基于MATLAB的红外图像增强技术研究与应用
- 格式:doc
- 大小:2.84 MB
- 文档页数:17
MATLAB中的图像融合与增强技术指南介绍图像处理是计算机科学与技术领域的核心研究方向之一,而MATLAB作为一种功能强大的科学计算软件,提供了许多图像融合与增强的工具和函数。
本文将深入探讨MATLAB中的图像融合与增强技术,并为读者提供一份详尽的技术指南。
一、图像融合技术1.1 像素级融合图像融合的一种常用方式是像素级融合,即将两幅或多幅图像的像素值进行组合,生成一幅新的图像。
MATLAB中的`imfuse`函数可以实现像素级融合,可以选择使用不同的融合方式,如加权平均、最大值、最小值等。
1.2 尺度级融合尺度级融合是一种多尺度图像处理技术,它将不同尺度空间中的图像进行融合,以获得更全面的信息。
MATLAB中的`waveletFusion`函数可用于尺度级融合,该函数使用小波变换对输入图像进行分解和重建,从而实现图像融合。
二、图像增强技术2.1 灰度变换灰度变换是一种常见的图像增强技术,它通过调整图像的灰度级别来改善图像的质量。
MATLAB中的`imadjust`函数可以实现灰度变换,可以通过调整参数来实现图像的对比度增强、亮度调整等效果。
2.2 直方图均衡化直方图均衡化是一种常用的图像增强技术,它通过重新分布图像的灰度级别,使得图像的直方图在整个灰度范围内更均匀。
MATLAB中的`histeq`函数可以实现直方图均衡化,可以使图像的对比度得到显著提高。
2.3 空间滤波空间滤波是一种用于图像增强的重要技术,它基于图像的局部邻域信息来对图像进行处理。
MATLAB中的`imfilter`函数可以实现各种空间滤波操作,如平滑、锐化、边缘检测等。
三、图像融合与增强实例3.1 多传感器图像融合多传感器图像融合是一种将来自不同传感器的图像信息进行融合的技术,旨在提高图像的质量和信息丰富度。
MATLAB中的`multisensorFusion`函数可以实现多传感器图像融合,可以选择使用不同的融合算法和技术。
基于matlab的图像增强技术的研究
宋杰静
【期刊名称】《计算机光盘软件与应用》
【年(卷),期】2011(000)017
【摘要】In this paper, gray-scale transformation,histogram equalization and retinex clear algorithm for fuzzy image processing,algorithm and compared the use of matlab,and finally evaluate the effect of image processing,that the best image enhancement program.%本文采用灰度变换、直方图均衡化及retinex算法对模糊图像进行清晰化处理,利用matlab算法实现并对比,最后对图像处理效果进行评价,得出最佳图像增强方案。
【总页数】1页(P145-145)
【作者】宋杰静
【作者单位】北京航空航天大学,北京100191
【正文语种】中文
【中图分类】TP312
【相关文献】
1.基于Matlab的图像增强技术研究 [J], 张彩甜
2.基于matlab的图像增强技术的分析与研究 [J], 徐辉
3.基于MATLAB的图像增强技术的研究 [J], 张宏伟
4.基于Matlab的计算机图像增强技术研究 [J], 张小红
5.基于MATLAB GUI的指纹图像增强技术研究 [J], 曹妍;陈伟
因版权原因,仅展示原文概要,查看原文内容请购买。
基于matlab的图像增强技术分析与实现
吕红;安秀芳
【期刊名称】《电脑知识与技术》
【年(卷),期】2006(000)011
【摘要】图像增强是图像处理的一个重要分支,是图像边缘提取、图像分割等的基础.由于图像在获取和传输过程中发生失真,影响了人和机器对图像的理解.文章主要介绍了常见的空域处理法.通过实验的对比,发现图像得到了很好的增强效果.
