空间域和频率域结合的图像增强技术及实现
- 格式：doc
- 大小：238.50 KB
- 文档页数：13
下载文档原格式
合集下载
一种基于频率域和空间域相结合的图像增强方法
一
种 基 于频 率域 和 空 间域 相 结 合 的 图像增 强方 法
张 威 ，孙 玉秋 ，赵 天 玉 （ 长江大学信息 与数 学学 院， 湖北 荆州 ４ ３ ４ ０ ２ ３ ）
［ 摘 要 ］ 图像 增 强 是 数 字 图像 的 预 处理 ，对 图像 整 体 或 局 部 特 征 能 有 效 地 改 善 。 讨 论 了直 方 图均 衡 化 、拉
普拉 斯变 换等 。频率 域法 以修改 图像 的傅里 叶变换 为基础 ，属于 间接增强 方法 ，常用 的有各 种高通 滤波 和低通 滤波 。下面 ，笔者 针对 噪声 图像 提 出一种 在频率 域用 高斯低 通滤 波去 噪 ，在 空间域用 直方 图均衡
化 和拉普 拉斯 变换处 理 图像 的方 法 。
ｙ ｕ ｑ ｉ ｕ ｓ ｕ ｎ ＠１ ６ ３ ． ｃ ｏ ｍｏ
第１ Ｏ卷 第 １ ９期
张 威 等 ：一 种 基 于 频 率 域 和 空 间域 相 结 合 的 图像 增 强 方 法
２ 图 像 锐 化
图像 锐 化就 是补 偿 图像 的轮廓 ，增 强 图像 的边缘及 灰 度跳 变 的部分 ，使 图像变 得清 晰 。图像锐 化也
（ ２ ）
输入 图像 的各灰 度级 经过 式 （ ２ ）的映射 就得 到输 出图像 的各灰度 级 Ｓ 。
［ 收稿 日期 ］ ２ ０ １ ２—１ ２—１ ２ ［ 基 金 项 目］ 国家 自 然 科 学 基金 资 助 项 目 （ ６ ０ ５ ７ ２ ０ ４ ８ ） 。 ［ 作者简介］张威 （ １ ９ ８ ７ 一 ） ，男 ，硕士生 ，现主要从事数字图像处理方面的研究工作。 ［ 通 讯 作者 ］ 孙 玉 秋 （ １ ９ ６ ８ 一 ） ，女 ，硕 士 ，教 授 ，现 主 要 从 事 数 字 图 像 处 理 、模 式 识 别 与 目 标 检 测 方 面 的 教 学 与 研 究 工 作 ；Ｅ — ｍａ ｉ ｌ
遥感图像增强实验报告
遥感图像增强实验报告1. 实验目的和内容实验目的：（1）遥感图像的空间域增强：通过直接改变图像中的单个像元及相邻像元的灰度值来增强图像，是图像增强技术的基本组成部分，包括点运算和邻域运算。
（2）遥感图像的频率域增强：通过对频率域的调整对遥感图像进行平滑和锐化，平滑主要是保留图像的低频部分抑制高频部分，锐化则保留图像的高频部分而削弱低频部分。
（3）遥感图像的彩色增强：将黑白图像转换成彩色图像，使地物的差别易于分辨，突出图像的有用信息，从而提高对图像的解译和分析能力。
实验内容：（1）遥感图像的空间域增强：点运算—直方图均衡化、灰度拉伸、任意拉伸，邻域运算—图像平滑、图像锐化。
（2）遥感图像的频率域增强：定义FFT，反向FFT，再进行对比。
（3）遥感图像的彩色增强：多波段影像—彩色合成、单波段影像—伪彩色增强、色彩空间变换、遥感数据融合。
2. 图像处理方法和流程A.遥感图像的空间域增强1.直方图均衡化(1)在主窗口中打开can_tmr.img文件。
(2)以gray形式显示一个波段。
(3)Display窗口>enhance>equalization2.灰度拉伸(1)Display窗口>enhance>interactive stretching(2)弹出的对话框>stretch_type>linear(3)在STRETCH对应的两个文本框中输入需要拉伸的范围，然后单击对话框上的APPLY按钮，图像显示为线性拉伸后的效果。
3.任意拉伸（1）弹出的对话框>stretch_type>Arbitary，在output histogram中单击绘制直方图，右键结束（2）点击apply，结果如图所示4.图像平滑（1）均值平滑，在主窗口中打开can_tmr.img文件。
