图像增强技术的总结与仿真
王茗倩控制理论与控制工程112030058)
1引言
随着电子计算机技术的进步，计算机图像处理近年来得到飞跃的发展，已经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量。
在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。尽管由于目的、观点、爱好等的不同，图像质量很难有统一的定义和标准，但是根据应用要求改善图像质量却是一个共同的目标。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像，有效地去除图像中的噪声、增强图像中的边缘或其他感兴趣的区域，从而更加容易对图像中感兴趣的目标进行检测和测量。处理后的图像是否保持原状已经是无关紧要的了，不会因为考虑到图像的一些理想形式而去有意识的努力重现图像的真实度。图像增强的目的是增强图像的视觉效果，将原图像转换成一种更适合于人眼观察和计算机分析处理的形式。它一般要借助人眼的视觉特性，以取得看起来较好地视觉效果，很少涉及客观和统一的评价标准。增强的效果通常都与具体的图像有关系，靠人的主观感觉加以评价。
2图像增强概述
2.1 图像增强的定义
在图像获取的过程中，由于设备的不完善及光照等条件的影响，不可避免地
会产生图像降质现象。影响图像质量的几个主要因素是：(1)随机噪声，主要是高斯噪声和椒盐噪声，可以是由于相机或数字化设备产生，也可以是在图像传输; (2)系统噪声，由系统产生，具有可预测性质；(3)畸变，主要是由于相机与物体相对位置、光学透镜曲率等原因造成的，可以看作是真实图像的几何变换。
数字图像处理流程如图1所示，从一幅或是一批图像的最简单的处理，如特征增强、去噪、平滑等基本的图像处理技术，到图像的特征分析和提取，进而产生对图像的正确理解或者遥感图像的解译，最后的步骤可以是通过专家的视觉解译，也可以是在图像处理系统中通过一些知识库而产生的对图像的理解。
预处理特征分折图像理解
图1图像处理流程图
图像增强是指按特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法，也是提高图像质量的过程。图像增强的目的是使图像的某些特性方面更加鲜明、突出，使处理后的图像更适合人眼视觉特性或机器分析，以便于实现对图像的更高级的处理和分析。图像增强的过程往往也是一个矛盾的过程：图像增强希望既去除噪声又增强边缘。但是，增强边缘的同时会同时增强噪声，而滤去噪声又会使边缘在一定程度上模糊，因此，在图像增强的时候，往往是将这两部分进行折中，找到一个好的代价函数达到需要的增强目的。传统的图像增强算法在确定转换函数时常是基于整个图像的统计量，如：ST转换，直方图均衡，中值滤波，微分锐化，高通滤波等等。这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉，从而局部
区域的增强效果常常不够理想，噪声滤波和边缘增强这两者的矛盾较难得到解决。
2.2应用领域
通讯领域：包括图像传输、电视电话、电视会议等，主要是进行图像压缩
甚至理解基础上的压缩是把文字、图表、照片等图像通过光电扫描的方式变成电信号加以传送。
遥感：航空遥感和卫星遥感图像需要用数字技术加工处理，并提取有用的信息。主要用于地形地质，矿藏探查，森林、水利、海洋、农业等资源调查，自然灾害预测预报，环境污染监测，气象卫星云图处理以及地面军事目标的识别。
生物医学领域：图像处理在医学界的应用非常广泛，无论是在临床诊断还是病理研究都大量采用图像处理技术。它的直观、无创伤、安全方便的忧点受到普遍的欢迎与接受。其主要应用如X 射线照片的分析，血球计数与染色体分类等。目前广泛应用于临床诊断和治疗的各种成像
技术，如超声波诊断等都用到图像处理技术。有人认为计算机图像处理在医学上应用最成功的例子就是X 射线CT ( X-ray Computed Tomography)。
军事、公安等方面的应用：军事目标的侦察、制导和警戒系统、自动灭火器的控制及反伪装；公安部门的现场照片、指纹、手迹、印章、人像等的处理和辨识；历史文字和图片档案的修复和管理等。
工业生产中的应用：在生产线中对产品及部件进行无损检测是图像处理技术的重要应用领域。该领域的应用从70 年代起取得了迅速的发展，主要有产品质量检测、生产过程的自动控制、CAD ／CAM 等。在产品质量检测方面，如食品、水果质量检查，无损探伤，焊缝质量或表面缺陷。又如，金属材料的成分和结构分析，纺织品质量检查，光测弹性力学中应力条纹的分析等。在电子工业中，可以用来检验印刷电路板的质量、监测零件部件的装配等。在工业自动控制中，主要使用机器视觉系统对生产过程进行监视和控制，如港口的监测调度、交通管理、流水生产线的自动控制等。
总之，图像处理技术应用领域相当广泛，已在国家安全、经济发展、日常生活中充当越来越重要的角色，对国计民生的作用不可低估。
3常用的图像增强方法
3.1 灰度变换
灰度变换可使图像动态范围增大，对比度得到扩展，使图像清晰、特征明显，是图像增强的重要手段之一。它主要利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。灰度变换不改变图像内的空间关系，除了灰度级的改变是根据某种特定的灰度变换函数进行之外，可以看作是从像素到像素”的复制操作。基于点运算的灰度变换可表示为：
g(x,y) =T［f(x,y)］(1) 其中T被称为灰度变换函数，它描述了输入灰度值和输出灰度值之间的转换关系。一旦灰度变换函数确定，该灰度变换就被完全确定下来。
灰度变换包含的方法很多，如逆反处理、阈值变换、灰度拉伸、灰度切分、灰度级修正、动态范围调整等。虽然它们对图像的处理效果不同，但处理过程中
都运用了点运算，通常可分为线性变换、分段线性变换、非线性变换。
3.1.1线性变换
假定原图像f(x,y)的灰度范围为［a,b］，变换后的图像g(x,y)的灰度范围线性的扩展至［c,d］，如图3 .11所示。贝U对于图像中的任一点的灰度值P(x,y)，变换后为g(x,y)，其数学表达式如下所示。
g(x,y)二肘[f (x,y) -a] ? c
3.1.2分段线性变换
为了突出图像中感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换，把0-255整个灰度值区间分为若干线段，每一个直线段都对应一个局部的线性变换关系，常用的是三段线性变换方法，如图2所示
图2三段线性变换
其中f(x,y), g(x,y)分别为原图像和变换后的图像的灰度级， max f 、max g 分
别为原图像和变换后的图像的最大灰度级。
灰度区间［a,b ］为要增强的目标所对应
的灰度范围，变换后灰度范围扩展至［c,d ］。变换时对［a,b ］进行了线性拉伸，而［0,a ］ 和
［b,max ］则被压缩，这两部分对应的细节信息损失了。若这两部分对应的像素 数较少，则损失
的信息也相应较少。其数学表达式如式
c
—X f (x, y) a
g(x,y) = ： c [f(x,y) —a] c
b —a max g -d
—— qf(x,y) —b] +d max f -b
分段线性变换可以根据用户的需要， 度区
间对应的细节信息有所损失，这对于识别目标来说没有什么影响。下面对一 些特殊的情况进行了分析。
令k1 = c/a ,k2 =[d -c / b -a ， k3 = max g-d / max f -b ,即它们分别为 对应直线段的斜率。
当k 仁k3=0时，如图3(a)所示，表示对于［a,b ］以外的原图灰度不感兴趣，均 令为0，而处于［a,b ］之间的原图灰度，则均匀的变换成新图灰度。
当k 仁k2=k3=0，但c=d 时，如图3(b)所示，表示只对［a,b ］间的灰度感兴趣, 且均为同样的白色，其余变黑，此时图像对应变成二值图。这种操作又称为灰度 级(或窗口)切片。
当kl=k3 = 1，c=d=maxg 时，如图3(c)所示，表示在保留背景的前提下，提 升［a,b ］间像素的灰度级。它也是一种窗口或灰度级切片操作。
图3三段线性变换
3.1.3非线性变换
0 _ f (x, y) _ b a _ f (x, y) _ b b ：: f (x, y) _ max f
拉伸特征物体的灰度细节, ⑶
虽然其他灰
1 g(x,y)
J g(x,y)
1
J
*
1
f(x,y)
------------------------ ?
