下载文档原格式
一种改进的计算量小的自适应矫正图像增强算法
郑鑫
【期刊名称】《新余学院学报》
【年(卷),期】2014(000)006
【摘要】在自适应色调矫正算法的基础上，提出了一种改进的图像增强算法。
经实验表明，非线性自适应色调矫正图像增强算法对于欠曝光的图像具有显著改善效果，可有效增强图像视觉效果。
%in order to optimize the vision effect of images , on the basis of self -adaptive color rectifying algorithm , this paper puts for-ward an improved image strengthened algorithm .The experiment shows that the nonlinear self -adaptive color image strengthened algo-rithm greatly improves the under -exposed images.【总页数】3页(P17-19)
【作者】郑鑫
【作者单位】黄淮学院信息工程学院，河南驻马店 463000
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.自适应色彩矫正图像增强算法仿真研究 [J], 刘捡平;杨春蓉
2.一种改进的计算量小的自适应矫正图像增强算法 [J], 郑鑫;
3.运动模糊图像色调自适应矫正图像增强算法 [J], 郝梅
4.一种改进反锐化掩模的自适应图像增强算法 [J], 常柏烽;陈初侠;查俊莹;陈阳;钟声;许锐
5.一种改进的自适应非锐化掩模图像增强算法 [J], 朱莉
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进图像处理算法的图像增强技术研究在图像处理领域中，图像增强技术是一项重要的研究内容。
它可以提高图像的质量，使得图像具有更高的清晰度和细节，使得人们可以更为清晰地观察和分析图像中的信息。
然而，传统的图像增强技术往往受到许多限制和缺点，如图像噪声、失真和色彩失真等问题，严重影响了其应用效果。
因此，基于改进图像处理算法的图像增强技术的研究变得尤为重要。
传统的图像增强技术主要包括直方图均衡、灰度映射、区域增强等。
这些方法虽然简单易懂，但在处理不同类型的图像时却效果差距很大。
而且随着数字图像领域的不断发展，传统的算法已经无法满足人们的需求。
因此，基于改进图像处理算法的图像增强技术的研究变得至关重要。
在图像增强技术上，机器学习算法已经被广泛应用。
一些基于机器学习的算法，如卷积神经网络等，在图像增强方面已经取得了良好的成果。
卷积神经网络是一种通过学习特征来实现图像增强的方法。
它可以对大量的图像进行学习，从中提取出一些结构信息和纹理特征，然后利用这些特征来优化图像增强效果。
除了机器学习算法之外，还有一些其他的改进算法也逐渐被应用到图像增强领域中。
如基于小波变换的图像增强、基于局部对比度的图像增强、基于超分辨率的图像增强等等。
这些新的图像增强算法，不仅能够应对传统方法的缺点，而且可以更好地保留图像的细节和纹理信息，取得更加优秀的增强效果。
其中，基于小波变换的图像增强算法是图像处理领域中最为流行的算法之一。
小波变换是一种多分辨率分析方法，它可以将图像分解成多个小波子带，提取出各个子带中的纹理和结构信息，并根据这些信息对图像进行增强。
这种方法不仅能够提高图像的质量，而且能够抑制图像中的噪声，保留更多的细节信息。
总的来说，基于改进图像处理算法的图像增强技术是在传统图像增强技术的基础上进行了改进和提升的一种新型技术。
它能够更为准确和精细地提取图像中的细节和纹理信息，从而使得图像增强的结果更加清晰和精确。
在未来的发展中，我们相信这种基于改进图像处理算法的图像增强技术必将取得更大的进步和成果，为图像处理领域带来新的变革和突破。
一种改进型增强图像处理算法研究与应用刘洋;余建华;顾志芹;陈先锋【摘要】常规的基于高斯或拉普拉斯模板的锐化或增强算法应用中,都会出现包边的现象,即在与邻域有强烈对比的目标上会出现明显的暗或亮包边问题.常规方法未对该现象进行处理,导致部分场景目标存在明显的包边现象.基于常规算法产生的包边问题的原因分析,发现主要是在获取高频图像信息时,采用高斯或拉普拉斯这种基于位置差异计算权重的方式导致;因此在进行获取高频细节时,通过增加以灰度差值来调整权重方式来获取细节,或采用更简单的高频细节截止的处理方式,可有效改善增强算法中的包边问题.【期刊名称】《激光与红外》【年(卷),期】2019(049)003【总页数】4页(P381-384)【关键词】图像增强;包边;位置权重;灰度权重【作者】刘洋;余建华;顾志芹;陈先锋【作者单位】武汉电力职业技术学院电力工程系,湖北武汉 430079;武汉电力职业技术学院电力工程系,湖北武汉 430079;华中科技大学图书馆,湖北武汉 430074;武汉理工大学资源与环境工程学院,湖北武汉 430070【正文语种】中文【中图分类】TP391.411 引言由于红外图像动态范围较大,在将其转换为适合人眼观察的模拟图像过程中,容易造成图像细节的缺失,影响人眼的观察效果。