主窗口>enhance>filter>smooth[3*3]。
结果如图所示（2）中值平滑，在主窗口中打开can_tmr.img文件。
空间域滤波和频率域处理的特点
空间域滤波和频率域处理的特点1.引言空间域滤波和频率域处理是数字图像处理中常用的两种图像增强技术。
它们通过对图像进行数学变换和滤波操作来改善图像质量。
本文将介绍空间域滤波和频率域处理的特点，并比较它们之间的异同。
2.空间域滤波空间域滤波是一种直接在空间域内对图像像素进行处理的方法。
它基于图像的局部像素值来进行滤波操作，常见的空间域滤波器包括均值滤波器、中值滤波器和高斯滤波器等。
2.1均值滤波器均值滤波器是最简单的空间域滤波器之一。
它通过计算像素周围邻域的平均值来实现滤波操作。
均值滤波器能够有效地去除图像中的噪声，但对图像细节和边缘保留较差。
2.2中值滤波器中值滤波器是一种非线性的空间域滤波器。
它通过计算像素周围邻域的中值来实现滤波操作。
中值滤波器能够在去除噪声的同时保持图像细节和边缘，对于椒盐噪声有较好的效果。
2.3高斯滤波器高斯滤波器是一种线性的空间域滤波器。
它通过对像素周围邻域进行加权平均来实现滤波操作。
高斯滤波器能够平滑图像并保留图像细节，它的滤波核可以通过调整方差来控制滤波效果。
3.频率域处理频率域处理是一种将图像从空间域转换到频率域进行处理的方法。
它通过对图像进行傅里叶变换或小波变换等操作，将图像表示为频率分量的集合，然后对频率分量进行处理。
3.1傅里叶变换傅里叶变换是一种将信号从时域转换到频域的数学变换。
在图像处理中，可以应用二维傅里叶变换将图像从空间域转换到频率域。
在频率域中，图像的低频分量对应于图像的整体结构，高频分量对应于图像的细节和边缘。
3.2小波变换小波变换是一种基于小波函数的时频分析方法。
它能够在频率和时间上同时提供图像的信息，对于图像的边缘和纹理特征有较好的表达能力。
小波变换在图像压缩和特征提取等方面具有广泛应用。
4.空间域滤波与频率域处理的对比空间域滤波和频率域处理都可以用来改善图像质量，但它们有着不同的特点和适用场景。
4.1处理方式空间域滤波是直接对图像像素进行处理，操作简单直接，适用于小规模图像的处理。
空间域图像增强
67
局部平滑法
• 例如，对图像采用3×3的邻域平均法，对 于像素（m,n)，其邻域像素如下：
则有：
(m-1,n1)
(m,n-1)
(m-1,n) (m,n)
(m+1,n- (m+1,n) 1)
(m1,n+1)
(m,n+1)
(m+1,n+ 1)
g(m ,n)1 9 f(m i,nj) i Zj Z
68
1
1
64
空间域平滑
• 本节介绍空间域的几种平滑法
– 局部平滑法 – 超限像素平滑法 – 灰度最相近的K个邻点平均法 – 梯度倒数加权平滑法 – 最大均匀性平滑 – 有选择保持边缘平滑法 – 空间低通滤波法 – 多幅图像平均法 – 中值滤波
65
局部平滑法
• 局部平滑法是一种直接在空间域上进行平 滑处理的技术
38
直方图处理 • 基于局部统计量的增强
– 像素均值：对应局部的像素亮度 – 像素方差：对应局部的亮度对比
方案：增强较暗的区域， 保持具有适当对比度的像 素，同时保持亮的区域
39
Ef(x,y) if g(x,y) f(x,y)
mSxy k0MG
k1DG Sxy k2DG
40
增强图像－代数运算
彩
色
增
强
伪
彩
色
增
强
彩
色
变
换
及
应
用
图 像 的 代 数 运 算
空间域增强
• 空间域增强是指增强构成图像的像素
– 空间域方法直接进行像素操作，输入一幅或多 幅图像，然后输出处理的结果（图像）
– g(x,y) = T[ f(x,y) ] – g(x,y) = T[ f1(x,y),f2(x,y), f3(x,y)... ]
局部平滑法
• 例如，对图像采用3×3的邻域平均法，对 于像素（m,n)，其邻域像素如下：
