基于小波变换的反锐化掩模图像增强新算法

如何利用小波变换进行图像增强图像是我们日常生活中不可或缺的一部分，它们记录着我们的回忆和经历。

然而，有时候我们会发现图像的质量并不理想，颜色不鲜艳、细节不清晰等问题。

为了改善这些问题，我们可以利用小波变换进行图像增强。

小波变换是一种在时频域中分析信号的方法，它可以将信号分解成不同频率的子信号，从而更好地理解和处理图像。

首先，我们需要了解小波变换的基本原理。

小波变换将信号分解成不同频率的子信号，其中高频子信号代表了图像的细节，低频子信号代表了图像的整体特征。

通过调整不同频率子信号的权重，我们可以增强图像的细节或整体特征。

接下来，我们可以使用小波变换对图像进行增强。

首先，我们将图像转换为灰度图像，这样可以更好地处理图像的细节。

然后，我们可以选择适当的小波基函数，如Haar小波、Daubechies小波等。

不同的小波基函数适用于不同类型的图像增强任务，我们可以根据实际需求选择合适的小波基函数。

在进行小波变换之前，我们需要对图像进行预处理。

这包括对图像进行平滑处理，以减少噪声的影响。

我们可以使用高斯滤波器或中值滤波器对图像进行平滑处理，从而提高图像的质量。

接下来，我们可以将图像进行小波变换。

小波变换将图像分解成多个频率子信号，其中高频子信号代表了图像的细节，低频子信号代表了图像的整体特征。

我们可以根据实际需求调整不同频率子信号的权重，从而增强图像的细节或整体特征。

例如，如果我们想要增强图像的细节，我们可以增加高频子信号的权重；如果我们想要增强图像的整体特征，我们可以增加低频子信号的权重。

在完成小波变换后，我们可以对子信号进行逆变换，从而得到增强后的图像。

逆变换将子信号合并成原始图像，同时保留了增强后的特征。

通过调整不同频率子信号的权重，我们可以获得不同类型的图像增强效果。

除了上述基本操作，我们还可以进一步优化图像增强的效果。

例如，我们可以使用小波阈值去噪技术，通过设置适当的阈值来去除图像中的噪声。

我们还可以使用小波包变换，将图像分解成更多频率子信号，从而更好地理解和处理图像。

基于小波变换的图像增强新算法作者：吴桑彭良玉来源：《现代电子技术》2013年第04期摘要：传统的图像增强算法在增强图像的同时不可避免地也提高了噪声，因此需要进行降噪处理。

小波分析是目前国际上最新的时间频率分析工具，它可以将交织在一起的混合信号分解成不同频率的块信号，但是小波分析没有充分考虑到视觉的非线性特性。

利用不同尺度上的小波系数间的相关性来区分噪声和图像信息，结果表明文中的方法无论是在增强效果还是抗噪性能都明显优于传统的图像增强方法。

关键词：小波分析；图像增强；相关系数；多尺度中图分类号： TN919⁃34； TP391.41 文献标识码： A 文章编号： 1004⁃373X（2013）04⁃0089⁃030 引言图像对比度的增强是按一定的规则修改输入图像的每一个像素的灰度，从而改变图像灰度的动态范围，提高图像的视觉效果，因此好的图像增强算法要综合考虑图像本身特性和视觉效果[1]。

常用的图像增强方法有直方图均衡法、直方图规定法、图像边缘锐化等。

其中直方图规定法是对整体灰度进行调整，增强效果不好控制，没有目标性；直方图规定法在实际应用中也是有很大困难。

上述说的几种增强方法存在的一个最大的问题就是在增强图像对比度的同时都放大了噪声，不利于图像的后期处理[2]。

小波变换的发展在信号与图像的处理领域产生了极大的影响，小波变换的多分辨率和低熵性使得它在增强图像的同时又能有效抑制噪声，小波图像增强算法主要有四种：小波变换高频增强法；反锐化掩模法；自适应滤波增强；方向性滤波。

本文应用的是自适应图像增强。

1989年，Mallat在小波变换多分辨率分析理论与图像处理的应用研究中收到塔式算法的启发，提出了信号的塔式多分辨率分析分解与重构的Mallat算法[3⁃4]。

分解后，在每一个分解尺度上都可以得到4个不同的子图像。

其中HL，LH，HH是高频部分，分别代表水平细节、垂直细节、对角线细节，而低频部分LL代表图像的主要信息。

Equipment Manufacturing Technology No.09，2018图像增强是改善图像的视觉质量的技术，它以人为对象，以改善人的视觉效果为目的。

