Skip to main content

图像增强概述

Archived University Note

This content is from my university archives and may not be reliable or up-to-date.

图像增强概述​

问题背景​

  • 曝光不足或过度的照片 - 需要增强处理
  • 医学图像 - 拍摄条件不好 - 需要增强处理
  • 图像Fourier频谱看不清 - 需要增强处理
  • 图像有雾 - 需要增强处理
  • 车牌识别系统
    • 车牌识别预处理 - 车牌图像需要增强处理
    • 人脸识别预处理 - 人脸图像需要增强处理
    • 指纹识别预处理 - 指纹图像需要增强处理

图像增强的目的​

  1. 改善图像的视觉效果，或者使图像更适合于人或机器进行分析处理
  2. 通过图像增强，可以减少图像中的噪声，提高目标与背景的对比度
  3. 强调或抑制图像中的某些细节

图像增强的评价标准​

  1. 主观性 - 视觉效果是否提高？
  2. 根据实际问题需要，是否突出强调了某些局部细节？

图像增强方法的分类​

处理的作用域：空间域方法、频率域方法

  1. 空间域方法：在图像二维平面上，直接对像素值进行处理
  2. 频率域方法：对图像作Fourier变换，在变换域处理，再作逆变换得到增强图像

其他方法：

  • 小波变换
  • Retinex

空间域增强 - 基于灰度变换的图像增强​

灰度变换：将一个灰度区间映射到另一个灰度区间的变换称为灰度变换

  • 灰度变换可使图像动态范围加大，图像对比度扩展
  • 只改变像素灰度值，不改变像素位置

空间域增强 - 非线性变换​

非线性变换 - 幂次变换示例

s = c*r^y

设 c=1，y=3.0, 4.0(best), 5.0

空间域增强 - 空间滤波增强​

基于直方图处理的图像增强​

灰度图像的直方图​

  • 灰度级直方图是图像的一种统计表达，它反映了该图中不同灰度级出现的统计概率。
  • 设图像具有L个灰度级，图像中像素点的个数为n，它的第k个灰度级nk出现的次数为 (k=0,1,2,…,L-1)
    • h(k) = nk
    • Pr(k) = nk/n

直方图均衡化 - 思想​

  • 把原始图像的直方图变换为均匀分布的形式，从而增加图像灰度的动态范围，达到增强图像对比度的效果。
  • 经过均衡化处理的图像，其灰度级出现的概率相同，此时图像的熵最大，图像所包含的信息量最大。

空间滤波增强​

基本概念​

空间域滤波增强采用模板处理方法对图像进行滤波，去除图像噪声或增强图像的细节。

空间域平滑滤波器​

任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像模糊，对图像分析不利。

  • 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。

方法分类：

  1. 局部平滑法
  2. 超限像素平滑法
  3. 空间低通滤波法

空间域锐化滤波器​

  • 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。
  1. 梯度锐化法
  2. 拉普拉斯（Laplacian）算子
  3. 低频分量消减法

频率域锐化滤波器​

图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。

频率域锐化就是为了消除模糊，突出边缘。

采用高通滤波器让高频成分通过，使低频成分削弱，再经傅立叶逆变换得到边缘锐化的图像。

  1. 理想高通滤波器
  2. Butterworth高通滤波器
  3. 高斯高通滤波器

三种高通滤波器的特性类似于低通滤波器：

  1. 理想高通滤波器有明显振铃现象。
  2. Butterworth高通滤波器较平滑，边缘失真小，二阶Butterworth高通滤波器只有轻微振铃现象。
  3. 高斯高通滤波器没有振铃现象，完全平滑。

重点​

1. 空间域增强​

空间域增强是指在空间域中，通过线性或非线性变换来增强构成图像的像素。增强的方法主要分为点处理和模板处理两大类。

  • 点处理是作用于单个像素的空间域处理方法，包括图像灰度变换、直方图处理和伪彩色处理等技术
  • 模板处理是作用于像素邻域的处理方法，包括图像平滑和图像锐化等技术

2. 频率域图像增强​

频率域图像增强是增强技术的重要组成部分，通过傅里叶变换，可以把空间域混叠的成分在频率域中分离开来，从而提取或滤去相应的图像成分，达到增强图像的目的。这一过程中的核心基础即为傅里叶变换。

频率域图像增强技术包括频率域平滑技术（低通滤波）、频率域锐化技术（高通滤波）和同态滤波等技术。

3. 直接灰度变换​

直接灰度变换对每一个像素单独处理，从而增强图像。直接灰度变换包括线性变换技术、分段线性变换、反转变换、对数变换、幂次变换和灰度切分等。

4. 直方图修正技术​

概念：灰度级直方图是图像的一种统计表达，它反映了该图中不同灰度级出现的统计概率。灰度级[0,L-1]范围的数字图像的直方图具有如下离散函数：h(k) = nk，式中，k是第k级灰度；nk是图像中灰度级为k的像素个数。

进行归一化，则概率Pr(k) = nk/n，n为图像中像素的总数。

图像的视觉效果与直方图有对应关系，即直方图的形状和改变对视觉的感知影响很大，因此采用直方图变换的方式可以增强图像。

方法：

  1. 直方图均衡（Histogram Equalization）：目标直方图为均匀分布的直方图修正技术，它采用累计直方图技术来完成。
  2. 直方图规定化（Histogram Specification）：目标直方图可以是任意形式，因此具有相当高的灵活性。

5. 空间域模板平滑滤波​

任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化、质量下降、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量所进行的处理称图像平滑或去噪，可采用N×N模板对图像平滑滤波。

6. 频率域平滑、频率域锐化​

把图像转换到频率域中，采用频率域低通或高通滤波，对图像进行平滑或锐化。

7. 同态滤波​

实际的噪声图像往往不是加性噪声，而是乘性或卷积运算。同态滤波先对上述非线性混杂信号做某种数学运算（如对数运算），变换成加性的，然后用线性滤波方法处理，最后做逆运算，恢复处理后图像。这种方法适用于非线性、噪声与信号频谱不重叠的情况。