则有：
(m-1,n1)
(m,n-1)
(m-1,n) (m,n)
(m+1,n- (m+1,n) 1)
(m1,n+1)
(m,n+1)
(m+1,n+ 1)
g(m ,n)1 9 f(m i,nj) i Zj Z
68
1
1
64
空间域平滑
• 本节介绍空间域的几种平滑法
– 局部平滑法 – 超限像素平滑法 – 灰度最相近的K个邻点平均法 – 梯度倒数加权平滑法 – 最大均匀性平滑 – 有选择保持边缘平滑法 – 空间低通滤波法 – 多幅图像平均法 – 中值滤波
65
局部平滑法
• 局部平滑法是一种直接在空间域上进行平 滑处理的技术
38
直方图处理 • 基于局部统计量的增强
– 像素均值：对应局部的像素亮度 – 像素方差：对应局部的亮度对比
方案：增强较暗的区域， 保持具有适当对比度的像 素，同时保持亮的区域
39
Ef(x,y) if g(x,y) f(x,y)
mSxy k0MG
k1DG Sxy k2DG
40
增强图像－代数运算
彩
色
增
强
伪
彩
色
增
强
彩
色
变
换
及
应
用
图 像 的 代 数 运 算
空间域增强
• 空间域增强是指增强构成图像的像素
– 空间域方法直接进行像素操作，输入一幅或多 幅图像，然后输出处理的结果（图像）
– g(x,y) = T[ f(x,y) ] – g(x,y) = T[ f1(x,y),f2(x,y), f3(x,y)... ]
第四章频率域图像增强
一、频率域介绍
低通滤波器
低通滤波函数
原图
低通滤波结果：模糊
一、频率域介绍
高通滤波器
高通滤波器：使高频通过而使低频衰减的滤波器
被高通滤波的图像比原始图像少灰度级的平滑 过渡而突出边缘等细节部分
对比空间域的梯度算子、拉普拉斯算子
一、频率域介绍
高通滤波器
高通滤波函数
原图
高通滤波结果：锐化
G(u,v)=F(u,v)H(u,v)
最后将G(u,v)进行IDFT变换即可得到频域滤波后 的图像
频域滤波的步骤
具体实施步骤如下: （1）用(-1)x+y乘以输入图像f(x,y)来进行中心变换;
f ( x, y)(1)x y F (u M / 2, v N / 2)
（2）由(1)计算图像的DFT,得到F(u,v); （3）用频域滤波器H(u,v)乘以F(u,v); （4）将(3)中得到的结果进行IDFT; （5）取(4)中结果的实部; （6）用(-1)x+y乘以(5)中的结果,即可得滤波图像。
uv
理想低通滤波器举例
500×500像素的原图 图像的傅里叶频谱
圆环具有半径5,15,30,80和230个像素 图像功率为92.0%,94.6%,96.4%,98.0%和99.5%
理想低通滤波器举例——具有振铃现象
结论：半径越小，模糊越大；半径越大，模糊越小
原图
半径是5的理想低通 滤波,滤除8%的总功 率，模糊说明多数尖 锐细节在这8%的功率 之内
二、频率域平滑滤波器
理想低通滤波器
总图像功率值PT
M 1 N 1
PT P(u, v)
u0 v0
P(u, v) | F (u, v) |2 R(u, v)2 I (u, v)2
空间域图像增强
定义一个二阶微分的离散公式，然后构造基于此式的滤波器。
添加标题
各向同性滤波器
添加标题
03
滤波器的响应与滤波器作用的图像突变的方向无关。
添加标题
04
是旋转不变的，即将原图旋转后的滤波结果与先滤波再旋转的结果一样。
添加标题
１、基于二阶微分的图像增强 拉普拉斯算子
二元图像函数 拉普拉斯变换定义为
１、基于二阶微分的图像增强 拉普拉斯算子
差值图像的标定：
每个像素值加255，然后除以2。 求差值图像的最小值Min,最大值Max
２、图像平均处理
01
带有噪声的图像：
02
K幅噪声图像取平均：
03
注意：图像配准
01
图像平均处理
02
星系图：NGC3314
03
８
04
64
05