f(x,y)
------------------------- ?
f
(a)
(b)
f(x,y)
(c)
g(x,y)
非线性变换就是利用非线性变换函数对图像进行灰度变换，主要有指数变 换、对数变换等。
指数变换，是指输出图像的像素点的灰度值与对应的输入图像的像素灰度值 之间满足指数关系，其一般公式为：
g(x, y^b f(x,y) ⑷
其中b 为底数。为了增加变换的动态范围，在上述一般公式中可以加入一些 调制参数，以改变变换曲线的初始位置和曲线的变化速率。这时的变换公式为：
g(x,y)=b c[f(x,心-1
⑸
式中a ，b ， c 都是可以选择的参数，当f(x,y)=a 时，g(x,y)=0，此时指数曲线 交于X 轴，由此可见参数a 决定了指数变换曲线的初始位置参数c 决定了变换曲线 的陡度，即决定曲线的变化速率。指数变换用于扩展高灰度区，一般适于过亮的 图像。
对数变换，是指输出图像的像素点的灰度值与对应的输入图像的像素灰度值 之间为对数关系，其一般公式为：
g(x, y) =lg[ f (x, y)]
其中lg 表示以10为底，也可以选用自然对数ln 。为了增加变换的动态范围, 在上述一般公式中可以加入一些调制参数，这时的变换公式为：
式中a, b ，c 都是可以选择的参数，式中f(x,y)+1是为了避免对0求对数，确 保 ln[ f (x, y) 1] _0。当f(x,y)=0时，ln[f(x, y)T] = 0，则y=a ，则 a 为丫轴上的截
距，确定了变换曲线的初始位置的变换关系，b 、c 两个参数确定变换曲线的变化 速率。对数变换用于扩展低灰度区，一般适用于过暗的图像
3.2直方图变换 3.2.1直方图原理
对一幅数字图像，若对应于每-灰度值，统计出具有该灰度值的象素数，并 据此绘出象素数-灰度值图形，则该图形称该图像的灰度直方图，简称直方图。
直方图是以灰度值作横坐标，象素数作纵坐标。有时直方图亦采用某一灰度值的 象素数占全图总象素数的百分比(即某一灰度值出现的频数)作为纵坐标。
设变量r 代表图像中像素灰度级，在图像中，像素的灰度级可作归一化处理， 这样r 的值
g(x, y)二 a
ln[ f (x, y) T] b K l n c
将限定在下述范围之内(Ow r菊1在灰度级中，r=0代表黑，r=1代表白。对于一幅给定的图像来说，每一个像素取得［0,1］区间内的灰度级是随机的，也就是说，是一个随机变量。
在离散的形式下，用R代表离散灰度级，用P r(rQ代表概率密度函数，并且有下式成立：n L J.
P r(rQ=』0 汀k 叮k=0,1,2,|||l-1 且' P(rQ=1 (8) n a
式中n k为图像中出现r k这种灰度的像素数，n是图像中像素总数，空就是概率
n
论中的频数，n是灰度级的总数目。在直角坐标系中作出r k与P r(r k)的关系图形，就得到直方图。
归纳起来，直方图主要有一下几点性质：
(1)直方图是一幅图像中各像素灰度出现频次的统计结果，它只反映图像中不同灰度值出现的次数，而不反映某一灰度所在的位置。也就是说，它只包含了该图像的某一灰度像
素出现的概率，而忽略了其所在的位置信息。
(2)任意一幅图像，都有唯一确定的一幅的直方图与之对应。但不同的图像可能有相同的直方图，即图像与直方图之间是多对一的映射关系。
(3)由于直方图是对具有相同灰度值的像素统计得到的，因此，一幅图像各子区的直方图之和等于该图像全图的直方图。
在实际应用中，有时并不需要考虑图像的整体均匀分布直方图，而只是希望有针对性的增强某个灰度级分布范围内的图像，因此可人为地改变直方图，使
之成为某个特定的形状，即实施图像的直方图均衡化，以满足特定的增强效果3.2.2直方图均衡化直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。直方图均衡化算法是图像增强空域法中的最常用、最重要的算法
之一。它以概率理论作基础，运用灰度点运算来实现直方图的变换，从而达到图像增强的目的。这些方法是不以图像保真为原则的，它们是通过增强处理设法有选择地突出某些对人或机器分析感兴趣地信息，抑制一些无用信息，以提高图像
地使有价值。在实际应用中，应针对不同的图像应采用不同的图像增强方法，或同 时采用几种适当的增强算法进行实验 ，从中选出视觉效果较好的、计算不复杂 的、又合乎应用要求的一种算法。
为了改善图像质量，可以对灰度分布进行变换改变，其中一种方法称为直方 图均衡化处理。直方图均衡化处理是以累积分布函数变换法为基础的直方图修正 法。假定变换函数为
r
s =T(r)二 P r ( .)d .
