一種改進的圖像增強演算法

㈠ 圖像增強處理

近年來,數字圖像處理發展迅速,各種增強的方法層出不窮。以下僅介紹對地質應用較為有效的幾種方法,其他方法可參考已出版的遙感數字圖像處理的著作^[3,4]。

(一)反差增強

數字圖像,從理論上講,亮度取值范圍可從0-255,但實際圖像由於成像系統的特性、成像時的光照條件、以及像幅范圍內地物間輻射差異的大小等各種原因,常常使大部分像元的亮度集中在比較窄的動態區間,致使圖像的反差較小、色調單一(過「黑」或過「白」),難以從中區分出更多的地物信息,於是,改善和提高圖像的對比度——反差增強,便成了數字圖像增強首先遇到的一個問題。

反差增強也稱反差擴展,或拉伸增強,是一種通過拉伸或擴展圖像的亮度數據分布,使之占滿整個動態范圍(0—255),以達到擴大地物間亮度差異,分辨出盡可能多的亮度等級的一種處理技術。數字圖像的亮度分布,一般可用一幅圖像中不同灰級(亮度)像元所佔的比例——直方圖來表示(圖版25)。圖4-15顯示了一塊佔有8個灰級(0—7)的4×4小圖像的直方圖生成過程。可以看出它實際上是一種亮度分布函數(曲線)。反差擴展歸根到底就是通過改變這種分布曲線來達到增強的目的。

在反差擴展中,輸出的像元值y,是輸入的像元值(原圖像)x的函數:

遙感地質學

按照函數關系的不同可有不同類型的擴展(見圖4-16)。在處理方法上可以分為兩類,一類是使用函數變換對每個像元點進行變換處理,常用於有確定拉伸對象(地物目標)的情況下;另一類是改變像元間的亮度結構關系,即通過直方圖調整改變圖像的亮度結構。下面簡單介紹實際操作中常用的幾種方法。

圖4-15 直方圖製作示意圖

圖4-16 幾種反差擴展

1.線性擴展

將原圖像中像元的亮度按線性關系擴大,亮度擴展的范圍可任意給定,具體應用時可選擇圖4-16A中各種不同的形式。一般來說,對整幅圖像作全面而均勻的拉伸,可用簡單線性擴展(圖版27);當需要對某一灰度范圍進行增強,可採用分段擴展。按給定的分段界限的不同,可擴展直方圖中的任何一部分,但這種方法往往會造成分段點兩側亮度陡變,若分段點選擇不當,還會歪曲地物的波譜特徵,故在實際工作中應慎用。

2.非線性擴展

對原圖像亮度區間的各個部分按非線性關系作不均等擴展。通常是對亮區和暗區分別給以不同的擴展比例。例如,採用對數變換可使圖像的暗區(如大片陰影、大面積植被覆蓋)得到擴展,而亮區受到壓抑;相反,若擴展亮區,則要採用指數變換。在乾旱區,平原、盆地的亮度值普遍偏高,影像單調,經指數擴展,常可從中分出一些層次。此外,還可作正弦、正切等擴展(圖4-16B)。

3.直方圖調整

通過改善圖像的總體亮度結構(直方圖形態)來達到圖像增強的目的。其原理是,以一變換函數S=T(r),作用在原圖像的直方圖P_r(r)上,使之變成具有某種特定亮度分布形態的直方圖P_s(s)(圖4-17),並根據P_s(s)變更原圖像各像元的亮度值。一般來說,這種方法著重於擴展高頻數亮度值之間的間隔,使直方圖中部所包含的地物反差顯著增強,而有利於地質體的區分。常用的直方圖調整方法有直方圖均衡化和直方圖正態化等。圖版28即為直方圖均衡處理的結果。

反差擴展是針對單波段的一種圖像增強處理,使用得當,可明顯改善像質,提高圖像的對比度(參見圖版26和27、28)。在作彩色合成等多波段的增強處理時,一般都要先對各個波段的數據作適當的拉伸,以獲得理想的彩色增強效果。因此,它也是其它增強處理的基礎和先導。從這個意義上說,它還具有預處理的作用。

(二)彩色增強

數字圖像的彩色增強處理也可以有單波段圖像的偽彩色處理和多波段圖像的彩色合成兩個不同的途徑:

1.單波段圖像的偽彩色增強

對於單波段圖像生成偽彩色最簡單的方法是彩色密度分割,其原理與光學密度分割一致,但比光學密度分割靈活、方便,可分割的等級也更細,並且光譜意義也更明確。一個數字圖像系統可以說是性能更優越的彩色等密度分割儀。與光學分割一樣,它對於有著遞變規律的地表景物的顯示十分有效,有時也能顯示出一些細節變化。但在數字數字圖像處理中,它主要是用於檢測單波段圖像的亮度值變化趨勢信息,為後續處理提供參考。

另一種單波段偽彩色處理方法是偽彩色合成。它是對單波段的CCT數據通過加色比例變換函數把黑白灰級變換為紅、綠、藍彩色級,然後再加色合成(圖4-18),生成偽彩色圖像。由於這種圖像能把單波段上不易區分的細微灰度變化映射成不同的色彩,因此比彩色密度分割有更好的快速檢測單波段圖像灰度變化信息的效果。

圖4-17 直方圖調整圖

圖4-18 偽彩色合成示意圖

2.多波段圖像的彩色合成

與光學圖像處理相仿,數字圖像的單波段彩色增強照例不足以揭示多波段遙感中地物在不同波段上豐富的波譜特徵信息。為了發掘多波段數字圖像的信息優勢,提高圖像的解譯判讀效果,同樣可採用彩色合成。其基本的方法原理與單波段偽彩色合成關同,只是紅、綠、藍變換不是對同一波段,而是分別對三個(或二個)波段實施,即由三個(或二個)波段的CCT數值根據設定的波段灰度與彩色之間的變換關系表,直接控制圖像處理系統中彩色顯示裝置的紅、綠、藍三色槍的光強輸出,加色合成顯示在彩色屏幕上,形成彩色圖像(圖4-19);或者以三色依次掃描到彩色膠片上,再印放成彩色像片。目前這類處理不僅可在專用圖像處理機上實現,而且已可在微機上藉助圖像處理板實現,甚至在TVGA圖形卡的支持下通過彩色模擬程序在微機上完成。後者受TVGA卡只能顯示256色的限制,色彩尚不盡豐富,但一般的合成顯示是能勝任的。

與光學處理相比,數字圖像的彩色合成不僅省卻了製作單波段黑白膠片影像的過程,也避免了膠片拷制過程中的信息丟失,而且由於CCT的量化等級高達256級,遠遠高於黑白影像可分辨的灰度變化,因此其色彩層次往往比光學合成要豐富得多;同時,在計算機圖像處理系統中,各個波段的數據可以十分方便地作各種拉伸變換(反差擴展),顯示器上的跟蹤球還可任意調節色彩變化,從而能快速獲得不同增強效果的彩色圖像,比起黑白膠片需要通過影像拷貝來改變影像密度要方便、靈活得多,顯示出更大的優越性。

在數字圖像處理中,彩色合成通常是最常用、最基本,往往也是最便捷有效的增強處理方法。其影像增強的效果與光學合成處理相類似,照例可分為真彩色、似(模擬)真彩色、假彩色等不同的種類;不同的波段一色通道(相當於濾光片)組合方案具不同的色彩及地物增強效果;充分利用地物波譜特徵(曲線),選擇合成方案同樣是取得理想增強效果的關鍵。由於這些內容在光學彩色合成中已有較詳論述,這里不再重復。

尚需指出的是,數字圖像的彩色合成目前已不僅僅針對不同波段進行,而且還可以用不同的數字處理結果(如比值、KL變換的不同分量等)作輸入圖像,獲得全新含義的合成圖像(如比值合成圖像);更進一步,已可以將非遙感的地質信息(如物、化探數據)通過彩色坐標變換(IHS變換)轉換成R、G、B分量,作為輸入圖像,製成多元信息復合的彩色合成圖像。因此如何選擇波段或分量進行彩色合成是一個重要問題。目前常用OIF值作為衡量合成方案優劣的因子,它的基本原理是根據圖像的統計特徵來選定,就理論而言,OIF值越大,則合成方案越佳。

OIF可用下式計算:

圖4-19 數字圖像彩色合成示意圖

遙感地質學

其中Ss為第i波段的亮度標准差,標准差越大,表明該圖像包含信息量越大,rs為合成分量間的相關系數,相關系數越小,表明圖像間的冗餘度越小。

現以某地一個實例說明,先計算TM各波段(TM6波段除外)的標准差,分別為:17.02,10.29,14.04,15.95,31.38,19.36。6個波段間的相關系數如表4-2。

表4-2 TM圖像各波段相關系數表

這樣可以計算出不同合成方案的OIF值:

TM145:32.22;TM345:29.08;

TM457:28.96;TM147:26.97;