16
06
128
A
图像平均处理
均值、方差
B
”
空间滤波基础(邻域处理)
4
5
6
6
6
1
4
6
6
2
3
1
3
6
4
6
6
1
2
3
4
5
6
5
4
5
6
2
14
灰度直方图 １．所有的空间信息全部丢失。 ２．每一灰度级的像素个数可直接得到。
h
0
3
1
2
2
4
3
4
4
1
5
1
6
4
7
1
8
2
9
3
P
0
0.12
医学影像处理中的图像增强技术研究探讨
医学影像处理中的图像增强技术研究探讨医学影像在现代医疗诊断中扮演着至关重要的角色，它能够帮助医生直观地观察人体内部的结构和病变情况。
然而，由于各种因素的影响，原始的医学影像可能存在清晰度不高、对比度不足等问题，这就需要运用图像增强技术来改善影像质量，以便更准确地进行诊断和治疗。
图像增强技术的目的是通过一系列的处理方法，突出影像中的有用信息，抑制无用信息，从而提高图像的可读性和可理解性。
在医学影像处理中，常用的图像增强技术包括灰度变换、直方图均衡化、空间滤波、频率滤波等。
灰度变换是一种简单而有效的图像增强方法。
它通过改变图像中像素的灰度值来调整图像的对比度。
例如，线性灰度变换可以将灰度范围拉伸或压缩，从而增强图像的对比度。
而非线性灰度变换，如对数变换和指数变换，则可以根据图像的特点对不同灰度区域进行有针对性的调整，使得原本较暗或较亮的区域能够更清晰地显示出来。
直方图均衡化是另一种常见的图像增强技术。
它通过重新分布图像的灰度值，使得直方图更加均匀，从而增强图像的对比度。
直方图均衡化的优点是计算简单，效果明显，但有时可能会导致图像的细节丢失。
为了克服这一缺点，人们提出了局部直方图均衡化方法，它只对图像的局部区域进行直方图均衡化处理，从而更好地保留图像的细节。
空间滤波是基于像素及其邻域的运算。
常见的空间滤波器有平滑滤波器和锐化滤波器。
平滑滤波器可以去除图像中的噪声，使图像变得更加平滑。
均值滤波器和中值滤波器是两种常用的平滑滤波器。
均值滤波器通过计算邻域像素的平均值来替代中心像素的值，从而减少噪声的影响。
中值滤波器则是将邻域像素的值进行排序，取中间值作为中心像素的值，对于去除椒盐噪声等效果显著。
锐化滤波器则用于增强图像的边缘和细节，常用的有拉普拉斯算子和索贝尔算子。
频率滤波是基于傅里叶变换的图像增强方法。
通过将图像从空间域转换到频率域，对不同频率成分进行处理，然后再转换回空间域，实现图像增强的目的。
低通滤波器可以去除高频噪声，使图像变得更加平滑；高通滤波器则可以增强图像的边缘和细节。
基于频率域与空间域的图像放大方法的研究
实验结果：
图 2. Silent 图像（破损）
图 3. Silent 图像（修补后）
图 6. Hall 破损
图 7. Hall 修补
通过图像修补的算法，利用了周围原始的信息，使得丢失的块通过判断每一 个块所经过的边缘而具体 3. 图像修补与放大相结合 算法： 1）将图像使用原先的算法进行双线性插值，以8*8块为单位，使用边缘检测
四、提出新的方法
1． 基于分类的边缘检测的双线性插值算法 提出理由：分析可知，由于双线性插值，原本尖锐的边缘变得平坦了，图像 边缘的宽度也增加了，从而使图像变得模糊不清。图像边缘产生模糊的原因是由 于经典插值算法的平滑功能，使边缘像素和邻近像素的值大小接近。 为了消除模糊，提高图像的质量。我们的算法先把模板图像分成3 个区： (1)平坦区域； (2)边缘检测后，提取的边缘点组成的边缘区域； (3)位于边缘区域和平坦区域之间，产生模糊效应的像素点组成的过渡带区 域。 对于过渡带区域，分析像素点自身空间梯度信息和相关特征，利用类与类之 间具有阶越性特性，采用扩大边缘像素和邻近像素的梯度差值，进而对过渡带像 素进行模糊消除修正处理。这样提高了插值的鲁棒性，抑制了由于噪声等原因形 成的“假”边沿和边缘模糊，使图像变得清晰。
2.
