常用图像增强算法（MATLAB实现）-编程知识

常用图像增强算法（MATLAB实现）

news/2025/1/18 15:42:59/文章来源:https://www.cnblogs.com/weihangzhang/p/18678506

1 引言

图像增强是指按照某种特定的需求，突出图像中有用的信息，去除或者削弱无用的信息。图像增强的目的是使处理后的图像更适合人眼的视觉特性或者易于机器识别。在医学成像、遥感成像、人物摄影等领域，图像增强技术都有着广泛的应用。图像增强同时可以作为目标识别，目标跟踪，特征点匹配，图像融合，超分辨重构等图像处理算法的预处理算法。

本文主要从空域和频域两个方面介绍了图像增强算法。空域中，主要分为灰度级增强，直方图增强和空域滤波等算法。频域中主要是通过频域滤波器来滤除无关分量，本文主要仿真了理想低通滤波器，巴特沃斯滤波器，指数低通滤波器等。采用主观和客观的评价方法对增强效果进行了对比，主要从直方图，峰值信噪比和信息熵等方面进行了对比，分析了不同增强算法的优缺点。

图像增强算法能够提高图像整体和局部的对比度，突出图像的细节信息，使增强后的图像更符合人眼的视觉特性，并且易于机器识别，在军事和民用领域具有广泛的应用。本文从图像增强算法的原理出发，总结归纳了应用比较广泛的图像增强算法，对这些算法进行归类，主要分为空域和频域图像增强方法。阐述了空域和频域中各种图像增强方法的基本原理，采用主观和客观的评价方法对增强效果进行了对比，分析了不同增强算法的优缺点。

2 图像增强算法原理

2.1 空域增强算法

2.1.1 灰度级变换原理

灰度级变换是根据某种操作，按照一定的变换逐点改变原始图像中像素点的灰度值的方法，灰度级变换一般不改变灰度的坐标信息，只改变像素点的灰度值，用公式可以表示如下：

灰度级变换包括了分段线性变换和非线性变化。非线性变化中包括了对数变换和幂次变换。

2.1.2 直方图处理原理

直方图用于表示数字图像中每一灰度级与其出现频数间的统计关系。在直角坐标系中，一般用横坐标表示灰度级，纵坐标表示灰度级频数。假定数字图像的灰度级为[0,L-1],则数字图像的直方图可用离散函数

直方图均衡的基本思想是改变原始图像像素的灰度值，对在图像中像素个数较多的灰度级进行扩展，而对像素个数较少的灰度级进行缩减，使图像对应的直方图变换为均匀分布的形式，从而增强图像的整体对比度，达到使得图像清晰的目的。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。

2.1.3 空域滤波原理

空间滤波是在图像空间中，借助模板对图像进行邻域操作的处理方法。模板本身被称为空域滤波器。其机理是在待处理的数字图像中逐点地移动模板，滤波器在该店地响应通过事先定义地滤波器系数与滤波器模板扫过地图像区域地相应像素地灰度值计算得到。本位主要介绍了均值滤波，中值滤波，维纳自适应滤波。

2.2 频域增强算法原理

频域增强是以对图像的傅里叶变换系数进行滤波为基础的。假定原图像为f(x,y),则其傅里叶变换为F(u,v)。频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，然后经逆傅里叶变换得到增强的图像g(x,y)，图像频域增强的方法和步骤可用下图表示。

2.2.1 低通滤波器

图像的平滑除了在空间域中进行外，也可以在频域中进行。对于一幅图像，它的边缘、细节、跳跃部分以及噪声都代表图像的高频分量，而大面积的背景区域和缓慢变化部分则代表图像的低频分量。为了去除噪声改善图像质量，滤波器采用低通滤波器H(u,v)来抑制高频成分，通过低频成分，然后再进行逆傅里叶变换获得滤波图像，就可达到平滑图像的目的低通滤波的数学表达式如下：

不同类型的低通滤波器实现的效果有所差异。理想低通滤波器会产生比较严重的振铃现象，为了改善振铃效应，可以采用巴特沃斯低通滤波器和指数低通滤波器。

2.2.2 高通滤波器

图中的边缘或线条等细节部分与图像频谱的高频分量相对应，因此采用高通滤波器让高频分量顺利通过，使图像的边缘或者线条等细节变得清楚，可以实现图像的锐化。

不同类型的高通滤波器实现的效果有所差异。理想高通滤波器具有明显振铃现象，即图像的边缘有抖动现象，巴特送死高通滤波效果较好，但计算复杂，其优点是有少量的低频通过，指数高通滤波器的振铃现象也不明显。同态滤波可以消除图像上照明不均的问题，增强暗区的图像细节，同时又不损失亮区的图像细节。

3 仿真结果

3.1 空域增强算法结果

空域增强算法主要分为三个方面，分别是灰度级增强，直方图处理，以及空域滤波。空域增强的结果图如下文。

3.1.1 灰度级变换

在这里插入图片描述

3.1.2 直方图处理

在这里插入图片描述

3.1.3 空域滤波

在这里插入图片描述

3.2 频域增强算法结果

在这里插入图片描述

3.2.2 高通滤波器

在这里插入图片描述

4 结果分析

通过上述的多种的算法仿真结果可以得到。分段线性增强和非线性增强都需要人为手动选择参数，其中非线性增强的算法复杂度较高。直方图均衡可以使得灰度值覆盖整个灰度范围，但只能产生唯一的结果。空域滤波计算效率高，快速简单但是都会使得原图像发生模糊，不同的滤波算法适合消除不同的噪声。中值滤波对于消除椒盐噪声效果最好。低通滤波可以进行去噪平滑增强，但是会损失图像的边缘信息。高通滤波可以突出图像的边界通知可能丢失必要信息。

5 总结

图像增强和恢复的本质是在一定范围的灰度空间内，依据原始图像像素点灰度值的分布规律，提高图像整体和局部的对比度。同时，通过结合人眼的视觉特性、噪声特性、图像信息熵和亮度等特点，保证增强后的图像具有较好的图像质量。由于存在限制条件，图像增强常常是在提高图像对比度的前提下使图像的对比度，图像视觉效果和图像信息熵等各种指标达到一个平衡。目前还没有一种图像增强算法能够使得所有指标同时达到最优，因此需要根据特定的需求，选择合适的算法。

随着图像增强算法复杂度的提高，对实现增强算法的硬件开发要求也越来越高。采用高性能处理器可以大幅度提升图像增强算法的处理速度。