由于干扰、噪声、模糊等各种原因等使图像质量变差，图像经设备数字化后，通过相应的增强处理后，输出提高质量后的图像。

通过抑制图像在成像、传输等过程中易受很多不确定因素的影响达到此目的。

影响因素主要包括时间、大气状态、光照变化、浓雾、设备自身的客观条件等，为了将目标和背景更好地区分开来，以满足人类感知和高级应用对高质量图像日益增长的需求。

它是图像处理的关键一步，也是后续算法很好执行的基础和前提。

近来，已经开发了多种方法来提高图像质量。

在空间域中广泛使用的图像增强方法被称为直方图均衡化（HE ），可以通过自适应修改的直方图均衡来进一步改善[1]。

然而，基于HE 的增强图像通常遭受过度饱和或欠饱和，其中增强的图像质量非常差，特别是对于人类感知。

最近，提出了一种增强方法，称为“具有加权分布的自适应伽马校正”（AGCWD ）[2]。

这种方法很好地保留了原始的反射率值，并且可以产生有效的结果，但是它也受到饱和伪像和细节损失的影响，特别是在较亮的区域[3]。

针对此不足，本文提住了基于Retinex 算法和小波变换的图像增强新方法。

1基本原理1.1Retinex 色彩增强方法人类视觉系统（HVS ）最令人着迷的现象之一是色彩恒定性，它确保在变化的照明条件下物体的感知颜色保持相对恒定。

Retinex 理论[4-5]是模拟和解释HVS 如何感知颜色的第一次尝试。

该算法的基本原理模型最早是由Edwin Land （埃德温·兰德）于1971年提出的理论，是在色彩恒常性的基础上提出的一种图像增强[6-8]方法，它认为物体的色彩不受光照是否均匀的影响，具有恒定性。

根据Edwin Land 提出的理论，一幅给定的图像S （x ，y ）可分解成两幅不同的图像：入射光图像L （x ，y ）和反射物体图像R （x ，y ），其原理如图1所示。

基于粗糙集与小波反锐化掩模的图像增强
张玲;黄粉平;郑恩让
【期刊名称】《光子学报》
【年(卷),期】2008(37)6
【摘要】为了有效去除图像中的干扰噪音,改善模糊不清晰的有用边缘细节信息,提高图像的层次感和清晰度,提出将粗糙集和小波反锐化掩模相结合的方法来实现图像增强.运用粗糙集中的近似及等价属性关系将知识化后的图像划分成不同的区域,再根据估计好的阈值进行数据约简,实现有效去除噪音.运用小波反锐化掩模法对图像的轮廓及细节信息进行增强处理,完成图像的最终增强.实验结果表明,不论在主观的视觉效果上,还是客观的噪音均方误差,该方法的处理结果都是较为理想的.
【总页数】4页(P1285-1288)
【关键词】干扰噪音;边缘细节;粗糙集;反锐化掩模;图像增强
【作者】张玲;黄粉平;郑恩让
【作者单位】陕西科技大学电气与信息工程学院
【正文语种】中文
【中图分类】TP751;TP18
【相关文献】
1.基于粗糙集与小波反锐化掩模的眼底图像增强 [J], 顾晶龙;沈建新
2.一种基于小波理论的铁谱图像反锐化掩模增强法 [J], 陈桂明;江良洲
3.基于粗糙集与小波反锐化掩模的眼底图像增强 [J], 顾晶龙;沈建新
4.基于反锐化掩模技术的红外图像增强算法设计 [J], 沈磊;苏建忠;郭肇敏;张志恒
5.基于反锐化掩模的X射线图像增强算法研究 [J], 刘骏
因版权原因，仅展示原文概要，查看原文内容请购买。

论文编码：GT20033411584本科生毕业论文基于小波变换的图像增强方法及应用论文作者：刘垹专业（方向）：刑事科学技术(公安图像)年级：2003级学号：20035272指导教师：毕阿华完成日期：2007年5月10日摘要随着计算机技术和数码影像技术的发展，数码影像技术在公共安全领域中获得广泛的应用，特别是关于数码影像技术在刑事案件现场记录和痕迹物证检验方面的应用规范和技术创新成为当今刑事科学技术研讨的重要课题。