基于块的修补算法
初步设想： 1）先找出8*8的块外面一圈差分最大的两个点（边缘点），计算差分的时候 同时考虑水平差分Dy和垂直差分Dx，计算出Dx/Dy 2）用5*3的矩阵框中找到与边缘点亮度最接近的4个点，分别比较这4个点与 边缘点亮度最接近的4个点与边缘点组成的直线与斜率与Dx/Dy的差距， 找出差距 最小的斜率，这样可以匹配出边缘线的方向。 尝试、提高与改进得到的算法： 1）对于丢失的某个8*8的块，先找出它的外面一圈差分最大的5个点（目前 暂定为5个），如果这5点中有某些点差分值小于50（阈值），则将这些点删去。 如果这5个点的差分值都小于50，则至少还是会保留一个差分值最大的点。 2）对于第1步中所得的边缘点（最多5个），分别在它们各自5*3的框中寻找 与它们最匹配的点。对每个边缘点分别找到5个匹配点，然后分别计算这5个匹配 点和它们所对应的边缘点的斜率，然后将这些斜率与5个边缘点的Dx/Dy分别比 较，找到最接近的。 3）由第2步最多可以得到5条斜率，再由其对应的5个边缘点，则可得到5条 边。 4）用这5条边对8*8的丢失块进行分块，插帧时只会用相同块内的点进行修 补。 5）插帧时具体采用的方法是：对于某个待修补的点，依据5个斜率，则最多 可以得到10个点（这10个点都位于8*8的外面一层，可用于插帧），对于这10个 点，删去与待修补点不处于同一块的点，然后用剩余的处于同一块的点对待修补 点进行几何插帧。 6）对于用以上5步没能修补的点，会作记录，对这些点用其周围紧挨的点进 行修补（这种点一般比较少）。
数字图像处理之频率域图像增强
易于分析和处理。
图像增强技术广泛应用于医学影 像、遥感、安全监控、机器视觉
等领域。
频率域图像增强的概念
01
频率域图像增强是指在频率域 对图像进行操作，通过改变图 像的频率成分来改善图像的质 量。
02
频率域增强方法通常涉及将图 像从空间域转换到频率域，对 频率域中的成分进行操作，然 后再将结果转换回空间域。
直方图规定化
直方图规定化是另一种频率域图像增强 方法，其基本思想是根据特定的需求或 目标，重新定义图像的灰度级分布，以
达到增强图像的目的。
与直方图均衡化不同，直方图规定化可 以根据具体的应用场景和需求，定制不 同的灰度级分布，从而更好地满足特定
的增强需求。
直方图规定化的实现通常需要先对原始 图像进行直方图统计，然后根据规定的 灰度级分布进行像素灰度值的映射和调
灵活性
频率域增强允许用户针对特定频率成 分进行调整，从而实现对图像的精细 控制。例如，可以增强高频细节或降 低噪声。
总结与展望 数字图像处理之频率域图像增强的优缺点
频谱混叠
在频率域增强过程中，如果不采取适 当的措施，可能会导致频谱混叠现象， 影响图像质量。
计算复杂度
虽然频率域增强可以利用FFT加速， 但对于某些复杂的图像处理任务，其 计算复杂度仍然较高。
傅立叶变换具有线性、平移不变性和周期性等性质，这些性质在图像增强中具有重 要应用。
傅立叶变换的性质
线性性质
傅立叶变换具有线性性质，即两 个函数的和或差经过傅立叶变换 后，等于它们各自经过傅立叶变
换后的结果的和或差。
平移不变性
傅立叶变换具有平移不变性，即 一个函数沿x轴平移a个单位后， 其傅立叶变换的结果也相应地沿
THANKS
图像增强技术广泛应用于医学影 像、遥感、安全监控、机器视觉
等领域。
频率域图像增强的概念
01
频率域图像增强是指在频率域 对图像进行操作，通过改变图 像的频率成分来改善图像的质 量。
02
频率域增强方法通常涉及将图 像从空间域转换到频率域，对 频率域中的成分进行操作，然 后再将结果转换回空间域。
直方图规定化
直方图规定化是另一种频率域图像增强 方法，其基本思想是根据特定的需求或 目标，重新定义图像的灰度级分布，以
达到增强图像的目的。
与直方图均衡化不同，直方图规定化可 以根据具体的应用场景和需求，定制不 同的灰度级分布，从而更好地满足特定
的增强需求。
直方图规定化的实现通常需要先对原始 图像进行直方图统计，然后根据规定的 灰度级分布进行像素灰度值的映射和调
灵活性
频率域增强允许用户针对特定频率成 分进行调整，从而实现对图像的精细 控制。例如，可以增强高频细节或降 低噪声。
总结与展望 数字图像处理之频率域图像增强的优缺点
频谱混叠
在频率域增强过程中，如果不采取适 当的措施，可能会导致频谱混叠现象， 影响图像质量。
计算复杂度
虽然频率域增强可以利用FFT加速， 但对于某些复杂的图像处理任务，其 计算复杂度仍然较高。
傅立叶变换具有线性、平移不变性和周期性等性质，这些性质在图像增强中具有重 要应用。