如何获取具有良好对比度且信息丰富的图像,是红外图像处理中的一项重要技术。
目前成熟的图像变换算法主要包括自动增益控制(AGC)和非线性变换,但上述算法在处理大动态范围红外图像时无法同时保留图像不同温度区间的细节信息,影响图像的显示效果[1]。
采用频率域法增强图像是图像增强的一种方法,采用高通滤波可以增强边缘信号,使模糊图片变得清晰,改善图像视觉效果,采用低通滤波可以去除图像中的噪声,改善图像视觉效果[2]。
在很多增强算法中都存在包边的问题,特别是与邻域有强烈对比度的目标上出现黑边或白边的问题。
如坏点、较暗背景中的亮目标、较亮背景中的暗目标。
一种基于K-means改进聚类的图像增强算法张霖泽;王晶琦;吴文【摘要】在低光照环境下,CMOS成像器件无法拍摄出清晰的图像.为了提升低照度条件成像器件输出图像的质量,根据低照度图像的特点,提出一种基于K-means 聚类的图像增强算法.通过改进的K-means算法将图像分块,并根据每一块图像的信息量分别进行直方图均衡.该方法与CMOS成像器件进行实验,可以在保留约98.6％图像细节(信息熵)的前提下,将图像的对比度提升至原图像的17倍,平均梯度提升至原图像的4倍.【期刊名称】《应用光学》【年(卷),期】2016(037)004【总页数】6页(P549-554)【关键词】K-means;聚类;图像增强;直方图均衡【作者】张霖泽;王晶琦;吴文【作者单位】南京理工大学电子工程与光电技术学院,江苏南京210094;南京理工大学电子工程与光电技术学院,江苏南京210094;南京理工大学电子工程与光电技术学院,江苏南京210094【正文语种】中文【中图分类】TN911.4在现代信息化社会中，人类所获取的80%信息来自于图像信息。
但人的视觉能力毕竟在所能感受的辐射光谱波段、分辨亮度、色度和细节差别的程度以及所能触及的空间与时间范围等诸多方面存在实际限制；针对这个问题，早在上个世纪，根据夜晚中的光线特性，人类制作出了可以捕获微弱光线的微光夜视仪和可以捕捉红外线的红外夜视仪。
但对于一般的成像器件，在夜晚捕获图像的能力仍较弱，为了使一般成像器件也可以在低照度条件下捕捉相对清晰的图像，使得低照度图像的处理变得十分重要。
在多种图像增强算法当中，直方图均衡算法较为简单，作用范围广泛，增强效果较为显著，所以被用在众多图像处理领域当中[1-5]。
最基础的直方图均衡算法是全局直方图均衡(GHE)，这种方法是根据输入图像整体的灰度等级通过其累计概率密度函数(CDF)变换为新的灰度等级的一种算法。
这种方法在面对灰度等级较为集中，对比度不高的图像时有很明显的作用，可以使灰度等级分布得更加均匀；但是它的缺点是一视同仁，不能针对图像的特征进行直方图均衡。
一种改进CLAHE算法在医学试纸条图像增强中的应用孙冬梅;陆剑锋;张善卿【摘要】在图像对比度增强算法中,结合自适应直方图均衡化和对比度受限两项技术的对比度受限自适应直方图均衡化算法(CLAHE)是一种常用的低对比度图像增强算法.为了解决快速诊断试剂中的过敏原检测试纸条图像对比度低的问题,尝试给出一种改进的CLAHE图像增强新算法.新算法在传统的CLAHE算法的基础上,通过引入一个自适应参数T来自动调整图像每个子块的像素点重新分配的范围,从而达到增强图像细节的目的.通过对过敏原检测试纸条图像增强的实验对比分析,表明改进后的CLAHE算法可有效地改善该类医学试纸条图像的增强视觉效果,为后续医学试纸条的分割和识别奠定基础.与此同时,以图像均方根对比度为定量统计依据,与传统CLAHE算法的结果比较得出:改进的CLAHE算法明显提高图像均方根对比度,传统的CLAHE算法平均提高原图像均方根对比度1～2倍,而改进的CLAHE算法平均提高3～4倍,进一步验证新算法是一种对过敏原检测试纸条图像增强更为有效的方法.【期刊名称】《中国生物医学工程学报》【年(卷),期】2016(035)004【总页数】5页(P502-506)【关键词】图像增强;对比度受限自适应直方图均衡(CLAHE);医学试纸条图像【作者】孙冬梅;陆剑锋;张善卿【作者单位】杭州电子科技大学图形图像研究所,杭州310018;杭州电子科技大学图形图像研究所,杭州310018;杭州电子科技大学图形图像研究所,杭州310018【正文语种】中文【中图分类】R318目前，医学试纸条检测结果主要依靠肉眼来判定，如快速诊断试剂中的过敏原检测试纸条，其检测原理是通过电泳分离的方法检测过敏原成分，然后使用免疫印迹的方法检测其过敏原反应性，最后在试纸条上完成功能测试。
但是，该类试纸条检测结果一般只能用于定性判定，当遇到被测对象含量很低、颜色很浅时，肉眼判定很容易造成误判，而且效率极低。
图像处理中的图像增强算法使用技巧在图像处理领域，图像增强是一项重要的任务。