在公安实践中，刑事案件的发生具有随机性和突发性，有些案件现场属于夜间室外现场或者环境照度极低的室内现场，现场的光线照度严重不足，这就容易导致现场拍摄的数码图像质量低下，这些图片往往都达不到实际应用的需求，为公安后期侦查破案工作带来不必要的麻烦，因此提高数字图像的质量对公安工作具有十分重要的意义。

基于小波变换是一种实用的数字图像处理技术，主要目的是增强图像细节特征的同时兼顾人眼的视觉效果。

事实上，一个良好的图像增强处理方法应当在保持原始图像边缘、轮廓和细节特征清晰度的前提下，尽可能有选择的突出观察者感兴趣的细节，提高图像视觉质量，这就是研究数字图像增强处理所要追求的目标。

本文着重介绍的是利用高频加强法突出图像的细节特征，实验结果表明该种方法能有效的提高数字图像质量，满足公安工作的实际应用。

可以预见，有效地解决图像质量低下的问题，并增强图像的细节特征，将极大地提高刑事案件现场数码照片的质量，实现数码影像技术的应用价值，更好地为打击犯罪、保障社会稳定服务。

关键词：数码摄影图像增强小波变换MATLABABSTRACTTitle: Image enhancement based on wavelet transform and its applicationsWith the development of computer technology and digital imaging technology, digital imaging technology is widely applied in the public security field , especially for the application of standard digital imaging and innovation of technology on record and trace evidence examination of criminal cases has become an important topic in the study of criminal science and technology. In the practice of public safety, criminal case is random and burst, some cases happened outdoors at night or indoors in dim field, the intensity of light in the field is insufficient seriously ,which lead to the low quality of digital image about the scene, these pictures are not up to the demand of practical application, which bring unnecessary trouble for police on detecting work later, thus, improving the quality of digital image is of important significance to the work of public safety.The digital image processing technology based on the wavelet transform is practical, the main purpose is to enhance the details of the image features and keeping the visual effect as well. In fact, a good image enhancement processing method should keep the edge ,contour and detail feature definition of the original image first, then, select outstanding details that observers are interested , improve the image visual quality, this is the goal of studying the enhancement of digital image. The mainly content of this paper is using the method of high frequency enhancement to make the image feature outstanding, the experimental results show that this method can improve the image quality effectively, satisfy the practical application of public security. We can predict that solving the problem of low image quality effectively, and enhancing the image details will improve the quality of crime scene photos in criminal case ,making the value of application in digital imaging technology come true, providing the better service for fighting against crime and preserving the stability of society.Key words: Digital Photography, Image enhancement, Wavelet transform, MATLAB目录引言 (1)1数字图像增强处理 (2)1.1数字图像增强处理的概念 (2)1.2数字图像增强处理的主要方法 (2)1.3数字图像处理技术的发展状况 (3)2小波变换原理与应用 (3)2.1小波变换的概念及原理 (3)2.2小波变换在数字图像处理方面的应用 (5)3基于小波变换的图像增强方法 (6)3.1基于小波变换的增强图像原理 (6)3.2基于小波变换的图像增强方法实现 (7)4实验结果及分析 (10)4.1实验器材与检材 (10)4.2实验方法与步骤 (11)4.3实验结果分析 (12)结论 (15)参考文献 (16)致谢 (18)引言目前，在公安实践工作中，视听资料作为新刑事诉讼法所规定的第七类证据使得公安图像技术具有在侦查中为破案提供犯罪线索，收集犯罪证据和为判案提供必要依据的现实意义，但是现场拍摄的数字图像由于客观条件的限制，我们所得到的数字图像常常伴随着图像对比度低、质量低下和图像识别率不高的问题，有些甚至达不到公安实际应用的需求，因此，利用图像增强技术我们可以把我们对数字图像感兴趣的部分，有选择的、尽可能的凸显出来，或将我们不感兴趣的部分有选择的进行削弱或者除去，以求达到观察者的需求，充分体现数字图像的细节特征。