式中①是积分变量，而T(r)就是r 的累积分布函数。这里，累积分布函数是
r 的函数，并且单调地从0增加到1,所以这个变换函数满足 T(r)在0W r w 内单 值单调增加。可以
证明，用r 的累积分布函数作为变换函数可产生一幅灰度级分 布具有均匀概率密度的图像。其结果扩展了像素取值的动态范围。
通常把为得到
均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理。 用离散 形
式表示累积分布函数为：
k n j S k =T(r k ):
j=o n
3.3图像平滑与锐化 331平滑
一幅原始图像在获取和传愉过程中会受到各种噪声的干扰 ，使图像质量下
降，时分析图像不利。这些噪声干扰使图像退化,质量下降。表现为图像模糊，特 征淹没，对图像分析不利为了抑制噪声、改善图像质童，要时图像进行平滑处理。 图像平滑处理的方法多种多样，有邻域平均法、掩膜平滑法，低通滤波、噪声门 限法、中值滤波法，多幅图像平均法等。
在空间域平滑滤波有很多种算法，其中最常见的有线性平滑、非线性平滑、 自适应平滑。
(1)邻域平均法
邻域平均法是一种局部空间域处理的算法。设一幅图像 f(x,y)为N XN 的阵
列，平滑后的图像为f(x,y)，它的每个像素的灰度级由包含在(x,y)的预定邻域的 几个像素的灰度级的平均值所决定，即用下式得到平滑的图像。
1寸
g(x,y)
f(i, j)
M i,j 式中的x, y =1 ,1 ,2 , N — 1, s 是 (X, y)点邻域中心点的坐标的集合[不包 括点(X, y)], M 是S 内坐标点的总数。 以上方法简单，计算速度快，但它的主要缺点是在降低噪声的同时使图像产 生模糊，特别在边沿和细节处，邻域越大，模糊越厉害。为了减少这种效应，可 以采用阈值法。这样平滑后的 (9) k =01,2； ,l-1 (10) (11) 图像会比邻域平均法模糊度减少。当某些点的灰度 值与各邻点灰度的均值差别较大时，它必然是噪声，则取其邻域平均值作为该点的灰度值，它的平滑效果仍然是很好的。为了克服简单局部平均的弊病，目前己提出许多保边沿保细节的局部平滑算法，它们讨论的课题都在如何选择邻域的大小、形状和方向，如何选择参加平均的点数以及邻域各点的权重系数等，它们有： 灰度最相近的及个邻点平均法，梯度倒数加校平滑，最大均匀性平滑，小斜面模型平滑等等.如果将受噪声干扰的图像看成是一个二维随机场，则可以运用统计 理论来分析受噪声干扰的图像平滑后的信噪比问题，一般的噪声属于加性噪声，在独立和分布的高斯噪声的情况下，我们定义信噪比为含噪图像的均值与噪声方之比，则含噪图像经邻域平均法平滑之后，其信噪比将提高M1/2倍(M为邻域中包含的像素数目)，可见邻域取得愈大，像点愈多，则信噪比提高愈大，平滑效果好? (2)中值滤波法 中值滤波也是一种典型的空间域低通滤波器，它的目的是保护图像边缘的 同时去除噪声。所谓中值滤波，就是指把以某点(XXY)了为中心的小窗口内的 所有像素的灰度按从大到小的顺序排列,将中间值作为少处的灰度值若窗口中 有偶数个像素，则取两个中间值的平均。 例：采用1X3窗口进行中值滤波 原图像为： 2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 2 2 2 2 4 4 4 4 4 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。但它对点、线等细节较多的图像却不太合适。 对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。中值滤波容易去除孤立点、线的噪声，同时保持图像的边缘，它能很好地去除二值噪声，但对高斯噪声无能为力。要注意的是，当窗口内噪声点的个数大于窗口宽度一半时，中值滤波的效果不是太好。 (3)多图像平均法 多幅图像平均法是利用对同一景物的多幅图像相加取平均来消除噪声产生的高频成分。多幅图像取平均处理常用于摄像机的视频图像中，以减少电视摄像机光电摄像管或CCD器件所引起的噪声。这时对同一景物连续摄取多幅图像并将其数字化，再对多幅图像求平均，一般选用幅图像取平均，这种方法在实际应用中的难点在于如何把多幅图像配准，以便使相应的像素能正确地 对应排列。 设g(x,y)为有噪声图像，n x, y为噪声，f x, y为原始图像，可用下式表示： g x,y 二n x, y + f x,y (12) 多图像平均法是把一系列有噪声的图像｛g x, y ｝迭加起来，然后再取平 均值以达到平滑的目的.当作平均处理的噪声图像数目增加时，其统计平均值就 越接近原始无噪声图像。这种方法在实际应用中的最大因难在于把多幅图像配准，以便使相应的像素能正确地对应排列。 (4)噪声门限法 噪声门限法是一种简单易行的消除噪声的方法，它对于因噪声传感器或者信道引起的呈现离散分布的单点噪声具有较好的效果，运用噪声门限法进行图像平滑时，首先设定门限值，然后顺序检测图像中的每一个像素，将该像素与其他像素进行比较判断，以确定是否为噪声点；若为噪声点，则以其邻域内所有像素灰度平均值代替，否则，以原灰度值输出。 假设像素(i,j)出的灰度为f(i,j),以给该像素为中心取一个NXN的窗口N =3,5, 7...该窗口内的和计数器像素点组成集合A，定义灰度差值门限T,误差计算器Cnt和计数器门限值丫。对每个窗口，Cnt的初始值都是0。对集合A中的每一个像素点(i', j')的灰度f (i', j')，若满足(i；j) = f(i j)—f (i,j)|z T (13) 则误差计算器加1,位置(i,j)的输出为(14) g i, j = f i,j Cnt Y 2(15) g i,j 八f i ,j /(N -1) (Cnt—Y) 当窗口顺序移过整幅图像，即可完成噪声平滑。需要注意的是，该方法中门限值T的选择至关重要，T太大，则噪声平滑不够，T太小，平滑图像就会变得模糊，计数器门限值的选择一般在窗口内像素的一半附近。 (5)掩膜平滑法 图像中存在这样一个基本事实：同一区域内部的像素之间灰度变化平缓，起伏较小，统计方差小；在区域边缘，像素之间灰度值得起伏变化大，统计方差大。掩膜平滑法的目的在于进行滤波操作的同时，尽可能不破坏区域边缘的细节。 掩膜平滑以一个5>5的窗口为基准，中心位置为(i,k),在这个窗口中确定9种不同的掩膜模版。 在平滑时，首先计算各模版的均值和方差。 A, =V f(j m，k n)] /Q (16) 2 2 B i 二'{ [f (j m，k n)] -A i } (17) 式中，i表示掩膜板编号，Q对应掩膜模版中包含像素的个数，(m,n)为掩膜模版中像素相对于中心像素(j,k)的位移量。也就是说，掩膜平滑的输出为具有最小方差的模版所对应的灰度均值。 当同样的方法作用于图中的每一个像素后，即可得到平滑的图像，平滑图 像中相对很好的保留了图像区域边缘的细节。 (6)频域低通滤波法 从信号的角度看，信号缓慢变化主要分布在频率域的低频部分，而信号迅速变化的部分主要集中在高频部分。对图像来说，它的边缘以及噪声干扰的频率分 量都处于频率较高的部分，因此可以用低通滤波方法去除噪声。而频率域滤波可 以用空间域的卷积来实现，为此只要恰当地设计空间域系统冲激响应矩阵就可以达到滤波的效果。 设f x,y为带有噪声的原始图像(大小NXN)，g x,y为经滤波后的输出图像(大小MXM )，h x, y 为滤波系统的脉冲响应函数(大小LXL)，则存在 G(u,v) =F(u,v)H (u,v) g x,y 二f x,y * h x,y (18) 其中F(u,v)是含有噪声图像的博里叶变换，G(u,v)是平滑处理后的图像之 傅里叶变换，h x, y是传递函数。选择传递函数h x,y，利用H(u,v)使F(u,v) 的高频分量得到衰减，得到G(u,v)后再经反傅里叶变换就可以得到所希望的平滑图像g x, y。根据前面的分析，显然h x,y应该具有低通滤波特性，所以这种方法被称之为低通滤波法平滑化处理。 3.3.2锐化 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像边缘变得清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。为了要把图像中间任何方向伸展的边缘和轮廓变得清晰，我们希望对图像的某种运算是各向同性的。 (1)拉普拉斯算子 由于拉普拉斯是一种微分算子，它的应用可增强图像中灰度突变的区域，减 弱灰度的慢变化区域。因此，锐化处理可选择拉普拉斯算子对原图像进行处理产生描述灰度突变的图像，再将拉普拉斯图像与原始图像叠加而产生锐化图像。拉普拉斯锐化的基本方法可以由下式表示： 2 g(x, y) =f (x, y) f (x, y) (19) 这种简单的锐化方法既可以产生拉普拉斯锐化处理的效果，同时又能保留背 景信息：将原始图像叠加到拉普拉斯变换的处理结果中去，可以使图像中的各灰度值得到保留、灰度突变处的对比度得到增强，最终结果是在保留图像背景的前提下，突现出图像中小的细节。 (2)高通滤波 图像边缘与高频分量相对应，高通滤波器可以让高频分量畅通无阻，而对低频分量则充分限制，从而达到图像锐化的目的。建立在离散卷积基础上的空间域高通滤波关系式如下: g(mj,m2)八F(n 1,n2)H(m i -r^ 1皿-n21) (20) ni 敗 式中g(m i，m2)为锐化输出；Fgm)为输入图像；H (m i - r i 1,m^r? T)为冲击响应阵列(卷积阵列)。 图4(a)原始图像 4.2直方图均衡化 J=histeq(l); subplot(2,2,1),imshow (I); subplot(2,2,2),imshow(J) subplot(2,2,3),imhist(l,256); subplot(2,2,4),imhist(J,256); 4.1灰度变换 hlim(l),[0,1])； 4 clear; (b)对比度增强后的图像 (a) (b) 4.3平滑 431中值滤波 l=imread('zhe nhua n.jpg'); I仁rgb2gray(l); imshow(ll); J=imnoise(l1,'salt & pepper',0.05); %加入强度为0.05 的椒盐噪声figure,imshow(J); F仁medfilt2(J,[3 3]); %3 3 窗口二维中值滤波figure,imshow(F1); F2=medfilt2(J,[5 5]); %5 5 窗口二维中值滤波figure,imshow(F2); 1 0 0 0 0 0 0 0 (C) 图6 (a)原图像，(b)加入椒盐噪声后的图像, 5>5中值滤波后的图像 432低通滤波 clear; l=imread('zhe nhua n.jpg'); I 仁 rgb2gray(I); imshow(l1); J=imno ise(l1,'gaussia n'); figure,imshow(J); I2=im2double(j); T=dctmtx(8); B=blkproc(l2,[8,8],'P1*x*P2',T,T'); figure,imshow(B); mask=[1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 (d) (c) 3 3<窗口中值滤波后的图像，(d) 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]; B2=blkproc(B,[8,8],'P1.*x',mask); l3=blkproc(B2,[8,8],'P1*x*P2',T',T); figure,imshow(l3) 图7 (a)加入白噪声后的图像，(b)滤波后图像 4.4锐化 a=imread('lj2.jpg')； a=rgb2gray(a); imshow(a); b=double(a)；%将图像矩阵转化为double类型 s=size(b)； c=zeros(s(1,1),s(1,2)； for x=2:s(1,1)-1 for y=2:s(1,2)-1 c(x,y)=(-b(x+1,y)-b(x-1,y)-b(x,y+1)-b(x,y-1)+4*b(x,y)); end end%用拉氏算子对图像进行滤波，这个过程相当于运用了一个3X3的掩膜[0, —1, 0;— 1, 4 ,— 1；。，―1, 0] figure； imshow(c); d=b+c ； %当拉普拉斯掩膜中心系数为正时，增强图像为原图像于拉氏算子滤波 图像之和 d=uint8(d) ； %将图像矩阵变回uint8格式 figure ； imshow(d)； 图8 (a)为原图像，(b)拉普拉斯锐化滤波图像，(c)为拉普拉斯锐化滤波结果 (a) (b) (c) ￡ila ? 0" Mr L HV I [^1I Balp D 诧&? ■壷AF 脚金u D Q ■丸户*聘虑匕 图像识别技术研究现状综述 简介： 图像识别是指图形刺激作用于感觉器官，人们辨认出它是经验过的某一图形的过程,也叫图像再认。在图像识别中,既要有当时进入感官的信息,也要有记忆中存储的信息。只有通过存储的信息与当前的信息进行比较的加工过程，才能实现对图像的再认。图像识别技术是以图像的主要特征为基础的，在图像识别过程中，知觉机制必须排除输入的多余信息,抽出关键的信息。在人类图像识别系统中，对复杂图像的识别往往要通过不同层次的信息加工才能实现。对于熟悉的图形,由于掌握了它的主要特征，就会把它当作一个单元来识别，而不再注意它的细节了。这种由孤立的单元材料组成的整体单位叫做组块，每一个组块是同时被感知的。图像在人类的感知中扮演着非常重要的角色，人类随时随处都要接触图像。随着数字图像技术的发展和实际应用的需要，出现了另一类问题，就是不要求其结果输出是一幅完整的图像，而是将经过图像处理后的图像，再经过分割和描述提取有效的特征，进而加以判决分类，这就是近20年来发展起来的一门新兴技术科学一图像识别。它以研究某些对象或过程的分类与描述为主要内容，以研制能够自动处理某些信息的机器视觉系统，代替传统的人工完成分类和辨识的任务为目的。 图像识别的发展大致经历了三个阶段：文字识别、图像处理和识别及物体识别：文字识别的研究是从1950年开始的，一般是识别字母、数字和符号，并从印刷文字识别到手写文字识别，应用非常广泛，并且已经研制了许多专用设备。图像处理和识别的研究，是从1965年开始的。过去人们主要是对照相技术、光学技术的研究，而现在则是利用计算技术、通过计算机来完成。计算机图像处理不但可以消除图像的失真、噪声，同时还可以进行图像的增强与复原，然后进行图像的判读、解析与识别，如航空照片的解析、遥感图像的处理与识别等，其用途之广，不胜枚举。物体识别也就是对三维世界的认识，它是和机器人研究有着密切关系的一个领域，在图像处理上没有特殊的难点，但必须知道距离信息，并且必须将环境模型化。在自动化技术已从体力劳动向部分智力劳动自动化发展的今天，尽管机器人的研究非常盛行，还只限于视觉能够观察到的场景。进入80年代，随着计算机和信息科学的发展，计算机视觉、人工智能的研究已成为新的动向 图像识别与图像处理的关系： 在研究图像时，首先要对获得的图像信息进行预处理（前处理）以滤去干扰、噪声，作几何、彩色校正等，以提供一个满足要求的图像。图像处理包括图像编码，图像增强、图像压缩、图像复原、图像分割等。对于图像处理来说，输入是图像，输出（即经过处理后的结果）也是图像。图像处理主要用来解决两个问题：一是判断图像中有无需要的信息；二是确定这些信息是什么。图像识别是指对上述处理后的图像进行分类，确定类别名称，它可以在分割的基础上选择需要提取的特征，并对某些参数进行测量，再提取这些特征，然后根据测量结果做出分类。为了更好地识别图像，还要对整个图像做结构上的分析，对图像进行描述，以便对图像的主要信息做一个好的解释，并通过许多对象相互间的结构关系对图像加深理解，以便更好帮助和识别。故图像识别是在上述分割后的每个部分中，找出它的形状及纹理特征，以便对图像进行分类，并对整个图像做结构上的分析。因而对图像识别环节来说，输入是图像（经过上述处理后的图像），输出是类别和图像的结构分析，而结构分析的结果则 图像增强算法研究综述 刘璐璐 宁波工程学院电子与信息工程学院计算机科学与技术071班，邮编:(315100) E-mail:375212239@https://www.doczj.com/doc/b5961469.html, 摘要：本文简要介绍图像增强的概念和图像增强算法的分类，从图像的直方图均衡化处理方法，直方图规定化处理方法和图像平滑处理方法三方面对图像增强算法进行讨论和研究，并说明了图像增强技术的应用和前景展望。 关键词：图像增强直方图均衡化直方图规定化平滑处理 近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料，在未来社会中图像增强技术将会发挥更为重要的作用。在图像处理过程中，图像增强是十分重要的一个环节。 1.图像增强概念及现实应用 1.1 图像增强技术 图像增强是数字图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息。这类处理是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识别系统，图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。 1.2图像增强技术的现实应用 目前，图像增强处理技术的应用己经渗透到医学诊断、航空航天、军事侦察、纹识别、无损探伤、卫星图片的处理等领域，在国民经济中发挥越来越大的作用。其中最典型的应用主要体现以下方面。 1 人脸识别技术优势 863计划、国家科技支撑计划、自然科学基金都拨出专款资助人脸识别的相关研究。