【总页数】2页(P121-121,124)
【作者】吕红;安秀芳
【作者单位】徐州工业职业技术学院,信息与电子工程系,江苏,徐州,221006;徐州工业职业技术学院,信息与电子工程系,江苏,徐州,221006
【正文语种】中文
【中图分类】TP312
【相关文献】
1.基于直方图的X线医学图像增强及Matlab实现 [J], 张艺雪
2.基于MATLAB的图像增强技术分析 [J], 钱晶
3.基于MATLAB GUI的图像增强技术的实现 [J], 英英
4.基于MATLABGUI的图像增强技术的实现 [J], 英英;
5.基于MATLAB的图像增强算法研究及实现 [J], 朱逢园
因版权原因,仅展示原文概要,查看原文内容请购买。
2371 引言图像是人类传递信息的主要媒介之一[2],是分析解决问题不可缺少的重要组成部分。
然而在获取图像的过程中往往会受外界环境、摄影设备等因素的影响,导致所获取的图像不够理想化,因此在对图像进行分析之前,必须进行图像增强处理改善图像视觉效果。
图像增强的方法主要有两大类:空间域法和频率域法[1]。
尽管基于频域的图像增强能有效地扩大对比度,但因为它存在运算量大的缺点,不适用于实时处理,所以空域算法应用更为广泛[2]。
基于空间域法图像增强技术,本文首先对图像的灰度级分布进行均衡修正,借助实例说明直方图均衡化的效果;说明图像降雾处理的重要性,将得到的处理后的图像与原图作对比,最后总结出本文所用方法的优势与不足。
2 图像均衡化处理在基于空域的众多算法中,基于直方图的图像增强是应用最为广泛的一种方法,包含直方图均衡化(HE)和直方图规定化(HS)两类[3]。
由于在实际使用时,当确定了图像中特定区域内的对比度或图像应满足的特定需求时,HS 方法的使用效果会比较好,所以在此本文只运用HE 方法针对图像整体对比度进行增强处理,不考虑其他局部的特定需求。
下面以Lena 图像为例,基于matlab 测试图像经直方图均衡化处理后的效果。
首先获取到Lena 原图,为便于均衡化处理,先将原图进行灰度化处理,然后进行直方图均衡化处理,得出均衡化前后的灰度级分布直方图,最后输出经过直方图均衡化处理后的图像。
图1 Lena 原图 图2 原图灰度化 图3 均衡化处理后由以上图像对比可得出:通过对图像的均衡化处理,可以使图像的灰度级分布变的均匀,从而实现自动调节图像的对比度,使图像更加清晰化,但是其输出图像平均亮度相比于输入图像来说发生的偏移量较大,导致边缘效应和人为处理痕迹较明显[2],因此,此方法有待研究改进的空间。
图4 均衡化处理前后直方图对比3 雾天降质图像清晰化处理国家工业的快速发展,带动了人民生活水平的提高,但同时也加重了环境恶化,大大增加了雾天出现的概率,使所摄取的图像夹带一层浓厚雾气,增大了图像模糊度,严重影响图像视觉效果,所以在利用图像分析解决问题之前,必须对有雾图像进行去雾处理。
红外图像增强算法研究的开题报告1.研究背景红外成像技术在许多领域得到广泛应用,例如军事、航空、医学等。
与可见光成像相比,红外成像具有不同的物理特性和成像质量。
然而,由于环境条件和红外成像设备的限制,红外图像通常会受到许多因素的影响,并且可能会显示出低对比度、模糊以及信息不足等问题。
通过对红外图像进行增强可以有效提高其可视化效果和可分析性。
2.研究目的本研究旨在研究红外图像增强算法,以提高红外图像的质量和可视化效果。
我们将重点关注对比度增强、图像锐化和噪声消除等技术。
我们将探索不同的红外图像增强方法,并比较它们在不同情况下的效果。
该研究将为红外图像应用和相关研究提供有益的信息和指导。
3.研究内容和方法本研究将包括以下内容:(1)红外成像技术的基础知识和红外图像的特点分析。
(2)红外图像增强的常见方法分析,包括对比度增强、图像锐化和噪声消除等。
(3)对比常见红外图像增强方法进行实验分析,并基于不同指标对其进行性能比较,如峰值信噪比(PSNR)、图像清晰度和灰度级分布等。
(4)基于实验结果,选择并优化最有效的算法进行进一步研究和应用。
本研究将采用实验和分析的方法进行。
我们将使用不同的红外图像和情境进行测试和分析,收集数据并进行分析。
我们将使用各种工具和软件来支持我们的实验和分析,例如MATLAB、Python、ImageJ等。
4.预期成果本研究预计将实现以下成果:(1)基于不同的红外图像增强算法,制定红外图像增强框架,提高红外图像的可视化效果和可分析性。
(2)通过对比常见的红外图像增强方法,发现其性能优缺点,得出更好的实际应用算法。
(3)研究结果可用于指导相关的红外图像应用和其他相关领域的研究。
5.研究计划本研究计划如下:(1)2021年10月至11月:完成背景调研和文献综述,熟悉相关领域和方法。
(2)2021年12月至2022年3月:分析和实验常见的红外图像增强算法,并对其性能进行比较和评估。
(3)2022年4月至6月:优化最有效的红外图像增强算法,应用于实验并进一步探索其性能。
运用MATLAB的遥感图像增强方法
蒋芳;汪权方
【期刊名称】《地理空间信息》
【年(卷),期】2011(009)001
【摘要】在遥感图像研究中,图像增强技术对于改善图像的对比度、突出某些局部细节等方面都起着积极的作用.详细介绍了灰度变换、直方图规定化、中值滤波器、Butterworth低通滤波器等多种图像增强的方法,原理及在Matlab中的实现过程,
并对各种方法的实现结果进行了比较.结果表明,上述图像增强方法,能够扩大地物之间的像元灰度差距,有助于图像中常绿林等典型地物的特征提取.