图像增强的目标是提高图像的视觉质量，使得图像更加清晰、鲜明，以便更好地进行后续处理或者人眼观察。
为了实现这一目标，图像增强算法被广泛使用，并且不断发展。
下面将介绍一些常见的图像增强算法以及它们的使用技巧。
1. 线性滤波线性滤波是一种基础的图像增强算法，常用于对图像进行平滑和锐化。
常见的线性滤波算法包括均值滤波、高斯滤波和拉普拉斯滤波。
在使用线性滤波算法时，需要根据图像的特点选择合适的滤波器大小和参数设置，以达到最佳的增强效果。
2. 直方图均衡化直方图均衡化是一种常用的图像增强算法，用于提高图像的对比度。
它通过对图像的像素值进行重新分布，使得图像的直方图均匀分布在整个灰度范围内。
在应用直方图均衡化时，需要注意处理图像的局部对比度，以避免过度增强和失真。
3. 空域滤波空域滤波是一种基于像素的图像增强算法，通过对图像的像素进行运算来改变图像的外观。
常见的空域滤波算法包括锐化滤波、边缘增强和细节增强。
使用空域滤波算法时，需要选择合适的滤波器类型和参数，以获得理想的增强效果。
4. 频域滤波频域滤波是一种基于图像的频率分析的图像增强算法。
它通过对图像的傅里叶变换来分析图像的频谱特征，并根据需要对频谱进行修正，从而改变图像的视觉质量。
常用的频域滤波算法包括高通滤波和低通滤波。
在应用频域滤波算法时，需要注意选择合适的频率域区域和阈值，以避免引入噪声和失真。
5. 增强图像细节图像细节是图像中重要的信息之一，因此在图像增强过程中，保留和增强图像的细节是很重要的。
为了增强图像的细节，可以使用局部对比度增强算法、非局部均值算法、细节增强滤波器等。
这些算法可以根据图像的特点和需求来调整参数，以突出图像的细节。
6. 抑制噪声图像中常常存在各种类型的噪声，如高斯噪声、椒盐噪声等。
噪声会影响图像的视觉质量和后续处理的效果，因此在图像增强中需要考虑对噪声的抑制。
第25卷第9期计算机应用与软件Vol 125No . 92008年9月Computer App licati ons and Soft w are Sep. 2008一种改进的图像增强算法及其应用王小凤耿国华郭红波(西北大学信息科学与技术学院陕西西安710069收稿日期:2006-12-30。
国家自然科学基金项目(60673100 。
王小凤, 博士生, 主研领域:数据挖掘, 模式识别, 图形图像处理和音频处理。
摘要为改进图像增强算法, 使之更适合医学领域图片的处理, , 景区, 使用不同的函数进行增强, , 。
实验结果显示改进的基于粗糙集的增强效果优于直方图均衡化方法。
关键词粗糙集上逼近下逼近AN I M I M ENHANCE M ENT AL GO R I TH M AND I TS APPL I CAT I O NW ang Xiaofeng Geng Guohua Guo Hongbo(School of Infor m ation Science and Technology, N orthw est U niversity, X i πan 710069, Shaanxi, ChinaAbstract W ith an ai m t o i m p r ove the i m age enhance ment algorith m and make it suitable f or medical field, the upper and l ower app r oxi m a 2ti on ideas of r ough set theory are used, and the i m age is divided int o object 2i m age and backgr ound 2i m age, which are enhanced by different functi ons . Then, an i m p r oved i m age enhancement algorith m based on r ough set is p r oposed and used in medical i m age field . Experi m ental re 2sults show that the enhanced effect of the p r oposed algorith m is obvi ous and better than that of the hist ogra m equalizati on method . Keywords Rough set Upper app r oxi m ati on Lower app r oxi m ati on H ist ogram equalizati on0引言图像增强是一种基本的图像预处理手段, 它对改善原始图像的视觉效果起着不可估量的作用, 特别是在医学图像处理中更显示了它的重要性。
多年来, 医学工作者和工程师们为了提高医学图像的衬比, 采用了各种各样的图像处理算法。