收稿日期:2004209210基金项目:国家高技术研究发展计划项目(2001AA422270);国家预科研项目・作者简介:曾鹏鑫(1978-),男,江西萍乡人,东北大学博士研究生;徐心和(1940-),男,辽宁沈阳人,东北大学教授,博士生导师・第26卷第6期2005年6月东北大学学报(自然科学版)Journal of Northeastern University (Natural Science )Vol 126,No.6J un.2005文章编号:100523026(2005)0620527204基于小波变换的图像增强算法曾鹏鑫1,么健石2,陈　鹏1,徐心和1(1.东北大学信息科学与工程学院,辽宁沈阳　110004; 2.沈阳炮兵学院自行火炮系,辽宁沈阳　110162)摘 要:结合小波变换中相关系数理论,提出了一种基于小波变换的图像增强算法,该算法先区分小波域中由细节及噪声产生的高频系数,对由细节产生的信息进行增强,对噪声进行抑制・解决了通常算法中增强细节信号的同时也放大了噪声这个问题・实验表明,该算法在得到很好的图像增强的同时,能很好地抑制噪声,对于多噪声环境下的弱细节信号能达到很好的增强效果・关　键　词:小波变换;图像增强;降噪;相关性;噪声中图分类号:TP 391141 文献标识码:A小波算法的发展极大影响了信号与图像处理领域的研究・在图像处理领域,很多算法被应用到图像压缩与图像降噪方面・相对来讲在图像增强这个领域研究工作做得稍微少了些,但还是出现了一些很重要的方法[1～5]・图像增强中主要的问题是噪声,许多通用、知名方法都存在下列问题:即在增强细节信号的同时,也放大了噪声・在诸如CCD 这种低对比度、多噪声图像中,尤其需要改进算法,在增强微弱细节信号的同时抑制背景中的高频噪声・在图像增强及图像降噪工作中采用冗余小波分解是个很好的选择,本文采用Shensa [6]文中所采用的小波对图像进行分解・分解后各尺度上的小波系数集里具有和原图像一样多的小波系数,分解后的小波系数由低频系数和各尺度上的高频系数构成,其中小波高频系数(DN (i ,j ))对那些诸如轮廓、小结构、噪声等富含高频信息的局部细节很敏感,而低频系数(A N (i ,j ))反映的是低频信息・针对高频小波系数和低频小波系数的不同特性做不同处理来达到图像增强的目的・在本文中,结合已有的技术来增强图像同时为了避免噪声的放大做了以下工作:在图像增强中,用非线性函数修改绝对值小于阈值T 的高频小波系数,而对大于T 的高频小波系数用线性函数来修改,为了减少低频系数的贡献,适当的减低低频系数的值,这样就能达到增强细节信号的同时避免了噪声的放大・1　自适应增强算法1.1　基本原理要想在增强小波系数的同时抑制噪声,就必需有一种方法能先确定哪些系数是由噪声产生・该方法不能仅仅是依靠小波系数值大小,例如,它不能盲目地抑制所有小于设定阈值的小波系数[7]・幸运的是,小波系数存在另一个特性可以用来确定噪声,这就是相邻尺度上同一位置上小波系数间的相关系数・事实上,在小波域中由噪声产生的小波高频系数通常与相邻小波层上的小波高频系数相关系数很小,而由细节产生的小波高频系数通常与相邻小波层上的小波高频系数之间的相关系数大・因此小波层之间的相关性可以用来确定哪些系数是由图像中的噪声产生,哪些是由图像中的细节特征产生・Healy 利用此方法提出了一种滤噪的方法[8]・本文根据各尺度之间高频小波系数之间相关性来判断小波系数是由噪声或细节产生,针对噪声、细节产生的小波高频系数进行不同处理,详细过程见图1,其中N 是小波分解的层数,L 是图像的列数,M 是图像的行数・1.2　由小波系数相关度计算图像噪声迹象计算出小波系数与相邻尺度小波系数的相关度,由此构造出该尺度上的小波相关算子・具体方法就是把尺度n 上的小波系数与尺度(n +1)上的对应点的小波系数相乘就得到了尺度n 上的小波相关算子,如式(1)C n =W n ×W n +1・(1)事实上随着尺度的增加,小波系数值会减小・为了保持图像能量级不变,小波相关算子必须进行正规化,得到正规化小波相关算子:C ′n =C n ・(P W /P C )・(2)式中,P C =∑(C n・C n ),(3)P W =∑(W n・W n)・(4)这个正规化过程保证了正规化小波相关算子C ′n 和小波系数集W n 在一个能量级上・图1　新算法流程图Fig.1　Flowchart of the new algorithm如果图像上任一点的正规化小波算子的绝对值大于该点小波系数的绝对值,就可以认为该点小波系数是由信号产生・反之,如果该点的正规化小波算子的绝对值小于或等于该点的小波系数的绝对值,认为该点小波系数由噪声产生・1.3　图像降噪如果小波系数是由噪声产生的,则一个“收缩”算子被用到了此小波系数上・“收缩”算子如式(5)所示:W out =sign (W in )×(W in -T 1)if W in ≥T 1,W out =0if W in ≥T 1・(5)式中,T 1是一个很重要的参数,Donoho [9]提出一个公式T n =2log (N )σN 用来确定这个阈值・其中,N 为输入信号的长度,σ是小波系数的标准差,具体过程如图2所示・图2　“收缩”算子Fig.2　“Shrinking ”operator1.4　图像增强对于由细节信号产生的小波系数,按图3中的增强函数增强・图3　图像增强算子Fig.3　Image enhancement operator增强算子如式(6)所示・W out =D N if D N ≥T 2,W out =W (T 1)+G × (D N -T 1)if T 1≤D N <T 2,W out =sign (D N )×D NγifD N<T 1,W out =-W (T 1)+G × (D N +T 1)if -T 2<D N ≤-T 1,W out =D Nif D N ≤-T 2・(6)其中,W (T 1)=(T 1)γ,T 2=C ×max (D N ),0<C<1・为了减少低频系数对整个图像的贡献,对其按式(7)进行调整,W out =α×A N ,0<α<1・(7)2　实验结果实验中采用图像“Circuit ”进行初始评估,并用三种策略对其进行增强・第一种策略采用“单阈值”技术;第二种策略采用“双阈值”技术;第三种策略采用本文提出的新算法・“单阈值”技术是由Laine [10]提出,用图4中的映射函数来处理小波系数・825东北大学学报(自然科学版) 第26卷图4　简单线性映射函数Fig.4　Simple piece 2wise linear mapping function该映射函数定义如式(8)・　W out =W in +sign (W in )× T (G -1)if W in ≥T ,W out =G ×W inifW in <T ・(8)“双阈值”技术也是由Laine 提出,其映射函数如图5中所示・图5　带噪声抑制的图像增强Fig.5　Wavelet enhancement with noise su ppre ssion该映射函数定义如式(9)・W out =W in +(T 2×(G -1))- (T 1×G )if W in ≥T 2,W out =G ×(W in -T 1)if T 1≤W in <T 2,W out =0ifW in <T 1,W out =G ×(W in +T 1)if -T 2<W in ≤-T 1,W out =W in -(T 2×(G -1))+ (T 1×G )if W in ≤-T 2・(9)原图及用3种策略增强后的结果如图6所示・4项性能指标被用来检测三种策略的效果・(1)图像中灰度值的标准差(mean grey level );(2)信息熵(entropy )为-∑iP ilog (P i )・(10)其中,P i 是灰阶‘i ’的概率;(3)噪声含量(noise )[11];(4)对比度增强值(contrast improvement )C p /C o ・(11)其中,C p 为增强后图像对比度;C o为原始图像对比度;C 是在3×3窗口中用式(12)所测得的所有局部增强值的平均值,即(max -min )/(max +min )・(12)比较三种策略增强后的图像,可以看出策略3比策略1获得的增强效果好,虽然策略2能获得更好的对比度增强,但它丧失了图像细节・图6　Circuit 图Fig.6　Circuit image(a )—原图;(b )—用策略1增强;(c )—用策略2增强;(d )—用策略3增强・925第6期 曾鹏鑫等:基于小波变换的图像增强算法表1是三种策略的性能指标・表1　Circuit 图像性能结果T able 1　Some parameters evaluated for the image circuit 评价参数原图像策略1策略2策略3图像均值76.258　94.206145.48978.204标准差46.720450.824094.702060.3857图像熵 4.8131 5.1112 4.4077 5.1052对比度增强 1.0 1.0068 1.8459 3.2217噪声含量 4.088810.63668.5060 5.4440从表1可以知道三种策略在标准差、对比度增强这两项性能指标上都有很大的提高,尤其是策略3可能获得更好的对比度增强・从表1及实际图像中,3种策略在图像增强中都放大了噪声,但策略3放大的噪声最小・从实验结果上看,新算法能够在图像增强及噪声抑制之间达到一个很好的平衡・3　结 论本文提出一种基于小波变换图像自适应增强算法,该算法能在对图像进行极大增强的同时,避免了噪声放大・实验结果表明采用此算法的图像对比度增强效果介于Laine 提出的单阈值技术和双阈值技术之间,但该算法对弱小细节信号采用指数函数进行增强,其增强效果明显优于单阈值技术和双阈值技术・该算法对于医学图像也能起到很好的增强效果,具有很好的通用性・参考文献:[1]G opinath R A ,Lang M ,Guo H ,et al .Enhancement ofdecompressed images at low bit rates [A ].S PI E M athI magi ng :W avelet A pplications i n Signal and I mage Processi ng [C].San Diego ,1994.366-377.[2]Laine A ,Fan J ,Y ang W.Wavelets for contrast enhancement of digital mammography [J ].I EEE Engi neeri ng i n Medici ne and Biology M agazi ne ,1995,14(5):536-550.[3]Jawerth B D ,Hiton M L ,Huntsberger T L.Local enhancement of compressed images [J ].M athematical I magi ng and V ision ,1993,3(1):39-49.