【总页数】3页(P57-59)
【作者】蒋芳;汪权方
【作者单位】湖北大学,资源环境学院,湖北,武汉,430062;湖北大学,资源环境学院,
湖北,武汉,430062
【正文语种】中文
【中图分类】P237.3
【相关文献】
1.一种高灰度级红外遥感图像的伪彩色增强方法 [J], 刘爱平;王稳平;谢海林;裴卫
军
2.基于NSCT和改进模糊的遥感图像增强方法 [J], 周飞;贾振红;杨杰;Nikola Kasabov
3.遥感图像城市道路细节特征提取及增强方法研究 [J], 孙海燕
4.一种自适应强度变换的彩色遥感图像增强方法 [J], 杨蕴; 李玉; 赵泉华
5.基于NSST域的引导滤波遥感图像增强方法 [J], 韩晶;贾振红;杨杰;Nikola Kasabov
因版权原因,仅展示原文概要,查看原文内容请购买。
红外弱小目标图像增强方法的研究的开题报告一、选题背景和意义近年来,红外成像技术在军事、安防、医疗等领域得到了广泛应用。
红外成像具有无所不透的优势,能够在低光、黑暗、雾霾等环境下进行成像,对于目标的检测、识别具有重要意义。
然而,红外目标一般特征不明显,且信噪比较低,难以直观地观察和分析。
因此,如何对红外图像进行有效的增强,成为研究热点之一。
本文旨在研究红外弱小目标图像增强方法,提高目标检测和识别的准确度,为红外成像技术的应用提供重要支撑。
二、研究内容和目标本文中,我们将研究和探讨现有的红外图像增强方法,并针对其不足之处进行改进,提出一种新的红外弱小目标图像增强方法。
主要研究内容包括:1.分析红外图像的特点,建立红外弱小目标图像的模型。
2.对比现有的红外图像增强方法,分析其优缺点。
3.提出一种新的基于分形多尺度分解的红外弱小目标图像增强方法,并进行实验测试。
4.评估新方法的表现,验证其优越性。
三、研究方法和技术路线本文中将采用实证研究方法,利用MATLAB进行算法实现和实验测试。
具体技术路线如下:1. 收集和预处理红外弱小目标图像数据集,建立红外目标图像的数学模型。
2. 回顾、分析现有的红外图像增强方法,总结其优缺点。
3. 提出一种新的基于分形多尺度分解的红外弱小目标图像增强方法,包括以下步骤:(1)原图像分形多尺度分解;(2)对分解后的子带进行加权平均;(3)对增强结果进行反变换,得到最终增强图像。
4. 对基于分形多尺度分解的红外弱小目标图像增强方法进行实验测试,利用主观和客观评测方法,评估新方法的性能表现。
四、拟解决的问题红外弱小目标图像增强的方法虽然有很多,但大多数方法存在一定的局限和问题,如噪声抑制不足、边缘保留不够、细节信息丢失等。
本文中提出的基于分形多尺度分解的红外弱小目标图像增强方法,将在已有方法的基础上加以改进,重点解决以下问题:1. 提高信噪比,抑制噪声。
2. 保留图像细节信息,同时不破坏目标轮廓。
Matlab图像处理技术的实践应用近年来,图像处理技术在各个领域中的应用越来越广泛,如医学影像、工业检测、图像识别等。
而作为一种强大的工具,Matlab在图像处理方面发挥着重要的作用。
本文将探讨Matlab图像处理技术的实践应用,并深入了解其中的数学原理和相关算法。
一、图像基本处理在图像处理的初始阶段,我们往往需要对图像进行一些基本的处理,如读取、显示、保存等。
Matlab提供了丰富的图像处理函数,可以轻松完成这些任务。
首先,我们需要读取图像文件。
在Matlab的Image Processing Toolbox中,使用imread函数即可实现。
例如,使用以下命令可以读取一张名为"image.jpg"的图像文件:image = imread('image.jpg');接下来,我们可以使用imshow函数将图像显示在Matlab的图像窗口中,如下所示:imshow(image);此外,Matlab还提供了imwrite函数,用于将图像保存为指定的文件格式。
