三种不同灰度图像增强算法对⽐
三种不同灰度图像增强算法对⽐
⼀、摘要
本⽂主要是运⽤直⽅图均衡化、平滑、锐化三种常见的图像增强算法对图像进⾏处理，并在此基础上分别⽤这 3 种算法处理的灰度图像进⾏⽐较，⽐对它们对图像的处理效果, 分析 3 种⽅法在图像增强处理能⼒的优劣之处。
结果发现，直⽅图均衡化可以均衡图像的灰度等级, 经过直⽅图的均衡化，图像的细节更加清楚了，但是由于直⽅图均衡化没有考虑图像的内容，只是简单的将图像进⾏直⽅图均衡，提⾼图像的对⽐度，使图像看起来亮度过⾼，使图像细节受到损失;
图像平滑的⽬的是减少或消除图像的噪声, 图像平滑可以使图像突兀的地⽅变得不明显, 但是会使图像模糊，这也是图像平滑后不可避免的后果，只能尽量减轻，尽量的平滑掉图像的噪声⼜尽量保持图像细节，这也是图像平滑研究的主要问题;
图像锐化使图像的边缘、轮廓变得清晰，并使其细节清晰，常对图像进⾏微分处理，但是图像的信噪⽐有所下降。
关键词: 图像增强灰度图直⽅图平滑锐化
⼆、三种图像增强算法
图像预处理是相对图像识别、图像理解⽽⾔的⼀种前期处理，主要是指按需要进⾏适当的变换突出某些有⽤的信息，去除或削弱⽆⽤的信息，在对图像进⾏分析之前, 通常要对图像质量进⾏改善，改善的⽬的就是要使处理后的图像⽐原始图像更适合特定的应⽤。影响图像清晰度的因素很多，主要有光照不⾜、线路传输收到⼲扰等。
现存的图像增强技术主要分为空间域法和频率域法两类，其中的增强⽅法主要有直⽅图的修正、灰度变换、图像平滑、图像锐化、伪彩⾊和假彩⾊处理等。下⾯主要采⽤直⽅图均衡化、图像平滑、图像线性锐化对图像进⾏增强处理, 对⽐他们的处理效果，分析 3 种⽅法的在图像增强处理⽅⾯的优劣。
1、直⽅图均衡化
直⽅图均衡化也称为直⽅图均匀化，是⼀种常见的灰度增强算法，是将原图像的直⽅图经过变换函数修整为均匀直⽅图，然后按均衡后的直⽅图修整原图像。
为⽅便研究，先将直⽅图归⼀化，然后图像增强变换函数需要满⾜2个条件。
假设灰度级为归⼀化⾄范围[0,1]内的连续量，设其中任⼀灰度级别Z归⼀化为r，变换后图像的任⼀灰度级Z'归⼀化为s，显然r，s应当满⾜：0<=r<=1,0<=s<=1 因此直⽅图修正就是对下列公式的计算过程：s=T(r)或r=T'(s) 式中T(r)为变换函数，它必须满⾜下列条件：
a在0<=r<=1区间内是单值单调增加函数;
b对于0<=r<=1，有T(r)在[0,1]内。
条件a 保证灰度级从⿊到⽩的次序,⽽条件b确保映射后的像素灰度在允许的范围内，避免整个图像明显变亮或者变暗。
从S 到r的反变换关系为r=T'(s) ；T'(s)对r同样满⾜上述条件。
灰度变换是对图像上各个像素点的灰度值x 按某个函数T 变换到y ，将图像的灰度级整个范围或其中某⼀段( A, B)扩展或压缩到( A, B)。直⽅图均衡化是灰度变换的⼀个重要应⽤，是以累计分布函数变换为基础的直⽅图修正法, 可以产⽣⼀幅灰度级分布具有均匀概率密度的图像。⼀幅图像灰度级r k 出现的概率近似为
其中n 是图像中像素的总和, nk 是灰度级为r k 的像素个数, L 为图像中灰度级总数。若
像素点的原灰度为r ，变换后的灰度为s，其灰度变换函数T 为
现在在Matlab环境下实现增强的⽬的。
通过程序，读⼊原图像后显⽰，然后显⽰直⽅图，由显⽰的图像及其直⽅图可知这
幅图像最为突出的特点是较暗且动态范围较低。直⽅图的宽度相对于整个灰度范围来说⾮常狭窄，图像质量⽐较差，在Matlab环境下进⾏直⽅图的均衡化，对图像的亮度范围进⾏拉伸，以提⾼对⽐度。经过直⽅图均衡化，图像的对⽐度及平均亮度明显提⾼，直⽅图在整个亮度标度上显著扩展，图像质量提⾼。由图显⽰的变换函数能够直观地分辨出该变换函数将较窄的输⼊灰度级范围变换到了输出图像的整个亮度范围内。
对⽐图发现，经过直⽅图均衡化，图像的对⽐度明显增强，地物的轮廓变的更清晰，因此，直⽅图均
衡化有助于改善对⽐度过低引起的遥感图像模糊。
2、图像平滑
数字图像的噪声主要来源于图像的获取过程和传输过程，图像的质量受图像传感器本⾝和环境因素的影响，常见的噪声有加性噪声、乘性噪声、量化噪声、“盐和胡椒”噪声等。图形平滑⽬的是减少噪声减少噪声的算法主要有邻域平均、低通滤波、和中值滤波等。（1）邻域平均法是⼀种局部空间域处理的算法，就是对含有噪声的原始图像的每个像素点去⼀个邻域，计算邻域中所有像素灰度级的平均值作为空间域平均处理后图像的像素值。其效果与所⽤的邻域半径有关，半径愈⼤图像的模糊程度越⼤。为了克服平均弊病，提出许多保留边沿细节的局部平滑算法。