傅立叶变换的性质
线性性质
傅立叶变换具有线性性质，即两 个函数的和或差经过傅立叶变换 后，等于它们各自经过傅立叶变
换后的结果的和或差。
平移不变性
傅立叶变换具有平移不变性，即 一个函数沿x轴平移a个单位后， 其傅立叶变换的结果也相应地沿
THANKS
图像增强的实现方法
图像增强的实现方法图像增强是指通过一系列处理方法，改善或提高原始图像的视觉质量，使其更适合特定应用需求。
图像增强技术在计算机视觉、图像处理、模式识别等领域中具有广泛应用，能够帮助我们从原始图像中提取更多有用信息，强调图像的特定特征，改善人眼对图像的感知效果。
本文将介绍图像增强的实现方法，并详细阐述其中的几种常用技术。
1. 空域增强方法空域增强方法是最常用的图像增强方法之一。
其基本思想是直接对图像的像素值进行处理。
常见的空域增强方法包括直方图均衡化、图像锐化和滤波技术等。
直方图均衡化是一种常用的直方图拉伸方法，通过调整图像像素的灰度分布来增强对比度。
具体操作是先计算图像的直方图，然后根据直方图构建一个累积分布函数（CDF），最后利用CDF对每个像素值进行重新映射，以达到增强图像对比度的目的。
图像锐化是通过增强图像的高频分量来提高图像的细节信息。
常见的图像锐化方法有拉普拉斯锐化和边缘增强等。
拉普拉斯锐化方法一般通过对原始图像进行卷积操作，得到图像的拉普拉斯增强图像，进而将其与原始图像进行加权叠加，以增强图像的细节和边缘信息。
滤波技术是通过对图像进行滤波操作，来提取或增强图像中的某些信息。
常用的滤波方法有平滑滤波和锐化滤波等。
平滑滤波技术主要用于图像去噪，通过将每个像素的值与其周围邻域像素的值进行平均或加权平均，减小噪声对图像的影响。
锐化滤波技术则用于增强图像的边缘和细节信息，常见的锐化滤波器有Sobel算子和Laplacian算子等。
2. 频域增强方法频域增强方法是通过对图像的频谱进行处理来实现的。
它基于傅里叶变换的原理，可以将图像从空域转化到频域，然后对频域数据进行增强处理后，再通过逆傅里叶变换将图像还原回空域。
频域增强方法常见的技术有傅里叶变换、滤波器设计和小波变换等。
傅里叶变换将图像从空域转化到频域，将图像的空间域信息转化为频率域信息，可以方便地观察和处理图像的频谱分布。
通过对图像的傅里叶变换结果进行滤波操作，可以实现图像的频域增强。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
南京理工大学紫金学院毕业设计(论文)开题报告学生姓名：杨程学号：090402159专业：光电信息工程设计(论文)题目：空间域和频率域结合的图像增强技术及实现指导教师:曹芳2012年12月20日开题报告填写要求1．开题报告（含“文献综述”）作为毕业设计（论文）答辩委员会对学生答辩资格审查的依据材料之一。
此报告应在指导教师指导下，由学生在毕业设计（论文）工作前期内完成，经指导教师签署意见及所在专业审查后生效；2．开题报告内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，禁止打印在其它纸上后剪贴，完成后应及时交给指导教师签署意见；3．“文献综述”应按论文的格式成文，并直接书写（或打印）在本开题报告第一栏目内，学生写文献综述的参考文献应不少于15篇（不包括辞典、手册）；4．有关年月日等日期的填写，应当按照国标GB/T 7408—2005《数据元和交换格式、信息交换、日期和时间表示法》规定的要求，一律用阿拉伯数字书写。
如“2007年3月15日”或“2007-03-15”。
毕业设计（论文）开题报告1．结合毕业设计（论文）课题情况，根据所查阅的文献资料，每人撰写2000字左右的文献综述：文献综述空域法与时域法相结合的图像增强一、研究的目的和意义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至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。
它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，其手段主要可分为空域法和时域法[1]。
二、图像增强的发展现状图像增强的早期应用是对宇宙飞船发回的图像所进行的各种处理。
到了70 年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响[2]。
三、空间域和频率域图像增强处理基本原理及优缺点比较：图像增强可分成两大类：频率域法和空间域法。
