拉普拉斯锐化、Sobel算子、Prewitt算子等。

5. 图像增强算法：除了上述基本操作外，还有一些图像增强算法可以进一步提高图像质量，如小波变换、Retinex算法、非局部均值去噪方法等。

需要根据具体图像的特点和需求选择合适的增强方法，并通过实验和调整参数来得到最佳的增强效果。

第三章 图像增强燕山大学电气工程学院 赵彦涛3.1图像增强的概念对于一般可理解的图像增强，是指使经过增强处理后的图像其视觉效果更好，如对于某些图像看起来比较灰暗，增强处理后使其亮度增强，人眼看起来更舒服；也就是说，改善曝光不足或曝光过度对图像的影响。

淡化背景，强化前景；广义的图像增强指处理后的图像比原始图像更适合于特定应用，更有利于后续图像处理，消除噪声干扰，强化有用信息等都可认为为后续的计算机处理、分析更有利。

根据其处理数据所进行空间不同，图像增强的方法可分为空域（空间域）图像增强方法和变换域（频域）增强方法。

空域图像增强方法是直接处理构成图像的像素点的灰度值，而变换域图像增强方法是经过图像变换后，增强方法在其变换域中间接进行。

图像增强是与具体问题紧密相联系的，增强的目的不同，图像类型不同，采用的方法也不同，没有一种增强算法能适用于所有的应用场合。

3.2图像增强的点运算所谓点运算就是输出图像上的每个像素的灰度值仅由相应输入像素点的值确定。

空域方法是指直接对图像的像素点的灰度值进行操作，空域处理可定义为)),((),(y x f T y x g = （1）式中，),(y x f 是输入图像，),(y x g 是处理后的图像，T 是一种操作方法。

3.2.1 直接灰度变换直接进行灰度变换是图像增强最简单的一类方法，设处理前后的图像的像素点的灰度值分别为r 和s ，变换方式为)(r T s = （2）式中，T 是把灰度值r 变换为s 的映射。

由于处理的是数字量，变换函数的值通常存储在一个一维向量中，通过函数或者查表将灰度值r 映射为s 。

对于8比特的灰度值，一个包含这种映射的查找表要有256个记录。

3.2.1.1 图像的直方图图像的直方图表示图像中各种灰度级的个数（或概率），反映了一幅图像中灰度级与出现这种灰度级的概率之间的关系。

对于一个8 bit （有256个灰度等级）的图像，直方图就是Nn r p k k =)( （4） 式中，k r 是第k 个灰度等级， k n 为图像中灰度等级为k r 的像素点的个数，N 是该图像中所有像素点的个数，这里]255,0[ k ，)(k r p 代表原始图像第k 个灰度级出现的概率。