（2）通过低通滤波的⽅法，可以使⾼频成分受到抑制，故可以使低频成分顺利通过，从⽽实现图像的平滑。低通滤波可以在空间域和频域中进⾏。在空间域中实现是采⽤离散卷积，⽽频域低通滤波是⼀种频域处理法。
（3）中值滤波⼀种⾮线性信号处理⽅法，就是⽤⼀个有奇数点的滑动窗⼝，将窗⼝中⼼点的值⽤窗⼝内各点的中值代替。
3、图像锐化
图像锐化的⽬的就是使边缘和轮廓线模糊的图像变得清晰，并使细节清晰。锐化可以在空间域中进⾏，常⽤的⽅法是对图像进⾏微分处理，也可以在频域中运⽤⾼通滤波技术处理。图像锐化⼀般有两种⽅法: ⾼通滤波法和微分锐化法。从频率域来看，图像模糊的实质是图像的⾼频分量被减弱，可以通过⾼通滤波器来增强⾼频分量, 使图像更清晰。我们通过梯度锐化来对图像进⾏边缘增强。
（1）微分法；图像的模糊实质上就是受到了平均或积分运算，因此，对其进⾏逆运算可以使图像清晰。由于模糊图像的特征各不相同，可采⽤具有旋转不变的线性微分算⼦来锐化它们，如微分运算、梯度运算等。在经过梯度运算后图像中的边缘、轮廓、尖顶等变化较快的地⽅变得更加锐⽬, 从⽽使图像更加清晰、细节更加突出。
（2）⾼通滤波法；图像中的边缘或线条等细节部分与图像频谱中的⾼频成分相对应，因此采⽤⾼通滤波的⽅法让⾼频分量顺利通过，使低频分量受到抑制就可以增强⾼频的成分，使图像的边缘或线条变得清晰，实现图像的锐化。
三、三种算法处理对⽐
1、直⽅图均衡化处理对⽐
从图1 和图2 可以看出, 经过直⽅图均衡化处理后，图像对⽐度扩展, 图像更加清晰, 从直⽅图来看，处
理后的图像直⽅图分布更加均匀。但是直⽅图均衡化存在有缺点：灰度级减少, 细节丢失, 另外图像处理后的对⽐度不够⾃然。因此在实际应⽤中，还需要根据不同的要
求有选择地对某灰度范围进⾏局部范围内的对⽐度增强。
2、图像平滑处理后图像对⽐
由图3 可以看出, 经过平滑后的图像，原来突兀的点变得不明显，图像变得更加柔和。均值滤波器可以较好地降低图像噪声，但效果取决于掩模的⼤⼩，实验显⽰均值滤波器主要适⽤于消除图像中不相⼲的细节。中值滤波器有较为出⾊的降噪能⼒,⽐⼩尺⼨的线性平滑滤波器的模糊度明显降低, 在保存原有图像的边缘轮廓的基础上将图像噪声消除掉。虽然中值滤波器对处理脉冲噪声很有效，但是中值滤波并不适⽤于所有的情况, 若图像中存在很多边界、点、线时, 处理效果不明显，这时采⽤最⼤值滤波器可以获得更好的效果。此外中值滤波器要对窗⼝内的像素点灰度值排序，不利于快速图像平滑处理。
3、图像锐化前后图像的效果
从图可以看出, 模糊图像经过锐化处理以后图像的边缘、轮廓变得清晰，图像细节也变得更加丰富。值得注意的是选取锐化处理的图像必须是信噪⽐很⾼的图像, 并且要设置恰当的阀值进⾏处理, 否则图像的细节增加的同时，图像噪声也迅速增加, ⽆法产⽣预想的效果。
四、对⽐后感想
对⽐3 种不同的图像增强算法的处理效果可以看出，直⽅图均衡化可以均衡图像的灰度等级，提⾼图像的对⽐度, 但是图像的细节损失；图像平滑可以减少或消除图像的噪声, 使图像突兀的地⽅变得不明显，但是会使图像模糊; 图像锐化使图像的边缘、轮廓变得清晰, 但是图像的信噪⽐有所下降。这说明选取正确的图像增强算法处理图像可以使处理后图像达到理想的效果, 反之⽆法满⾜视觉上或特殊应⽤
上的要求，此外在具体应⽤过程中，还需注意调整阀值、设定合适的掩模、局部处理等。在很多时候，还需要采⽤多种算法组合来实现理想的图像增强效果。
参考⽂献:
[ 1] Rafael C 冈萨雷斯. Richar d E Woo ds 数字图像处理[ M] . 阮秋琦, 译.北京: 电⼦⼯业出版社, 2003.
[ 2] 何斌, 马天予，王运坚，等. V isual C+ + 数字图像处理[ M] . 北京:⼈民邮电出版社, 2002.
[ 3] 苏彦华. V isual C + + 数字图像识别技术典型案例[ M] . 北京: ⼈民邮电出版社, 2004.
[4]李耀辉，刘保军基于直⽅图均衡的图像增强[J] 华北科技学院学报,2003,5(2):65-66.
[5]汤国安张友顺，刘咏梅，谢元礼，杨听，刘爱利，等遥感数字图像处理[M]北京：科学出版社,2004.
局部直方图均衡化[6]李树涛,⽑建旭.计算机图像处理与识别技术[M]北京:⾼等教育出版社,2001
副翻形场钦川,
附录：

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。