Tm245:26.78;TM157:25.42

在實際應用中,直接使用OIF因子,效果不一定理想,還應從應用目的出發,進行波段的選擇。

(三)比值增強

比值增強是最為常用的一種運算增強方法。它是通過不同波段的同名像元亮度值之間的除法運算,生成新的比值圖像來實現的。對於多波段數字圖像,可以有多種不同的比值:

1.基本比值

純以兩個波段的數值相比,故也稱簡單比值。用g_k(k=1,2,……N)代表一個多波段圖像(N為波段數),任一比值圖像可表示為:

遙感地質學

其中,a和b是調節參數。由N個波段可得出的比值數目為P=N(N-1),如TM圖像,除TM₆(熱紅外)之外,共可組成30種比值;

2.和差組合比值

由兩個波段的和與差構成的比值,如:

遙感地質學

3.交叉組合比值

由3個或更多的波段構成的比值。其中分子和分母所包含的波段是不同的,如:

遙感地質學

4.標准化比值

由單個波段與所有波段之和構成的比值,即

遙感地質學

其中,i=1,2……N。如MSS圖像,常使用4、5、7三個波段,則可構成:

遙感地質學

上述四種比值以基本比值和標准化比值更為常用。

比值處理簡便易行,而且對地質信息尤為敏感,因而現今基本上已成為遙感地質研究中廣為應用的例行處理方法之一。其基本功用在於:

(1)能擴大不同地物之間的微小亮度差異,有利於岩石、土壤等波譜差異不太明顯的地物的區分,也可用於植被類型和分布的研究。例如,鐵帽與植被在單波段上不易區分,而通過MSS_5/4和MSS_7/5二維比值分析,明顯區分了出來(圖4-20)。

(2)消除或減弱地形等環境因素的影響。例如,某地砂岩在陽坡和陰坡有不同的亮度,但在MSS_4/5上,比值卻非常接近(表4-3),因此消除了地形的影響(參見黑白圖版29)。

(3)提取與找礦有關的專題信息。例如含羥基的粘土礦物在2.2μm附近存在有強吸收,故在TM₇上為低亮度,而在TM₅上它仍為高亮度,因此TM_5/7常被用來提取與粘土化有關的礦化蝕變信息;再加0.48μm是鐵離子電荷轉移強烈吸收的位置,故用TM_5/1利於提取與鐵礦物有關的信息。

(4)比值合成增強岩性及蝕變岩信息。以若干個比值圖像作為輸入圖像,進行假彩色合成,在輸出的彩色合成圖像上常能有效地增強岩石的波譜信息差異。例如,在我國銅陵地區採用TM₄(R)、5/4(G)、5/2(B),4(R)、5/2(G)、4/3(B)等方案製作的比值合成圖,有效地圈定出了志留系地層、岩體、大理岩化等岩性信息。在河北遷安地區利用MSS的標准化比值製作的合成圖像上區分磁鐵礦石及圍岩也取得好效果。

比值增強生成比值圖像後,原來的獨立波譜意義就不存在了。由此也給它帶來一個很大的缺陷,就是丟失了地物總的反射強度(反射率)信息。例如,暗色的岩石和淺色的岩石之明顯差異也被損失;由於壓抑了地形信息,其作為地質解譯的一個重要標志也被損失。為了彌補此不足,通常採用一個波段的原圖像與(兩個)比值圖像作彩色合成的辦法;此外,比值有可能增加雜訊,而大氣散射也會給比值結果帶來干擾,因此,處理前更要注意做消條帶和大氣校正。

表4-3 不同光照條件下砂岩反射比

(據F.F.Sabins,1977)

圖4-20 比值分布示意圖

(四)卷積增強

地物的邊界及各種線性形跡,通常都表現有一定的空間分布頻率,因此,可以通過空間域或頻率域的濾波對它們進行增強。其中,卷積處理就是比較簡便有效而最常使用的空間濾波方法之一。

與前述幾種增強不同,卷積增強是一種鄰域處理技術。它是通過一定尺寸的模板(矩陣)對原圖像進行卷積運算來實現的。以3×3(像元)的模板為例,其處理過程如圖4-21,

即相當於把模板逐次放在每一個像元上,計算模板元素和對應像元亮度值的乘積和,用數學式可表示為:

遙感地質學

圖4-21 空間卷積

式中,m₁為模板元素值,g_s為相應圖像中各像元的亮度值。f為卷積值,亦就是濾波後(模板)中心像元的輸出值。

增強不同方向的邊界(或線性體),則是按一定的排列方向來分配模板中各元素的權系數。例如圖4-22(a)、(b)、(c)、(d)便是分別對水平(相當於遙感圖像的掃描線方向)、45°、垂直、135°四個方向進行增強的一組3×3模板。改變模板尺寸(5×5、7×7……等等)和板內元的差值可產生不同的效果。一般,模板越大、差值越大,對低頻的粗大構造形跡的增強越明顯,而高頻信息(小斷層、節理裂隙等)增強的幅度越小。模板可設計成不同的增強方向,但模板元素的數目均應為奇數;一般最大為15×15,模板尺寸太大,則其計算量也大,而卷積效果也不一定好。

圖4-22 方向模扳

卷積增強對於突出某一方向的地質體邊界和線性斷裂構造或形跡常具明顯的效果(圖版30),對一些環形構造或線跡也會起到增強的作用,因此在遙感地質研究中被廣泛使用。

(五)K-L變換

K-L變換是多波段遙感圖像變換增強的常用方法之一,通常也稱主組分分析或主成分分析。在數學含義上,它是一種基於圖像統計特徵的多維正交線性變換。經這種變換後生成一組新的組分圖像(數目等於或小於原波段數)是輸入的若干原圖像的線性組合即

遙感地質學

其中,X是原多波段圖像的數據矩陣,矩陣元素為p個波段的像元值向量;Y是輸出的主組分矩陣,即q個組分的像元值向量,一般q≤p;T為變換核矩,通常為由變換波段之間的協方差矩陣所產生的特徵向量矩陣。在p=3,q=4的情況下

遙感地質學

y₁、y₂、y_s按協方差矩陣的特徵值大小依次排序。

從幾何意義上講,K-L變換相當於空間坐標的旋轉。圖4-23表示了一個二維空間坐標變換。圖中X₁、X₂表示兩個波段的像元值,黑點為相應的數據域。K-L變換相當於坐標軸旋轉一個θ角,把數據域變換到Y₁、Y₂的新坐標系統上,即:

遙感地質學

圖4-23表明,K-L變換後,第一主組分(Y₁)取得最大的信息量(可達90%左右),其餘依飲減小。一般情況下,一、二、三主組分基本上已集中了絕大部分的信息,後面組分包含的信息量往往已非常小。因此,K-L變換一個最基本的功能就是,可以在信息損失最小的前提下,減少變數數目、降低數據維數,起到數據壓縮的作用。這對多波段遙感特別有意義,因為它們通常為多變數,數據量也很大(一個TM波段達42兆),隨著波段數越來越多和地面分辨力越來越高,還將更大(所謂「海量數據」)。

一般認為,K-L第一主組分基本上反映了地物總的輻射差異,其它組分則能夠揭示地物的某些波譜特徵。由上圖可以看出,各組分之間互相「垂直」,即不相關。這就使K-L變換還具有分離信息、減少相關、突出不同地物目標的作用。因而,在用K-L不同組分作假彩色合成時,往往可顯著提高彩色增強效果,會有助於岩類的區分。但要注意的是,各組分的地質應用價值不能依它們的排序(即方差的大小)來確定。例如,MSS的K-L變換中,有時第四主組分反而比第三主組分區分岩性的作用更大。

在實際應用中,也常用比值或差值圖像,以及與原圖像合在一起作K-L變換。這對於提取某些專題信息會特別有用的。一個典型的例子是,TM_5/7可提取與粘土化有關的礦化蝕變信息,但植被的TM_5/7比值常常也很高,以致前者的信息往往被淹沒在後者的「汪洋大海」之中,我國南方地區尤甚。然而,TM_4/3恰主要只反映植被信息,因此,當用TM_4/3、TM_5/7作K-L變換,其第一主組分便集中了兩個比值的基值——植被信息,而蝕變信息被分配到第二主組分中,這就把二者分離了開來,進一步在第二主組分中提取蝕變信息(圖42-4),效果便顯著提高。此法已在南方某銀鉛鋅礦區取得了很好的效果。

圖4-23 兩個波段(或其他變數)情況下的主組分變換

圖4-24 我國南方某地蝕變帶信息提取的程序框圖

與KL-變換相類似的另一種線性變換方法是近年來發展起來的K-T變換。緣於在MSS和TM數據空間中植被光譜隨時間變化的軌跡構成一個「纓帽」的圖形,故亦稱「纓帽變換」。該變換有助於分離(提取)植被(綠度)和土壤(濕度)等信息,已引起人們的興趣。有關這一變換的論述可參見文獻[3]。

