[理学]图像增强的毕业设计.doc

1 引言 1.1 课题的研究背景及意义 数字图像处理(Digital Image Processing)是利用计算机对图像进行去除噪声、增强、复原、分割、提取特征等相关理论、方法和技术的总称。因为通常图像处理是用计算机和实时硬件实现的，因此也称之为计算机图像处理(Computer Image Processing)。一般而言，数字图像处理的主要内容包括图像获取、图像复原、图像增强、图像分割、图像分析、图像重建、图像压缩编码等等。20世纪20年代，图像处理首次应用于改善伦敦和纽约之间海底电缆发送的图片质量。直到20世纪50年代数字计算机发展到一定水平后，数字图像处理才真正引起人们的兴趣。 目前数字图像处理技术已经成为计算机科学、信息科学、生物学、军事、通信、工业、医学等学科研究的热点。在日常生活中，图像处理也得到广泛应用。例如电脑人像艺术、电视中的特殊效果、自动售货机钞票的识别、邮政编码的自动识别、交通车辆车牌识别、医学成像设备图像处理和利用指纹、虹膜、面部等特征而进行的身份识别等等。 图像增强是图像处理的一项重要内容，其目的是将图像中感兴趣的部分尽可能地突现出来。在一个图像系统中，图像的获取、发送、传输、接收、输出、复制等等，每一个环节都会产生干扰，都会使图像质量降低。因此，如何对这些“降质” 图像进行处理使其达到我们的要求已受到研究人员的高度重视。传统的图像增强算法在改善图像的对比度和增强图像的细节的同时也放大了噪声,这是传统算法的缺点和不足之处。 图像增强对于物体的特征提取及其识别是非常重要的，主要有以下几个原因：第一，图像增强的好坏直接关系到后续的图像处理（比如图像的分割，边缘检测，特征提取等方面）的好坏；第二，图像增强是图像预处理中非常关键的一环，人们从传感器获得的图像不可能是完美无缺的，不是拍摄的光线不好造成背景黑细节不明显，就是夹杂着各种各样的噪声，这都降低了图像的质量，影响了人们的感官效果；第三，传统的单尺度图像增强存在诸如增强图像的细节方面不突出，不能对图像进行分层处理等等，在处理效果上就没有多尺度处理的效果好，正因为如此基于多尺度分析的图像增强正受到研究人员的重视。多尺度图像增强具有良好的空间域局部化特性，对高频采用逐渐精细的时域或空域步长，可以聚焦到分析对象的任意细节。因此，特别适合于图像信号这一类非平稳信源的处理，已成为一种图像处理的新手段。因此对多尺度对比增强的研究是很有必要和重大意义的。 1.2 图像多尺度对比增强的发展及现状 图像增强是改善图像视觉质量的一类技术，同时也是数字图像处理中重要内容。增强的首要目标是处理，使其比原始更适合特定应用。:空间域法和频率域法。例如空域中的直方图均衡，对比度拉伸，灰度变换等，频域中的如傅立叶变换，中值滤波，高通滤波，小波变换等等。 直方图均衡是一种借助于直方图变换实现灰度映射从而达到图像增强目的的方法。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数目)间的统计关系。直方图能给出图像整体分布描述，如图像的灰度范围、灰度级的大致分布情况等，但是不能增强图像的细节部分。 灰度变换法比较简单，常用的增强图像对比度的方法，也称对比度变换、点运算或点处理。常用的直接灰度变换法又包括灰度级线性拉伸和灰度级非线性拉伸，这些方法使整幅图像或图像中某一区域里的各像素点的灰度级，都按某一规律进行变换，由此可改变图像的对比度。对比度增强是图像增强中最普遍的增强方法。当图像成像不足或过度曝光，图像记录设备范围太窄等，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，达到图像增强目的，但是使用这些方法增强时容易丢失背景信息。 中值滤波是1971年由J.W.Jukey首先提出并应用于一维信号处理技术中，后来被二维图像信号处理技术所引用。中值滤波的思想是对一个窗口内的所有像素灰度值进行排序，取排序结果的中间值作为原窗口中心点像素的灰度值，这种滤波也就是平滑操作，对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，这是中值滤波的不足之处。 基于小波分析的图像增强是从当今一门新兴学科—小波分析理论的角度来探讨图像处理问题的。对小波分解后的不同子带进行不同的线性运算，使图像中原来对比度较差、模糊不清的细节得到了增强，按需要改变有关小波参数，并且它的多分辨率分析具有良好的空间域和频率域局部化特性，对高频采用逐渐精细的时域或空域步长，可以聚焦到分析对象的任意细节，由此可增强图像中感兴趣的部分，小波增强也是多尺度图像处理的范畴，是当前图像增强领域的研究热点。 由于传统单尺度图像增强存在着增强效果不明显，对图像的细节不能进行最大化增强等缺点，而多尺度处