前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。
采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使得模糊的图片变得清晰[3]。
后者是直接对原图象的灰度级别进行数据运算，它分为两类，一类是与象素点邻域有关的局部运算，如平滑，中值滤波，锐化等；另一类是对图象做逐点运算，称为点运算如灰度对比度扩展，削波，灰度窗口变换，直方图均衡化等[4]。
下面将讨论两种作用域增强算法的技术要点，并对其图像增强方法进行性能评价。
3.1 空间域图像增强的方法空间域处理是直接对原图像的灰度级别进行数据运算，具体可分为以下几类:1.灰度变换[5]当图像成像时曝光不足或过度，图像记录设备的范围太窄等因素，都会产生对比不足的问题，使图像的细节分辨不清。
为此需对每一像素的灰度级进行变换，扩大图像灰度的范围，达到图像增强的目的。
设原图像中像素点(x,y)处的灰度级为f(x,y)，通过映射函数T ，生成的图像的灰度级为g(x,y)，即：g(x,y)=T[f(x,y)] (1) 优势：可以充分利用图像中的亮度信息，明显改善图像质量，是一种常用的图像增强算法。
不足：对于受噪声影响明显的图像，该算法增强效果不明显。
即不能有效地抑制噪声。
而且，仅仅利用了图像中的局部信息。
2.直方图变换[6]直方图表示数字图像中每一灰度级与其出现的频数（具有该灰度级的像素的数目）间的统计关系，横坐标表示灰度级，纵坐标表示频数（或相对频数=频数/总像素数）。
直方图能给出图像的概貌性描述，如图像的灰度范围、灰度级的大致分布情况等。
主要方法有：（1）直方图均衡化把原图像的直方图变换为各灰度值频率固定的直方图称为直方图均衡化。
（2）直方图正态化如果灰度的频率分布接近正态分布的形状，通常认为适合于人眼观察。
但如果把与正态分布形状相差较大的图像勉强进行直方图正态化时，往往会产生问题。
如当原图像的某一灰度的频率很高，而正态分布所对应的该灰度值的频率变得较低，就会造成这部分信息被压缩和丢失的情况。
因此，直方图正态化对于卫星图像那种原图像的动态范围窄，且不够鲜明的图像是非常有效。
（3）算法先计算原图像的灰度直方图)(K r r P ；再计算原图像的灰度累积分布函数k s ，然后进一步求出灰度变换表；根据灰度变换表，将原图像各灰度级映射为新的灰度级。
在MATLAB 中，histeq 函数可以实现直方图均衡化。
该命令对灰度图像I 进行变换，返回有N 级灰度的图像J ，J 中的每个灰度级具有大致相同的像素点，所以图像J 的直方图较为平坦，当N 小于I 中灰度级数时，J 的直方图更为平坦，缺省的N 值为64。
（4）优势：能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩张了像素值的动态范围，是一种常用的图像增强算法。
不足：不能抑制噪声。
3.平滑[7]图像在生成和传输过程中会受到各种噪声源的干扰和影响，使图像质量变差。
反映在图像上，噪声使原本均匀和连续变化的灰度突然变大或变小，形成一些虚假的物体边缘或轮廓。
抑制或消除这些噪声而改善图像质量的过程称为图像的平滑。
输出图像的值等于输入图像滤波后值的局部平均，各个项具有相同的权。
下面是平滑窗口分别为矩形和圆形的情况。
⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=1111111111111111111111111251],[k j h rect ⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=011101111111111111110111211],[k j h circ 其方法主要有： （1）邻域平均法在邻域平均法中，假定图像是由许多灰度恒定的小块组成，相邻像素间有很强的空间相关性，而噪声是统计独立地加到图像上的。
因此，可用像素邻域内个像素灰度值的平均来代表原来的灰度值。
（2）低通滤波法从频谱上看，噪声特别是随机噪声是一种具有较高频率分量的信号。
平滑的目的就是通过一定的手段滤去这类信号。
一个很自然的想法就是使图像经过一个二维的低通数字滤波器，让高频信号得到较大的衰减。
在空间域上进行的这种滤波实际上就是对图像和滤波器的冲击响应函数进行卷积。
(3)中值滤波法中值滤波的思想是对一个窗口内的所有像素的灰度值进行排序，取排序结果的中间值作为原窗口中心点处像素的灰度值。
这种平滑方法对脉冲干扰和椒盐类干扰噪声的效果较好。
