空间域图象增强的方法
图象增强的方法基本可分为空间域处理及频域处理两类。空间域处理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。现对主要方法作简单介绍：
1、平滑
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。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。
(局部直方图均衡化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。
2、尖锐化
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。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、灰度变换
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)]
4、直方图变换
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。

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。