图像增强技术大致可分为频域法、空域法和模糊处理三大类。
频域法[2～4]、空域法[5～9]、模糊增强方法[10～13]的处理步骤都是运用某一变换对整个图像作增强变换, 即对图像的平滑区域和边缘区域都以一种变换作灰度改变, 其结果是图像的边缘部分仍不明显, 而且图像平坦区域也会丢失一些细节信息[14]。
粗糙集理论是将图像分为物体区和背景区, 采用不同的函数进行增强。
在本文中我们先采用中值平滑滤波器[1]进行图像去噪处理, 去掉图像中的大多数背景信息和噪声。
第二步进行图像增强, 它能将原来不清楚的图像变得清晰或把我们感兴趣的某些特征强调出来, 以改善图像的视觉效果或便于对图像进行其它处理。
本文根据医学图像的特点, 改进了基于粗糙集的图像增强算法并且首次将其应用于医学领域, 并和直方图均衡化算法进行比较; 实验表明基于粗糙集的增强算法增强效果明显, 优于直方图均衡化算法。
1直方图均衡化处理图像的灰度变换处理是通过改变原始图像各像素在各灰度级上的概率分布来实现的。
通过对图像的灰度值进行统计可以得到一个一维离散的图像灰度统计直方图函数p (sk =nk /n (这里k =0, 1, …, L -1 , 该式表示在第k 个灰度级上的像素个数nk 占全部像素总数n 的比例, p (sk 则给出了对sk 出现概率的一个估计。
因此该直方图函数实际是图像的各灰度级的分布情况的反映, 换句话说也就是给出了该幅图像所有灰度值的整体描述。
通过该函数可以清楚地了解到图像对应的动态范围情况, 可以了解到图像灰度的主要集中范围。
因此可以通过图像增强程序的干预来改变直方图的灰度分布状况, 使灰度均匀地或是按预期目标分布于整个灰度范围空间, 从而达到增强图像对比度的效果。
2基于粗糙集的图像增强粗糙集体现了集合中对象的不可区分性, 即由于知识的粒度而导致的粗糙性。
图像信息具有较强的复杂性和相关性, 将粗糙集理论应用于图像的处理和理解, 具有比其他方法更好的效果。
文献[15]将此方法应用于弧形闸门黑白图像, 效果比较理想, 并且乳腺图片也是黑白图像, 因此本文改进了此方法并尝试将其应用于乳腺影像图片。
2. 1划分子图文献[15]基于不可分辨关系的子图划分对于一幅灰度级为L 的M ×N 个像素组成的二维图像U, 设像素x 为U 中的一个对象, 我们称知识库(知识系统 K =(U, R 为一个图像近似40计算机应用与软件2008年空间。
粗糙集理论中有两种属性:条件属性和决策属性。
为了图像增强, 应该有目的地改变图像中某类像素的灰度值。
为此, 我们定义条件属性集C ={c 1, c 2}, 其中c 1是像素灰度值属性,c 2是噪声属性。
乳腺癌影像一般是由较亮区域和较暗区域组成(亮区是肿瘤(物体区, 暗区是正常组织(背景区 , 则直方图有两个峰, 一个峰对应于亮区灰度值,一个峰对应于暗区灰度值, 两峰之间选一个灰度值作阈值P 。
灰度值属性c1={0, 1}, 其中0代表0～P 灰度值, 1代表(P +1 ～255灰度值, 噪声属性c 2={0, 1}, 其中0代表2×2, 或者4×4像素组成子块s 的平均灰度值与相邻子块平均灰度值之差的绝对值均小于某一阈值Q, 1代表子块的差值绝对值均大于Q 可分辨关系的等价概念, 按属性C 分类。
・根据c 1划分子图, 设x , R c 1定义为:P, 则两个像素是R c 1相关的, :R c 1(x |{x |:f(x >P}, f (x x , R c 1(x 表示所有“较亮”的像素x 组成的集合。
R c 1的非集R c 1则表示所有“较暗”的像素x 组成的集合。
・根据c 2划分子图, 定义等价关系R c 2为:子块s ij 与相邻子块的平均灰度值m (s 之差的绝对值取整均大于某一阈值Q, 即R c 2(s =∪i∪j{s ij |:int|m (s ij -m (s i ±1, j ±1 |>Q, s i ±1, j ±1表示s ij相邻的子块}。
R c 2(s 表示所有噪声像素组成的集合, 子块s ij 与相邻子块s i ±1, j ±1构成宏块。
将上述划分的子图合起来。
即A 1=R c 1(x -R c 2(s 和A 2=R c 1(x -R c 2(s , A 1表示剔除噪声后所有“较亮”的像素x 组成的集合, 即肿瘤区—物体区。
A 2表示剔除噪声后所有“较暗”的像素集合, 即背景区。
A 1, A 2也就是我们需要增强的像素集合。
2. 2具体增强算法在对二维图像U 的子图划分基础上, 分别对A 1和A 2作对比度增强。
我们称此增强为一变换, 记为T:T (U =U ′。
该运算分别对“较亮”子图A 1作正切变换(式(2 和“较暗”子图A 2作正弦变换(式(1 , 不仅增强了图像, 而且可以控制图像“明暗”区的对比度。
增强变换T 的步骤如下:・将子A 1图补全, 即在所有“较暗”的像素和噪声像素位置处, 分别用阈值P 灰度值和噪声子块处的宏块的平均灰度值填充, 构成A ′1。