国家“十一五”科技发展规划中也将人脸识别技术的研究与发展列入其中[4]，明确指出：“要在生物特征识别技术领域缩小与世界先进水平的差距，开展生物特征识别应用技术研究，人脸识别具有高安全性、低误报率的出入口控制新产品。”在这种环境下，国内一些科研院所和院校在人脸识别技术方面取得了很大进展。如中科院自动化所，清华大学，中科院计算所自主开发的人脸识别技术已经达到了国际先进的水平。人脸识别作为一种新兴的生物特征识别技术(Biometrics)，与虹膜识别、指纹扫描、掌形扫描等技术相比，人脸识别技术在应用方面具有独到的优势： 1.人脸识别使用方便，用户接受度高。人脸识别技术使用通用的摄像机作为识别信息获取装置，以非接触的方式在识别对象未察觉的情况下完成识别过程。 2.直观性突出。人脸识别技术所使用的依据是人的面部图像，而人脸无疑是肉眼能够判别的最直观的信息源，方便人工确认、审计，“以貌取人”符合人的认知规律。 3.识别精确度高，速度快。与其它生物识别技术相比，人脸识别技术的识别精度处于较高的水平，误识率、拒认率较低。 4.不易仿冒。在安全性要求高的应用场合，人脸识别技术要求识别对象必须亲临识别现场，他人难以仿冒。人脸识别技术所独具的活性判别能力保证了他人无法以非活性的照片、木偶、蜡像来欺骗识别系统。这是指纹等生物特征识别技术所很难做到的。举例来说，用合法用户的断指即可仿冒合法用户的身份而使识别系统无从觉察。 5.使用通用性设备。人脸识别技术所使用的设备为一般的PC、摄像机等常规设备，由于目前计算机、闭路电视监控系统等已经得到了广泛的应用，因此对于多数用户而言使用人脸识别技术无需添置大量专用设备，从而既保护了用户的原有投资又扩展了用户已有设备的功能，满足了用户安全防范的需求。 6.基础资料易于获得。人脸识别技术所采用的依据是人脸照片或实时摄取的人脸图像，因而无疑是最容易获得的。 7.成本较低，易于推广使用。由于人脸识别技术所使用的是常规通用设备，价格均在一般用户可接受的范围之内，与其它生物识别技术相比，人脸识别产品具有很高的性能价格比。 概括地说，人脸识别技术是一种高精度、易于使用、稳定性高、难仿冒、性价比高的生物特征识别技术，具有极其广阔的市场应用前景。 我将人脸识别的一些应用列举出来，希望抛转引玉，大家不断完善，开拓更多的应用领域。 1）监控布控 在借鉴国外相对成熟理论体系与技术应用体系的条件下,国内的增强技术与应用也有了很大的发展。总体来说,图像增强技术的发展大致经历了初创期、发展期、普及期与应用期4个阶段。初创期开始于20世纪60年代,当时的图像采用像素型光栅进行扫描显示,大多采用中、大型机对其进行处理。在这一时期由于图像存储成本高,处理设备造价高,因而其应用面很窄。20世纪70年代进入了发展期,开始大量采用中、大型机进行处理,图像处理也逐渐改用光栅扫描显示方式,特别就是出现了CT与卫星遥感图像,对图像增强处理提出了一个更高的要求。到了20世纪80年代,图像增强技术进入普及期,此时的计算机已经能够承担起图形图像处理的任务。20世纪90年代进入了应用期,人们运用数字图像增强技术处理与分析遥感图像,以有效地进行资源与矿藏的勘探、调查、农业与城市的土地规划、作物估产、气象预报、灾害及军事目标的监视等。在生物医学工程方面,运用图像增强技术对X射线图像、超声图像与生物切片显微图像等进行处理,提高图像的清晰度与分辨率。在工业与工程方面,主要应用于无损探伤、质量检测与过程自动控制等方面。在公共安全方面,人像、指纹及其她痕迹的处理与识别,以及交通监控、事故分析等都在不同程度上使用了图像增强技术。图像增强就是图像处理的重要组成部分,传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入与发展,新的图像增强方法不断出现。例如一些学者将模糊映射理论引入到图像增强算法中,提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题,并且随着交互式图像增强技术的应用,可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展:例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像,然后在子层图像内做均衡处理,较好地解决了直方图均衡过程中的对比度过拉伸问题,并且可以控制子层灰度映射范围,增强效果较好。 20世纪20年代图片第一次通过海底电缆从伦敦传往纽约。当时人们通过字符模拟得到中间色调的方法来还原图像。早期的图像增强技术往往涉及硬件参数的设置,如打印过程的选择与亮度等级的分布等问题。在1921年年底提出了一种基于光学还原的新技术。在这一时期由于引入了一种用编码图像纸带去调制光束达到调节底片感光程度的方法,使灰度等级从5个灰度级增加到15个灰度等级,这种方法明显改善了图像复原的效果。到20世纪60年代早期第一台可以执行数字图像处理任务的大型计算机制造出来了,这标志着利用计算机技术处理数字图像时代的到来。1964年,研究人员在美国喷气推进实验室(JPL)里使用计算机以及其它硬件设备,采用几何校正、灰度变换、去噪声、傅里叶变换以及二维线性滤波等增强方法对航天探测器“徘徊者7号”发回的几千张月球照片进行处理,同时她们也考虑太阳位置与月球环境的影响,最终成功地绘制出了月球表面地图。随后她们又对1965年“徘徊者8号”发回地球的几万张照片进行了较为复杂的数字图像处理,使图像质量进一步提高。这些成绩不仅引起世界许多有关方面的注意而且JPL本身也更加重视对数字图像处理地研究与设备的改进,并专门成立了图像处理实验室IPL。在IPL里成功的对后来探测飞船发回的几十万张照片进行了更为复杂的图像处理,最终获得了月球的地形图、彩色图以及全景镶嵌图。从此数字图像增强技术走进了航空航天领域。 20世纪60年代末与20世纪70年代初有学者开始将图像增强技术用于医学图像、地球遥感监测与天文学等领域。X射线就是最早用于成像的电磁辐射源之一,在1895年X射线由伦琴发现。20世纪70年代Godfrey N、Hounsfield先生与Allan M、Cormack教授共同发明计算机轴向断层技术:一个检测器围绕病人,并用X射线源绕着物体旋转。X射线穿过身体并由位于对面环中的相应检测器收集起来。其原理就是用感知的数据去重建切片图像。当物体沿垂直于检测器的方向运动时就产生一系列的切片,这些切片组成了物体内部的再现图像。到了20世纪80年代以后,各种硬件的发展使得人们不仅能够处理二维图像,而且开始处理三维图像。许多能获得三维图像的设备与分析处理三维图像的系统已经研制成功了,图像处理技术 毕业设计文献综述 题目：基于matlab的图像预处理技术研究 专业：电子信息工程 1前言部分 众所周知，MATLAB在数值计算、数据处理、自动控制、图像、信号处理、神经网络、优化计算、模糊逻辑、小波分析等众多领域有着广泛的用途，特别是MATLAB的图像处理和分析工具箱支持索引图像、RGB 图像、灰度图像、二进制图像，并能操作*.bmp、*.jpg、*.tif等多种图像格式文件如。果能灵活地运用MATLAB提供的图像处理分析函数及工具箱，会大大简化具体的编程工作，充分体现在图像处理和分析中的优越性。 图像就是用各种观测系统观测客观世界获得的且可以直接或间接作用与人眼而产生视觉的实体。视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 图像存在方式多种多样，可以是可视的或者非可视的，抽象的或者实际的，适于计算机处理的和不适于计算机处理的。 图像处理它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在 1964 年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动 毕业设计开题报告1．结合毕业论文情况，根据所查阅的文献资料，撰写2000字左右的文献综述： 文献综述 一、课题研究背景、目的及意义 X射线通常是物质在发生微观变化时，发射出的一种看不见的光。它是一种波长很短的电磁波，波长大约从10微米～0.1微米. 自1895年X射线被著名的物理学家伦琴发现以来，经过一个多世纪的发展，对X射线的研究日趋完善，在军事、医疗卫生、科学及工农业各方面有着广泛的应用。由于X 射线对材料具有一定的穿透能力及其在穿透材料的过程中不同物质和不同物体结构对射线衰减程度各不相同，最终在荧光屏或者胶片上形成灰度不同，具有一定对比度的图像，工业上利用此特点对零部件进行无损检测，使被测工件的缺陷通过图像显现出来，以判断工件内部的缺陷及完整性。然而在射线无损检测系统中 ,产生的射线图像经常会受到量子和起伏噪声等因素的影响 ,造成图像信号弱、信噪比低、对比度差、清晰度低。当根据射线图像对被检测构件进行分析和评价时 ,图像增强是一步很重要的前期处理工作 , 关系到是否能获得清晰的物体内部结构图像 ,直接影响到评判构件质量是否合格的结果[1]。