例如,以下命令可以将图像保存为PNG格式:imwrite(image, 'image.png');二、图像增强和滤波在实际应用中,我们往往需要对图像进行增强或滤波,以提高图像的质量或减少噪声。
Matlab提供了许多图像增强和滤波的函数,如直方图均衡化、中值滤波等。
直方图均衡化是一种常用的图像增强方法,用于提高图像的对比度。
在Matlab 中,我们可以使用histeq函数来实现直方图均衡化。
例如,以下代码将对图像进行直方图均衡化处理:enhanced_image = histeq(image);除了直方图均衡化,Matlab还提供了许多其他的图像增强方法,如局部对比度增强、锐化等。
这些方法可以根据具体的需求选择和调整。
另一方面,滤波是图像处理中常用的一种技术,用于降低噪声或模糊图像。
Matlab提供了常见的滤波方法,如均值滤波、中值滤波等。
基于Matlab的计算机图像增强技术研究
张小红
【期刊名称】《无线互联科技》
【年(卷),期】2018(015)021
【摘要】文章分析了图像增强技术的类型,主要是从图像空间域增强技术,频率域增强技术两方面进行分析,并探究了基于Matlab的计算机图像增强技术的应用,对其应用方法及效果进行了探索,提出了这种技术存在的不足,对于图像增强技术的进一步发展是一种促进.
【总页数】2页(P137-138)
【作者】张小红
【作者单位】江西工程学院,江西新余 338000
【正文语种】中文
【相关文献】
1.基于Matlab的图像增强技术研究 [J], 张彩甜
2.基于Matlab的图像增强技术研究 [J], 贾小军
3.基于MATLAB计算机模拟的图像分割技术研究 [J], 李燕;包一青;陈建军
4.基于MATLAB GUI的指纹图像增强技术研究 [J], 曹妍;陈伟
5.基于MATLAB下空域滤波算法的图像增强 [J], 楚智媛;吕闯
因版权原因,仅展示原文概要,查看原文内容请购买。
基于MATLAB的红外图像增强技术研究与应用 1.1选题目的及意义 利用红外成像技术实现的目标检测识别跟踪是现代军事防御系统的关键组成部分。 它在侦察告警上的应用是国内正在研究和攻关的课题,是军事武器系统的自动化、智能 化、现代化的重要标志之一〔,,2〕。随着现代战争级别的不断升级,对高科技的依赖和运 用的要求也不断提高。因此,对红外目标的检测和跟踪也提出了更高的要求,既要保证 较高的检测概率和较低的虚警概率,又要在较短的时间内做出判断乃至相应的反应。然 而,由于红外传感器受到大气热辐射、作用距离远、探测器噪声等因素影响,其探测到 的目标在红外图像上.呈现为对比度低的目标,特别是在检测信号相对较弱和背景有非平 稳的起伏干扰情况下,目标边缘甚至全部都有可能被大量复杂的噪声(杂波)所淹没,而 图像信噪比低,形状和结构的信息不足,更增加了检测跟踪目标的难度。所以对于红外 图像的增强处理改善图像质量显得尤其重要。 通常来讲图像增强只是存在于影像处理系统预处理过程中,而在对图像增强之后还 要有相应的理解识别等处理,所以图像的增强效果好坏对于图像的识别理解至关重要。 目前,针对图像的各种增强算法研究已经很多,但针对红外图像能够获得良好的处理效 果的方法还不多,尤其对于红外图像整体的亮度存在较大变化且噪声严重的情况,因此 研究图像增强的算法具有重要的理论意义和实际应用价值。