[4]Laine A ,Schuler S ,Fan J ,et al .Mammographic feature enhancement by multiscale analysis [J ].I EEE Trans on Medical I magi ng ,1994,13(4):725-740.[5]Lu J ,Healy D M ,J r ,et al .Contrast enhancement of medical images using multiscale edge representation [J ].Optical Engi neeri ng ,1994,33(7):2151-2161.[6]Shensa M J ,Discrete wavelet transforms :wedding the a 、trous and mallat algorithms [J ].I EEE Transactions on Signal Processi ng ,1992,40(10):2464-2482.[7]G ao H ,Bruce A G.WaveShrink with firm shrinkage [J ].Statist ,1997,7(4):855-874.[8]Xu Y ,Weaver J B ,Healy D M ,et al .Wavelet transform domain filters :A spatially selective noise filtration technique [J ].I EEE Transactions on I mage Processi ng ,1994,3(6):747-758.[9]Donoho D L.Nonlinear wavelet methods for recovery of signals ,densities ,and spectra from indirect and noisy data [A ].Proc S y m posia A pplied M ath [C ].Rhode Island :American Mathematical Society ,1993.173-205.[10]Z ong X ,Laine A F ,G eiser E A ,et al .De 2noising and contrast enhancement via wavelet shrinkage and non 2linear adaptive gain [A ].W avelet A pplications 3:Proceedi ng of S PI E [C].Orlando ,1996.566-574.[11]Donoho D L ,Johnstone I M.Ideal spatial adaptation via wavelet shrinkage[J ].Biomet rika ,1994,81(3):425-455.An Approach to Wavelet 2Based Image Enhancement AlgorithmZEN G Peng 2xin 1,YA O Jian 2shi 2,CHEN Peng 1,XU Xin 2he1(1.School of Information Science &Engineering ,Northeastern University ,Shenyang 110004,China ;2.Self 2Propelled Gun Department ,Shenyang Artillery College ,Shenyang 110162,China.Corres pondent :ZEN G Peng 2xin ,E 2mail :newchinese @ )Abstract :A wavelet 2based algorithm is proposed for image contrast enhancement ,which distinguishes the HF coefficients due to signal from those due to noise with the correlation between wavelet planes ,then ,increases wavelet coefficients due to signal and suppresses those due to noise.The algorithm solves the problem that some conventional enhancement methods enhance noise visibility at the same time enhance signal visibility.Experience results show that the algorithm can achieve an excellent balance between the enhancement of subtle image detail and the avoidance of noise am plification ,and enhance often weak signal features against a background of relatively high noise.K ey w ords :wavelet transform ;image enhancement ;denoising ;correlation ;noise(Received September 10,2004)35东北大学学报(自然科学版) 第26卷。