对射线图像进行增强的目的是提高图像对比度及分辨率，获得更好的被测工件的内部结构图像，为工件的质量把关。 近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用[2]。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。图像增强作为一大类图像处理技术，是相对于图像识别，图像理解的一种前期处理。在图像信号的采集、输入等过程中由于器械灵敏度或是外界噪声等原因导致图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题称为“质量问题”[3]。 图像增强的主要目标是改善图像的质量，采用某种特殊的技术来突出 浅析人工智能中的图像识别技术 本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！ 图像识别技术是信息时代的一门重要的技术，其产生目的是为了让计算机代替人类去处理大量的物理信息。随着计算机技术的发展，人类对图像识别技术的认识越来越深刻。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。文章简单分析了图像识别技术的引入、其技术原理以及模式识别等，之后介绍了神经网络的图像识别技术和非线性降维的图像识别技术及图像识别技术的应用。从中可以总结出图像处理技术的应用广泛，人类的生活将无法离开图像识别技术，研究图像识别技术具有重大意义。 1 图像识别技术的引入 图像识别是人工智能科技的一个重要领域。图像识别的发展经历了三个阶段：文字识别、数字图像处理与识别、物体识别。图像识别，顾名思义，就是对图像做出各种处理、分析，最终识别我们所要研究的 目标。今天所指的图像识别并不仅仅是用人类的肉眼，而是借助计算机技术进行识别。虽然人类的识别能力很强大，但是对于高速发展的社会，人类自身识别能力已经满足不了我们的需求，于是就产生了基于计算机的图像识别技术。这就像人类研究生物细胞，完全靠肉眼观察细胞是不现实的，这样自然就产生了显微镜等用于精确观测的仪器。通常一个领域有固有技术无法解决的需求时，就会产生相应的新技术。图像识别技术也是如此，此技术的产生就是为了让计算机代替人类去处理大量的物理信息，解决人类无法识别或者识别率特别低的信息。 图像识别技术原理 其实，图像识别技术背后的原理并不是很难，只是其要处理的信息比较繁琐。计算机的任何处理技术都不是凭空产生的，它都是学者们从生活实践中得到启发而利用程序将其模拟实现的。计算机的图像识别技术和人类的图像识别在原理上并没有本质的区别，只是机器缺少人类在感觉与视觉差上的影响罢了。人类的图像识别也不单单是凭借整个图像存储在脑海中的记忆来识别的，我们识别图像都是依靠图像所具有 图像增强方法的研究 摘要 数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。在图像处理中，图像增强技术对于提高图像的质量起着重要的作用。本文先对图像增强的原理以及各种增强方法进行概述，然后着重对灰度变换、直方图均衡化、平滑和锐化等几种常用的增强方法进行了深入的研究，在学习数字图像的基本表示与处理方法的基础上，针对图像增强的普遍性问题，研究和实现常用的图像增强方法及其算法，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的适用场合，并对其图像增强方法进行性能评价。如何选择合适的方法对图像进行增强处理，是本文的主要工作，为了突出每种增强方法的差异，本文在Matlab的GUI图形操作界面中集合了四种常用算法的程序，以达到对各种算法的对比更直观和鲜明的效果。 关键词：图像增强直方图均衡化灰度变换平滑锐化 目录 1 图像增强的基本理论 (3) 1.1 课题背景及意义 (3) 1.2 课题的主要内容 (4) 1.3 数字图像基本概念 (5) 1.3.1数字图像的表示 (5) 1.3.2 图像的灰度 (5) 1.3.3灰度直方图 (5) 1.4 图像增强概述 (6) 1.5图像增强概述 (8) 1.5.1图像增强的定义 (8) 1.5.2常用的图像增强方法 (8) 1.5.3图像增强的现状与应用 (9) 2 图像增强方法与原理 (10) 2.1 图像变换 (10) 2.1.1 离散图像变换的一般表达式 (10) 2.1.2 离散沃尔什变换 (11) 2.2 灰度变换 (12) 2.2.1 线性变换 (12) 2.2.2 分段线性变换 (13) 2.2.3 非线性变换 (13) 2.3 直方图变换 (14) 2.3.1 直方图修正基础 (14) 2.3.2 直方图均衡化 (16) 2.3.3 直方图规定化 (17) 2.4 图像平滑与锐化 (18) 2.4.1 平滑 (18) 2.4.2 锐化 (19) 图像处理技术的研究现状和发展趋势 庄振帅 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理都发挥了巨大的作用。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。1975年EMI公司又成功研制出全身用的CT 装置，获得了人体各个部位鲜明清晰的断层图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。与此同时，图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学过程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向 医学图像配准技术 罗述谦综述 首都医科大学生物医学工程系(100054) 吕维雪审 浙江大学生物医学工程研究所(310027) 摘要医学图像配准是医学图像分析的基本课题,具有重要理论研究和临床应用价 值。本文较全面地介绍了医学图像配准的概念、分类、配准原理、主要的配准技术及评 估方法。 关键词医学图像配准多模 1 医学图像配准的概念 在做医学图像分析时,经常要将同一患者的几幅图像放在一起分析,从而得到该患者的多方面的综合信息,提高医学诊断和治疗的水平。对几幅不同的图像作定量分析,首先要解决这几幅图像的严格对齐问题,这就是我们所说的图像的配准。 医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换,使它与另一幅医学图像上的对应点达到空间上的一致。这种一致是指人体上的同一解剖点在两张匹配图像上有相的空间位置。配准的结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。 医学图像配准技术是90年代才发展起来的医学图像处理的一个重要分支。涉及“配准”的技术名词除registration外,mapping、matching、co-registration、integration、align-ment和fusion 等说法也经常使用。从多数文章的内容看,mapping偏重于空间映射;fu-sion指图像融合,即不仅包括配准,而且包括数据集成后的图像显示。虽然在成像过程之前也可以采取一些措施减小由身体移动等因素引起的空间位置误差,提高配准精度(称作数据获取前的配准preacquisition),但医学图像配准技术主要讨论的是数据获取后的(post-acquisition)配准,也称作回顾式配准(retrospective registration)。当前,国际上关于医学图像配准的研究集中在断层扫描图像( tomographic images,例如CT、MRI、SPECT、PET等)及时序图像(time seriesimages,例如fMRI及4D心动图像)的配准问题。 2 医学图像基本变换 对于在不同时间或/和不同条件下获取的两幅图像I1(x1,y1,z1)和I2(x2,y2,z2)配准,就是寻找一个映射关系P:(x1,y1,z1) (x2,y2,z2),使I1的每一个点在I2上都有唯一的点与之相对应。并且这两点应对应同一解剖位置。映射关系P表现为一组连续的空间变换。常用的空间几何变换有刚体变换(Rigid body transformation)、仿射变换(Affine transformation)、投影变换(Projec-tive transformation)和非线性变换(Nonlin-ear transformation)。 (1)刚体变换: 所谓刚体,是指物体内部任意两点间的距离保持不变。例如,可将人脑看作是一个刚体。 处理人脑图像,对不同方向成像的图像配准常使用刚体变换。刚体变换可以分解为旋转和平移:P(x)=Ax+b(1) x=(x,y,z)是像素的空间位置;A是3×3的旋转矩阵,b是3×1的平移向量。 