1.2图像增强技术的理论 军队获取的红外图像效果都不理想,因此要经过图像处理以后才‘能使用,其中图像 增强技术是常常使用的方法。图像增强技术的目的是提高图像质量,更准确地说,图像 增强是用来去除噪声、清晰图像边缘、突出图像细节的技术。通常图像增强技术的应用 增强了人类的观察能力,提高了自动图像处理系统的成功性和准确性。几十年来,许多 图像增强技术被提出并得到发展。并初步形成了一套比较完整的算法体系。 图像增强方法大致可分为两类〔4〕:一类是频域处理法,一类是空域处理法。 空域算法是直接对图像的像素进行处理,基本上是以灰度映射变换为基础的151,所 用的映射变换取决于图像的特点和增强的目的。具体说来,空域法包括点运算和模板处 理两种,其中点运算是针对每个像素点进行的,与周围的像素点无关,而模板运算是在 每个像素点的邻域内进行的。 点运算中效果比较好的是直方图均衡 161(HistogramEquahzation,HE)它是统计意义 上的增强方法,对于成像过程中曝光不足或者曝光过度造成的图像明显偏暗或偏亮现象 有很好的效果;图像的灰度直方图是图像中各像素对应的灰度等级分布的近似概率密度 函数,灰度直方图均衡化是经典的图像增强技术,其基本原理是对一幅图像的灰度直方 图经过一定的变换之后,使其灰度分布成为均匀或基本均匀。直方图均衡化的意义是通 过处理以后使得分布在每一个灰度等级上的像素个数相等或基本相等,但是由于灰度直 方图只是近似的概率密度函数,因此,当用离散的灰度等级做变换时,很难得到完全平 坦均匀的结果,而且当灰度直方图有多个波峰时,它将使图像增强过度,使得输出图像 有较严重的噪声出现。 邻域处理又称模板处理,它分为图像平滑和图像锐化两类。图像平滑的主要目的是 减少噪声。在频域里因为噪声频率多在高频段,因此可以采用各种形式的低通滤波来减 少噪声,在空域和频域均可采用图像平滑的方法。具体说来,有邻域平均法、中值滤波、 噪声消除法、梯度倒数加权等。图像锐化的主要目的是使边缘和轮廓模糊的图像变得清 晰,并使其细节清晰。但由于锐化使噪声受到比信号还要强的增强,所以要求锐化处理 的图像有较高的信噪比,否则锐化后图像的信噪比更低。边缘细节增强可利用各种梯度 算子和反锐化掩模技术来实现。 频域法是在图像的某种变换域内,对变换后的系数进行运算,然后再反变换到原来 的空域得到增强的图像。这是一种间接处理方法。比如,先对图像进行傅里叶变换,再 对图像的频域进行滤波处理,最后将滤波处理后的图像反变换到空间域,从而获得增强 后的图像。对于一幅图像来说,高频部分大致对应着图像中的边缘细节,低频部分大致 对应着图像中过渡比较平缓的部分。常用的图像变换有傅里叶变换、小波变换、离散余 弦变换、沃尔什变换和霍特林变换等。在这些变换下通常应用低通滤波、高通滤波、带 阻滤波、同态滤波等方法处理图像。 低通滤波是利用低通滤波器去掉反映细节和跳变性的高频分量,对图像的作用就是 把尖峰去掉,但同时也将边缘的跳变信息也去掉了,因而使得图像比较模糊,故也称平 滑滤波作用。例如,对灰度反差太强的图像、受到尖峰天线干扰或有明显颗粒干扰的图 像都可起平滑作用。低通滤波器有指数滤波器和梯形滤波器等。 高通滤波是利用高通滤波器忽略图像中过渡比较平缓的部分,突出那些能代表细 节、跳变等的高频部分,使得增强后的图像边缘细节部分清晰。这种方法适宜于图像中 物体的边缘提取。但由于通过的低频太少故处理后的图像视觉效果不好。高通滤波器有 指数滤波器和梯形滤波器等。 同态滤波解决的是光照不均匀或光动态范围过大引起不清晰的图像。但是在实际应 用中,人们往往根据图像的实际情况,把几种方法综合运用到一起以取得更好的图像处 理效果。但是随着侦查工作对图像增强处理效果的不断提高,人们寻找着新的增强方法。 小波分析(研厄 veletsAnalysis)是近年来迅速发展起来学科,它具有深刻的理论和 广泛的应用范围。小波分析是一种信号的时间—尺度(时间—频率)方法,它具有 多尺度分析的特点,而且在时域和频域都具有表征信号局部特征的能力,是一种窗口大 小固定不变,但其形状可以改变的时频局部化分析方法。