空间域图像增强空间域图像增强增强的⽬的是处理图像，使其⽐原始图像更适合于特定应⽤。

图像增强⽅法分为空间域⽅法（直接对图像的像素处理）和频域（傅⾥叶变换为基础）。

以这两种结合来增强图像的⾮常少！最好的图像处理⽅法是得到最好的机器可识别的结果。

空间域图像增强公式g(x,y)=T(f(x,t)).g处理后的图像，f是原始图像，T是对f的⼀种操作。

图像增强的三个基本类型函数：线性（正⽐例，反⽐例），对数的（对数和反对数变换），幂次的（n次幂好n次⽅根变换）。

以下，r为原始灰度，s为变换后的灰度。

线性的图像反转：s=L-1-r。

此种变换适⽤于增强嵌⼊域图像暗⾊区域的⽩⾊或灰⾊细节，特别是当⿊⾊占主导的时候。

通俗的，就是⽩⾊变⿊⾊，⿊⾊变⽩⾊，中间依次。

对数变换：s=c*log(1+r)。

c常数。

主要⽤于图像灰度的压缩和扩散，幂次更灵活。

重⼤⽤处是很⼤程度上压缩了像素值得动态范围，典型应⽤是傅⾥叶频谱，它的像素值有很⼤的动态范围，⼀般要⽤对数变换调整⼀下。

幂次变换：s=c*(r^k)。

其中c，k是常数。

k⼤于1⽤于增强暗区（变⿊），⼩于1⽤于亮区域增强对⽐度（变亮）。

改变k叫做伽马校正，不仅改变灰度，还能改变G/R/B的⽐例。

⽹上⾃动伽马校正是取了各种仪器期望的平均值。

分段线性变换函数对⽐拉伸变换：提⾼图像处理时灰度级的动态范围。

(r1,s1)=(r_min,0),(r2,s2)=(r_max,L-1)。

灰度切割：提⾼特定灰度范围的亮度，增强特征和X射线中的缺陷。

所需灰度变⼤，其他区域不变或是变⼩。

位图切割：取⾼阶⽐特位⾯，⽤于图像压缩。

例如阀值法。

实验二空间域图像增强一、实验目的1、了解空间域图像增强的各种方法（点处理、掩模处理）；2、通过编写程序掌握采用直方图均衡化进行图像增强的方法；3、使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；二、 实验环境及开发工具Windws2000/XP 、MATLAB 6.x 、Visual C++、Visual Basic 或其它 三、 实验方法对如图所示的两幅128×128、256级灰度的数字图像fing_128.img 和cell_128.img 进行如下处理：（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。

（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。

①不加门限； ②加门限),(21n m f T =，（其中∑∑=i jj i f N n m f ),(1),(2） 四、实验结果及分析1、直方图均衡化处理程序如下：clc;fid=fopen('F:\数字图像\图像\img\fing_128.img','r');指纹图fing_128.img 显微医学图像f=fread(fid,[128,128],'uchar'); subplot(2,1,1);imshow(f,[0,255]);q=zeros(1,256);for x=1:128for y=1:128q(f(x,y)+1)=q(f(x,y)+1)+1; endends=q./(128*128);X=0:255;subplot(2,1,2);bar(X,s');figure;t=zeros(1,256);t(1)=s(1);for i=2:256t(i)=t(i-1)+s(i);endsubplot(2,1,1);bar(X,t');t0=floor(255*t+0.5); subplot(2,1,2);bar(X,t0');figure;t1=zeros(1,256);for i=1:256t1(t0(i)+1)=s(i)+t1(t0(i)+1); endsubplot(2,1,1);bar(X,t1');f1=zeros(128,128)for x=1:128for y=1:128f1(x,y)=t0(f(x,y)+1);endendsubplot(2,1,2);imshow(f1,[0,255]);运行结果：（1）、指纹均衡化处理（2）、细胞的均衡化处理2、对原图像加入点噪声程序代码不加门限：clc;fid=fopen('F:\数字图像\图像\img\fing_128.img','r');f=fread(fid,[128,128],'uchar');subplot(2,2,1);imshow(f,[0,255]);for x=1:128for y=1:128if x==yf(x,y)=255;elseifx+y==100f(x,y)=0;endendendsubplot(2,2,2);imshow(f,[0,255]);f0=f;for x=2:127for y=2:127f0(x,y)=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;endendsubplot(2,2,3);imshow(f0,[0,255]);t=fft2(f);T=t(1,1)/128;f1=f;for x=2:127for y=2:127h=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;if abs(f(x,y)-h)>Tf1(x,y)=h;elsef1(x,y)=f(x,y);endendendsubplot(2,2,4);imshow(f1,[0,255]);运行结果：加门限：clc;fid=fopen('F:\数字图像\图像\img\fing_128.img','r');fg=fread(fid,[128,128],'uchar');subplot(2,2,1);imshow(fg,[0,255]);a=randn(128,128);f=a.*20+fg;subplot(2,2,2);imshow(f,[0,255]);f0=f;for x=2:127for y=2:127f0(x,y)=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;endendsubplot(2,2,3);imshow(f0,[0,255]);t=fft2(f);T=t(1,1)/128;f1=f;for x=2:127for y=2:127h=(f((x-1),y)+f((x+1),y)+f(x,(y-1))+f(x,(y+1)))./4;if abs(f(x,y)-h)>Tf1(x,y)=h;elsef1(x,y)=f(x,y);endendendsubplot(2,2,4);imshow(f1,[0,255]);运行结果：（1）细胞加入噪声及去噪3、结果分析（1）直方图均衡化处理后图像的对比度增强，变得相对清晰，达到了图像增强的效果。