数字图像处理期中论文 图像增强技术综述 学院信息工程学院 专业电子信息工程 方向信息处理方向 姓名何娜娜 学号200710113081 中国传媒大学 2010 年11 月27 日 图像增强技术综述 内容摘要 数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。 关键词：图像增强直方图增强对比度增强平滑锐化彩色图像增强 Abstract Digital image processing is the procedures of converting image signal into digital format, then using the computer to process it. Image enhancement is digital image processing process often use a method to improve image quality, it plays an important role. This article first introduces the principle of image enhancement and classification，and then focus on several methods to study such as and histogram enhancement, contrast enhancement, smoothing and sharpening, and other commonly used in learning the basic digital image With the approach, through Matlab experiment that the actual effect of various algorithms to compare the advantages and disadvantages to discuss the different enhancement algorithm. The application of occasions, and its image enhancement method of performance evaluation. Keywords:Image Enhancement histogram enhancement contrast enhancement smoothing sharpening 1 图像增强概述 1.1 图像增强背景及意义 在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚 图像所学科建设与发展规划 根据学校建设世界知名高水平大学的发展目标，特制定图像所相应的学科建设与发展规划，以推动本学科的跨越式发展。 一、学科建设总体目标 （一）学科基础 图像识别与人工智能研究所（简称图像所）将继续以跻身于我国的国防科技的发展为切入点，从事发展巡航导弹中制导、末制导关键技术，承担相关预先研究和攻关科研任务为学科建设的主攻方向。 （1）目前本学科点共有五个研究方向： “计算机视觉与应用”、 “成像自动目标识别与精确制导技术”、 “多谱成像与遥感图像处理”、 “人工智能与思维科学” “面向模式识别的专用处理机与IC芯片设计”。 （2）本学科点现有科研人员26人，其中教授（含博士生导师）7人，副教授7人。科研教学梯队层次高，年龄、专业结构合理。现有教学科研用房4000 平方米。实验设备固定资产5000余万元，已初步形成先进、配套的教学、科研、开发环境和雄厚的技术储备。 （3）学科特点 模式识别与智能系统是信息科学技术领域中发展最迅速的前沿领域之一。 来自不同成像传感器的不同谱段的图像信号能全面揭示客观世界的各种特性，智能控制是人工智能与自动控制相结合的现代控制理论和技术，图像模式处理、识别与智能控制的结合构成了智能信息系统和智能自动化系统发展的基础，不仅科学意义深远而且有十分广阔的应用前景。本学科点的主要特色是紧密结合航天、航空和信息技术领域的国家目标，进行应用基础和应用技术的研究和开发，重点研究多谱段图像模式信息的获取、表示、处理、分析与智能系统领域的基础理论与关键技术，同时培养和造就本领域高层次、高质量的科技人才。本学科点具有特色和优势的研究方向是： ·计算机视觉与应用 在基于信息融合的信号处理、基于视觉、力觉和超声波接近觉的多传感器机器人系统和飞行器三维航迹规划技术方面具有特色，承担了国家重大型号XY-20末制导航迹规划攻关项目并进入型号研制。 ·成像自动目标识别与精确制导技术 开展面向复杂背景和随机环境下成像自动目标检测、识别、跟踪的新理论、新方法、新算法和新系统的研究，其特色是瞄准有关国家安全的国家目标,紧密结合航天航空高技术发展,在基于图象和图象序列的自动目标识别,景象匹配定位等精确制导领域开展应用基础和高技术的研究,并将一系列高水平成果应用于国防高技术武器系统中。 ·多谱成像与遥感图像处理 研究微波辐射特性及成像技术、激光雷达成像信号处理和遥感图像处理与 编号 图像去雾技术研究 The research on image defogging technology 学生姓名XX 专业电子科学与技术 学号XXXXXXX 学院电子信息工程学院 摘要 本文首先简单介绍了云雾等环境对图像成像的影响，接着从图像增强的角度研究图像去雾技术的基本方法，介绍了去雾算法的原理和算法实现步骤，并对去雾算法的优缺点和适用条件进行了总结。 基于图像增强的去雾原理，本文提出了联合使用同态滤波和全局直方图均衡的改进去雾算法。先进行同态滤波使有雾图像的细节充分暴露，然后采用全局直方图均衡扩展图像的灰度动态范围。去雾效果具有对比度高，亮度均匀，视觉效果好的特点，不足的是图像的颜色过于饱和。 关键字：图像增强图像去雾同态滤波全局直方图均衡 Abstract Firstly, this paper simply introduces the influence of cloud environment of image formation, then from the enhanced image perspective of image to fog technology basic method, is introduced to fog algorithm principle and algorithm steps, and has carried on the summary to fog algorithm advantages, disadvantages and applicable conditions. As for the defogging theory based on the image enhancement, the paper puts forward the improved defogging algorithm which requires combining homomorphic filtering and global histogram equalization. We should use homomorphic filtering to get details of the fogging images clearly exposed and then use global histogram equalization to spread the images’ gray scale dynamic range. Defogging has features of high contrast ratio, uniform brightness and good visual effect. But its drawback is that the image color is too saturated. Key words: image enhancement; image defogging; homomorphic filtering; global histogram equalization; 数字图像处理技术的现状及其发展方向 一、数字图像处理历史发展 数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph)，1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。 4.从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界，其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论。 二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,对计算机的计算速度、存储容量等要求较高。 2.数字图像处理占用的频带较宽,在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求。 