图像增强处理

图像增强处理

图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，提高图像的使用价值。
图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。
空间域增强是直接对图像各像素进行处理；
频率域增强是对图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。

空间域

点运算

点运算的典型方法是以图像的灰度直方图作为分析处理的依据。

灰度变换

灰度变换可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。

1. 线形变换
2. 分段线性变换
   为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。通过细心调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。
3. 非线性灰度变换
   当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。
   1. 对数变换
   2. 指数变换

直方图修正法

灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。通过修改直方图的方法增强图像是一种实用而有效的处理技术。

均衡化

规定化

在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。

局部统计法

局部运算

图像平滑

name	概念	优点	缺点
均值滤波	将每个像元在以其为中心的邻域内取平均值来代替该像元值，以达到去掉尖锐“噪声”和平滑影像目的	简单，计算速度快	造成图像模糊，削弱了图像的边缘和细节信息而且随着邻域范围的扩大，在去噪能力增强的同时图像的模糊程度越严重
中值滤波	中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法	它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊	它对点、线等细节较多的图像却不太合适。

为克服简单局部平均法的弊病，已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等。

name	概念	优点	缺点
超限像素平滑法	对邻域平均法稍加改进，可导出超限像素平滑法。它是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g´(x,y)。	这算法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。	可见随着邻域增大，去噪能力增强，但模糊程度也大。 同局部平滑法相比，超限像元平滑法去椒盐噪声效果更好。
灰度K近邻平均法	该算法的出发点是：在n×n的窗口内，属于同一集合体的像素，它们的灰度值将高度相关。因此，可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值	较小的K值使噪声方差下降较小，但保持细节效果较好；	而较大的K值平滑噪声较好，但会使图像边缘模糊
最大均匀性平滑	为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。
有选择保边缘平滑法	该方法对图像上任一像素(x,y)的5×5邻域，采用9个掩模，其中包括一个3×3正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模区的灰度均值就是像素（x,y) 的输出值。	该方法以方差作为各个区域灰度均匀性的测度。若区域含有尖锐的边缘，它的灰度方差必定很大，而不含边缘或灰度均匀的区域，它的方差就小，那么最小方差所对应的区域就是灰度最均匀区域。因此有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。	***

图像锐化

在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。

name	特点
梯度锐化法	对于离散图像处理而言，常用到梯度的大小，因此把梯度的大小习惯称为“梯度”。并且一阶偏导数采用一阶差分近似表示，除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘
Laplace	1、在灰度均匀的区域或斜坡中间▽2f(x，y)为0，增强图像上像元灰度不变；2、在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲”
Guass	高通滤波法就是用高通滤波算子和图像卷积来增强边缘。

频率域

图像增强的目的主要包括：①消除噪声，改善图像的视觉效果；②突出边缘，有利于识别和处理。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像g(x,y)

高通滤波

低通滤波

同态滤波增强

彩色增强

彩色增强技术利用人眼的视觉特性，即对色彩的分辨能力远远大于对灰度级的分辨能力，将灰度图像变为彩色图像以及进行各种彩色变换，改善图像的可视性。

name	概念	优点	缺点
假彩色增强	假彩色增强对一幅自然彩色图像或同一景物的多光谱图像，通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。
伪彩色增强	把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。使原图像细节更易辨认，目标更容易识别。	视觉效果明显、不复杂的图像增强技术	相同物体或大物体各个部分因光照灯条件不同，形成不同的灰度级，结果出现了不同彩色，错误判断

假彩色增强

假彩色增强目的：一是使感兴趣的目标呈现突出的彩色；一是使景物呈现出与人眼色觉相匹配的颜色，以提高对目标的分辨力

伪彩色增强

密度分割法:
密度分割法是把黑白图像的灰度级从0（黑）到M0（白）分成N个区间Ii(i=1，2，…，N),给每个区间Ii指定一种彩色Ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像
空间域灰度级一彩色变换合成法:
基本思想：对输入象素的灰度级进行三个相互独立的转换，然后，这三个结果分别作为红、绿、蓝。

彩色变换及其应用

图像的代数运算

是指两幅输入图像之间进行点对点的加、减、乘、除算术运算，得到输出图像的过程。运算是以图像为单位进行的操作，逐像素进行。一般用于灰度图像。

1. 加法
   图像平滑,主要用于对同一场景的多幅图像求平均，以便有效地降低加性随机噪声
   生成图像叠加效果
2. 减法
   图像相减可去除图像中不需要的加性图案，如背景消除
   图像相减也可用于动态监测、运动目标检测、目标识别
3. 乘法
   用来遮掉图像的某些部分
4. 除法
   比值运算，在遥感图像处理中经常应用。比值运算可以降低传感器灵敏度随空间变化造成的影响，增强图像中特定的区域；降低地形导致的阴影影响，突出季节的差异。