三种不同灰度图像增强算法对比.docVIP

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。 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。 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