中值滤波的关键在于选择合适的窗口大小和形状。
但一般很难事先确定窗口的尺寸，通常是从小到大进行多次尝试。
窗口的形状可选为正方形，也可选为十字形。
（4）优势：实现简单，去噪效果明显。
不足：去噪的同时会导致结果图像边缘位置的改变和细节模糊甚至丢失。
4.图像锐化[8]在图像判断和识别中，需要有边缘鲜明的图像。
图像尖锐化技术常用来对图像的边缘进行增强。
拉普拉斯锐化的基本方法可以由下式表示：xfyyg∇= (2)-fx,(,)),(2y)(x其主要方法有：（1）微分法在图像的判断和识别中，边缘是由不同灰度级的相邻像素点构成的。
因此，若想增强边缘，就应该突出相邻点间的灰度级变化。
微分运算可用来求信号的变化率，具有加强高频分量的作用。
如果将其应用在图像上，可使图像的轮廓清晰。
由于常常无法事先确定轮廓的取向，因而在挑选用于轮廓增强的微分算子时，必须选择那些不具备空间方向性和具有旋转不变性的线性微分算子。
（2）高通滤波法由于边缘是由灰度级跳变点构成的，因此，具有较高的空间频率。
所以可用高通滤波法让高频分量顺利通过，使低频分量得到抑制。
通过增强高频分量，使图像的边缘变得清晰，实现图像的尖锐化。
这一思想反应在空间域的处理中就是让图像和高通滤波器的冲击响应函数进行卷积。
所用的表达式与低通滤波法中所用的相同，只是冲击响应函数不同。
（3）优势：图像模糊的部分得到了锐化，特别是模糊的边缘部分得到了增强，边界更加明显。
不足：图像显示清楚的地方，经过滤波发生了失真，这也是拉氏算子增强的一大缺点。
3.2 频域图像增强的方法频域增强是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其它空间中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。
其的主要步骤是：(1) 选择变换方法，将输入图像变换到频域空间；(2) 在频域空间中，根据处理目的设计一个转移函数并进行处理；(3) 将所得结果用反变换得到图像增强。
具体可分为[9~12]：3.2.1低通滤波[9]图像在传递过程中，由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u ，v)来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。
在傅里叶变换域中，变换系数能反映某些图像的特征，如频谱的直流分量对应于图像的平均亮度，噪声对应于频率较高的区域，图像实体位于频率较低的区域等，因此频域常被用于图像增强。
在图像增强中构造低通滤波器，使低频分量能够顺利通过，高频分量有效地阻止，即可滤除该领域内噪声。
由卷积定理，低通滤波器数学表达式(3)为：G(u,v) = F(u,v)H(u,v) （1）式中，F(u,v)为含有噪声的原图像的傅里叶变换域；H(u,v)为传递函数；G(u,v)为经低通滤波后输出图像的傅里叶变换。
假定噪声和信号成分在频率上可分离，且噪声表现为高频成分。
H 滤波滤去了高频成分，而低频信息基本无损失地通过。
选择合适的传递函数H(u,v)对频域低通滤波关系重大。
常用频率域低滤波器H(u ，v)有四种：(1) 理想低通滤波器设傅立叶平面上理想低通滤波器离开原点的截止频率 为D0，则理想低通滤波器的传递函数为：（3）式中，D(u,v)=(u 2+v 2)1/2 表示点(u,v)到原点的距离，D 0 表示截止频率点到原点的距离。
滤波后,如图（1）(2) Butterworth 低通滤波器01(,)(,)0(,)D u v D H u v D u v D ≤⎧=⎨>⎩图1 理想低通滤波器应用实例n 阶Butterworth 滤波器的传递函数为：（4）它的特性是连续性衰减，而不像理想滤波器那样陡峭变化。
(3) 指数低通滤波器指数低通滤波器是图像处理中常用的另一种平滑滤波 器。
它的传递函数为：（5） 滤波后,如图（2）图2 高斯低通滤波器应用实例(4) 梯形低通滤波器梯形低通滤波器是理想低通滤波器和完全平滑滤波器的折中。
它的传递函数为：（6） 3.2.2高通滤波[10]01010101(,)(,)(,)(,)0(,)D u v D D u v D H u v D D u v D D D D u v D ⎧<⎪-⎪=≤≤⎨-⎪⎪>⎩201(,)(,)1n H u v D u v D =⎡⎤+⎢⎥⎣⎦(,)(,)nD u v D H u v e-=图像中的细节部分与其频率的高频分量相对应，所以高通滤波可以对图像进行锐化处理。