3.数字图像中各个像素是不独立的,其相关性大。因此,图像处理中信息压缩的潜力很大。 4.由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题。 5．一方面，数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大，作为图像质量的评价还有待进一步深入的研究；另一方面，计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题。 三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 四、数字图像处理过程及其主要进展 常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、 包头师范学院 本科毕业论文 题目：基于直方图的图像增强技术的研究学生姓名：赵良良 学院：信息科学与技术院系 专业：电子信息科学与技术 班级：07级本科 指导教师：刘晓虹 二〇一一年五月 摘要 图像增强是数字图像处理过程中经常采用的一种方法，图像增强的主要目的就是要使增强后的图像具有更好的视觉效果，更合适于对图像进行后续的分析和处理。灰度直方图概括了图像中各灰度级的含量，提供了原图的灰度值分布情况，灰度直方图是图像增强的最好的研究内容。通过采取适当的增强处理可以将原本模糊不清甚至根本无法分辨的原始图片处理成清楚、明晰的富含大量有用信息的可使用图像。本文主要研究了在MATLAB环境下，通过直方图的均衡化对图像进行增强处理。 关键词：图像增强；直方图；MATLAB ABSTRACT Image enhancement is a kind of method in the digital image processing，its purpose is that visual effects of enhancement image is better and appropriate to continue analyzing and processing image. Histogram shows all gray scales of image and distribution of image. Histogram is the best contents of image enhancement for study. The blurry and undistinguished image can be processed to clear and useful image. This paper studies image enhancement by histogram balance in MATLAB. Key words：Image enhancement; Image Histogram; MATLAB 图像增强技术在液晶电视中的应用分析 电视作为一个视听产品，画质是其重要的指标，越来越受到消费者的关注和重视。文章介绍了几种常用的图像增强技术在电视产品中的应用，并对这些技术进行了简要的分析。 标签：画质；图像增强；动态对比度；直方图 引言 随着经济的发展和科技水平的提高，3D技术、智能电视、网络功能纷纷被移植进电视，电视产品越来越趋于同质化。而对于市场竞争趋于同质化的今天，提升核心技术竞争力已成为企业间新一轮的发展重心。因此，拥有卓越的画质，同时为消费者提供包括超清、互联网在内的更多的电视体验方式，才能更加适应未来消费者的需求。 改善平板电视画质的途径主要有两种：一是从显示器件方面，使用更高规格的显示屏，如采用对比度和亮度更高、响应时间更短的显示屏，但性能指标越高，显示屏的制造成本也越高，这无疑会增加电视制造厂商的生产成本；二是从视频处理芯片方面，采用图像增强技术来提升画质，弥补显示器件固有的不足，从而提升平板电视的显示效果[1]。在当今成本制胜的市场环境下，国内电视制造厂家不得不采用量大面广的中低端平板显示屏，所以平板电视产品只能通过视频处理芯片的图像增强技术来提升画质，从而提高产品的性价比，满足人们的需求。 1 图像增强技术在电视中的应用 平板电视实现彩色图像重现的过程中，视频信号本身、A/D转换、图像缩放及电路上信号传输等过程，都有可能对画质产生负面的影响，特别在图像处理与控制电路方面，不同厂家提供的方案可能会产生不同的图像处理效果，对电视图像画质可能有着不同程度的削弱[2]。 TV、高清分量信号、HDMI等外部视频信号通过视频解码芯片转换成数字信号，然后送到图像处理与控制电路中处理，图像处理器集成有图像隔/逐行处理、比例放大或缩小、OSD控制、MCU等功能模式。通过图像处理与控制电路对图像进行各种处理后，数字图像被转换成能够适合屏幕显示的数据格式。由低压差分信号（LVDS）送到平板显示屏显示。在图像处理器中引入图像增强技术，既可以改善图像处理过程中的降质，又可以根据显示器的一些特性作反向处理，比如反伽玛校正[3]等来改善平板电视的显示效果。文章介绍了几种常用的图像增强技术在电视产品中的应用，下面对这几项图像增强技术进行简要的分析。 1.1 DCTI/DLTI 为了增强系统的瞬态响应，弥补信号在传输过程中的损失，目前高端的视频 数字图像处理技术的研究现状与发展方向 孔大力崔洋 （山东水利职业学院，山东日照276826） 摘要：随着计算机技术的不断发展，数字图像处理技术的应用领域越来越广泛。本文主要对数字图像处理技术的方法、优点、数字图像处理的传统领域及热门领域及其未来的发展等进行相关的讨论。 关键词：数字图像处理；特征提取；分割；检索 引言 图像是指物体的描述信息，数字图像是一个物体的数字表示，图像处理则是对图像信息进行加工以满足人的视觉心理和应用需求的行为。数字图像处理是指利用计算机或其他数字设备对图像信息进行各种加工和处理，它是一门新兴的应用学科，其发展速度异常迅速，应用领域极为广泛。 数字图像处理的早期应用是对宇宙飞船发回的图像所进行的各种处理。到了70年代，图像处理技术的应用迅速从宇航领域扩展到生物医学、信息科学、资源环境科学、天文学、物理学、工业、农业、国防、教育、艺术等各个领域与行业，对经济、军事、文化及人们的日常生活产生重大的影响。 数字图像处理技术发展速度快、应用范围广的主要原因有两个。最初由于数字图像处理的数据量非常庞大，而计算机运行处理速度相对较慢，这就限制了数字图像处理的发展。现在计算机的计算能力迅速提高，运行速度大大提高，价格迅速下降，图像处理设备从中、小型计算机迅速过渡到个人计算机，为图像处理在各个领域的应用准备了条件。第二个原因是由于视觉是人类感知外部世界最重要的手段。据统计，在人类获取的信息中，视觉信息占60％，而图像正是人类获取信息的主要途径，因此，和视觉紧密相关的数字图像处理技术的潜在应用范围自然十分广阔。 1数字图像处理的目的 一般而言，对图像进行加工和分析主要有以下三方面的目的[1]： (1)提高图像的视感质量，以达到赏心悦目的目的。如去除图像中的噪声，改变图像中的亮度和颜色，增强图像中的某些成分与抑制某些成分，对图像进行几何变换等，从而改善图像的质量，以达到或真实的、或清晰的、或色彩丰富的、或意想不到的艺术效果。 (2)提取图像中所包含的某些特征或特殊信息，以便于计算机进行分析，例如，常用做模式识别和计算机视觉的预处理等。这些特征包含很多方面，如频域特性、灰度/颜色特性、边界/区域特性、纹理特性、形状/拓扑特性以及关系结构等。 (3)对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 2数字图像处理的方法 数字图像处理按处理方法分，主要有以下三类，即图像到图像的处理、图像到数据的处理和数据到图像的处理[2]。 （1）图像到图像。图像到图像的处理，其输入和输出均为图像。这种处理技术主要有图像增强、图像复原和图像编码。 首先，各类图像系统中图像的传送和转换中，总要造成图像的某些降质。第一类解决方法不考虑图像降质的原因，只将图像中感兴趣的特征有选择地突出，衰减次要信息，提高图像的可读性，增强图像中某些特征，使处理后的图像更适合人眼观察和机器分析。这类方法就是图像增强。例如，对图像的灰度值进行修正，可以增强图像的对比度；对图像进行平滑，可以抑制混入图像的噪声；利用锐化技图像识别技术的研究现状论文
图像增强算法综述
关于人脸识别技术的发展研究
图像增强研究现状
基于matlab的图像预处理技术研究文献综述
工业射线图像增强技术研究开题报告
浅析人工智能中的图像识别技术
图像增强方法的研究
图像处理技术的研究现状和发展趋势
图像识别技术发展状况及前景
图像增强技术要点
图像识别与人工智能研究所发展规划报告
图像去雾技术研究
数字图像处理技术的现状及其发展方向(笔记)
基于直方图的图像增强技术的研
图像增强技术在液晶电视中的应用分析
数字图像处理技术的研究现状与发展方向
相关主题
文本预览