即在低频部分具有较高的频率 分辨率和较低的时间分辨率,又在高频部分具有较高的时间分辨率和较低的频率分辨 率,很适合于探测正常信号中夹带的瞬变反常信号并分析其成分,所以被誉为分析信号 的显微镜。由于小波分析具有多尺度分析的能力可以对信号和图像在不同尺度上进行分 解,在小波域进行去噪、压缩处理后,做友变换得到信号和图像。小波分析用于非平稳 信号和图像的处理优于传统的傅立叶变换,这己被许多应用领域的所证实。 小波变换的思想来源于伸缩与平移方法。小波分析方法的提出,最早采用的规范正 交基,这是最早的小波基。后来对傅立叶级数建立了二进制频率分量分组理论,对频率 按二进制进行划分,其傅立叶变换的相位变化并不影响函数的大小,这也是多尺度分析 思想的最早来源。后来,Calderon、Zygmund、Stern等将L-p理论推广到高维,并建立 了奇异积分算子理论。1986年,Meyer及其学生此marie提出了多尺度分析的思想。1987 年Mallat将计算机视觉领域内的多尺度分析思想引入到小波分析中,提出了多分辨分析 的概念,统一了在此之前的所有正交小波基的构造,并提出了相应的分解与重构快速算 法。1988年,年轻的女数学家Daubechiesl.提出了具有紧支撑的光滑正交小波基 —Daubeehies基,为小波的应用研究增添了催化剂,同年, Daubeehies1.在美国主办 的小波专题讨论会上进行了十次演讲,引起了广大数学家、物理学家甚至某些企业家的 重视,由此将小波的理论和实际应用推向了一个高潮。 小波分析是传统傅里叶变换的重大突破,已经引起了国际上众多学术团体和学科领 域的兴趣与关注,成为当今的前沿科学,发展之迅速,应用范围之广泛是前所未有的。 现在小波分析理论正向着大规模并行科学计算中的快速计算方向发展,同时,由于小波 分析中小波基的多样性和灵活性,使其在不同应用领域的特殊性研究更加具有实用性。 可以预见像小波分析这样的多尺度分析必将在红外图像增强领域取得突破性的进展。基 于多尺度分析的图像增强技术在目前图像处理领域研究中尚处于发展性阶段,国内外已 有很多学者开始对此方法进行研究。由于小波分析的图像增强技术包含了小波的分解与 合成运算,其数据量大,运算时间较长,因此在许多实际应用中,特别是实时系统中没 有得到认可和推广,但这并不说明小波分析不适用于图像增强。由于小波分析本身无可 替代的优越性,其处理结果常常比某些传统的处理方法更令人满意。随着算法的不断改 进以及高速芯片的研制成功,其速度问题将会得到解决。
第四章基于小波变换的图像增强 从现实中获取到的图像往往混杂着噪声,尤其是军事侦察中获取的红外图像。实践 中发现图像增强的传统方法往往使图像细节突出的同时放大了噪声而对图像采取先降 噪声后增强的方法也会对图像的细节造成损失。这给侦察工作带来很大矛盾和阻碍。而 被誉为“数学显微镜”的小波变换由于具有很好的时频特性,在近年来得到迅速发展,因 为小波变换采用了多分辨率的方法,具有低嫡性,所以使得图像增强的同时而又不放大 噪声成为可能。 4.1小波变换增强原理 传统的提高图像对比度的方法是基于直方图变换的方法,如前面提到的直方图均衡 及改进的双向直方图均衡等。这些方法对灰度级过于集中,还有大量的灰度级没有充分 利用的情况比较适用。但是对于图像中人眼很难分辨的某些细节部分,这些细节信号集 中的灰度范围占整个灰度级空间,使用这些方法就无法对这些分布在不同的区域的像素 进行不同程度的放大或者缩小。而多尺度对比度增强方法较好地解决了这个问题123一2刀。 如图4.1所示,其中4.l(a)为原始信号,有两部分细节信号,用椭圆标示出。利用 平滑滤波对原始信号进行平滑,得到图4.1(b)中的平滑曲线,可以认为是原始信号的近 似表达,它抛除了细节信号而保留了原始信号的整体特征。用原始信号减去近似信号, 即得到图4.1(c)所示的细节信号,然后对该细节信号进行增强,例如乘以一个放大系数,