・将子A 2图补全, 即在所有“较亮”的像素和噪声像素位置处, 分别用阈值P 值和宏块均值填充, 构成A ′2。
・对A ′1作正切变换(式(2 , A ′2作正弦变换(式(1 。
・对A ′1和A ′2变换后的图像作重叠, 输出增强的图像。
综上所述, 基于粗糙集的增强算法由两部分组成:1 按属性C 对图像作粗糙分类。
2 分类后分别做式(1 和式(2 的增强变换T:T (U=U ′。
效果如图1～图4所示。
图1原始图片图2去噪图片图3(sin (π2sin [απD m -20<α<1(1 正切变换:f (x =D 21tan (π2tan [απD m -20<α<1(2 在本系统中, D m =202, α=0. 7。
3总结从图1～图4中能明显看出改进的粗糙集增强算法优于直方图均衡化算法, 而且在分类系统中应用也得到证实。
因此基于粗糙集理论的增强算法是非常实用的。
参考文献[1]徐建华. 图像处理与分析[M].北京:科学出版社, 1994.[2]Azriel Rosenfield, A vinash C K . D igital Picture Pr ocessing . Ne w York:Acade m ic Press, 1982:1542167.[3]Castle man KR. D igital I m age Pr ocessing . Canada:Prentice Hall, 1996:3072344.[4]It oh Yasumasa, Tanaka Yutaka . I m age enhance ment based on esti m a 2ti on of high res oluti on component using wavelet transf or m. I n:Pr oc I EEE I nternati onal Conference on I m age Pr ocessing, Paris, 1999:4892493.[5]L ee J D. D igital i m age enhance ment and noise filter by use of l ocal sta 2tistics . I EEE Trans Pattern Analysis and Machine I ntelligence, 1997,19(9 :8632872.[6]Monteil Jer ome, Beghdadi A zeddine . Ne w inter p retati on and i m p r ove 2ment of the nonlinear anis otr op ic diffusi on for i m age enhance ment . I EEE Trans Pattern Analysis and Machine I ntelligence, 1999, 21(9 :9402946.[7]Matz Sean C, Rui J P . Localized nonlinear method f or the contrast en 2hance ment of i m ages . I n:Pr oc I EEE I nternati onal Conference on I m age Pr ocessing, Paris, 1999:4842488.[8]Zhang Yu,W ang Xi Q in, Peng Ying N ing . Ne w i m age enhance ment algo 2rithm for night visi on . I n:Pr oc I EEE I nternati onal Conference on I m age Pr ocessing, Paris, 1999:2012203.[9]Sait oh Fum ihiko . I m age contrast enhance ment using genetic algorithm.I nPr oc I EEE I nternati onal Conference on System s,Man, and Cybernet 2ics, 1999:899290.[10]Pal S K, King R A. On edge detecti on of Xray i m ages using fuzzy sets .I EEE Trans Pattern Analysis and M ach ine I ntelligence, 1983, 5(1 :69277.[11]Pal S K, King R A. I m age enhance ment using s moothing with fuzzy sets .I EEE Trans Syste ms,Man and Cybernetics, 1981, 11(7 :4942501.(下转第63页第9期王宝土等:基于GP U 的虚拟经络系统构建的研究63(3 计算点P 与被选中的穴位中心点的距离dis 。