(六)IHS變換

在色度學中,存在有兩種彩色坐標系統:一是由紅(R)、綠(G)、藍(B)三原色構成的彩色(RGB)空間;另一是由亮度(I)(或稱明度、強度)、色調(H)、飽和度(S)構成的色度(IHS)空間(亦稱孟塞爾坐標)。這兩個系統的關系可用圖4-25表示,此時,IHS的范圍呈現為一圓錐體;在垂直於IHS圓錐軸的切面上,二者則呈現為圖4-26所示的關系。該圖中,I軸垂直於紙面(過S=0,白光點),沿I軸只有亮度明暗(白一黑)差異;圓周代表H的變化,並設定紅色為H=0;半徑方向代表飽和度,圓心處S=0,為白色(消色),圓周處S=1,彩色最純。

很明顯,這兩個坐標系之間可以互相轉換,這種轉換即稱為IHS變換,或彩色坐標變換(也稱孟塞爾變換)。通常把RGB空間變換到IHS空間稱之為正變換,反過來,由IHS變換到RGB稱反變換。

當不直接採用三原色成分(R、G、B)的數量表示顏色,而是用三原色各自在R、G、B總量中的相對比例r、g、b來表示,即:

圖4-25 強度、色頻(彩)與飽和度(IHS)和紅、綠、藍(RGB)空間關系示意圖

圖4-26 通過垂直IHS圓錐切面表示IHS與RGB的關系

遙感地質學

此時如為紅色白色則為 。兩個坐標系之間的轉換關系,可簡化為:

遙感地質學

把R、G、B和I、H(0-3)、S(0-1)值擴展到0-255數據域,設計相應的程序,在數字圖像系統上便能自如地實現相互間的轉換和顯示。

目前在遙感數字圖像處理中,IHS變換多用於以下研究。

1.彩色合成圖像的飽和度增強

當用以合成的三個原始圖像相關性較大時,常規處理往往合成圖像的飽和度會不足,色彩不鮮(純),像質偏灰,且較模糊、細節難辨(彩版3-4)。通過IHS變換,在IHS空間中增強(拉伸)飽和度S,用反變換求R、G、B進行彩色顯示(圖4-27),則可顯著改善圖像的顏色質量和分辨能力(圖版5,6)。

2.不同解析度遙感圖像的復合顯示

直接把不同解析度圖像輸入R、G、B通道作彩色合成復合顯示,即使幾何配精度很高,也難以獲得清晰的圖像(低分辨圖像使像質模糊)。採取將最高解析度圖像置作「I」、次高置作「H」、低分辨者置作「S」,然後反變換,求出R、G、B作復合彩色顯示,則基本可使合成圖像保持有高分辨圖像的清晰度。對TM(常取其中兩個波段)和SPOT(常取全色波段)圖像作此種復合,既可獲得SPOT的高解析度,又可充分利用TM豐富的波譜信息。

3.多源數據綜合顯示

採用常規方法對遙感圖像與物化探等地學數據作綜合處理,不但極不方便,充其量也只能把等值線疊合到遙感圖像上。將物探(航磁、重力等)或化探(元素異常)信息數字化,分別置作「H」或「S」,以遙感圖像(取一個波段)為「I」,作IHS的正反變換(圖42-8)便可獲得色彩分明的遙感與物化探信息復合的彩色圖像。這類圖像通常既具遙感圖像清晰的地貌、地質背景,又能將物化探信息准確地反映在這一背景上,十分有利於它們相互關系的綜合分析和解譯(圖版20)。

圖4-27 飽和度增強處理流程圖

圖4-28 多源數據綜合顯示框圖

㈡ 常見的圖像增強的方法

姓名：趙若宏

學號：19021210951

https://www.cnblogs.com/wango/p/5555252.html

嵌牛導讀： 圖像增強 的方法 是通過一定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像中感興趣的特徵或者抑制(掩蓋)圖像中某些不需要的特徵，使圖像與視覺響應特性相匹配。

嵌牛鼻子：圖像處理 圖像增強

嵌牛正文：

1. 對比度拉升

採用了線性函數對圖像的灰度值進行變換

2. Gamma校正

採用了非線性函數（指數函數）對圖像的灰度值進行變換

這兩種方式的實質是對感興趣的圖像區域進行展寬，對不感興趣的背景區域進行壓縮，從而達到圖像增強的效果

3. 直方圖均衡化

將原始圖像的直方圖通過積分概率密度函數轉化為概率密度為1（理想情況）的圖像，從而達到提高對比度的作用。直方圖均衡化的實質也是一種特定區域的展寬，但是會導致整個圖像向亮的區域變換。當原始圖像給定時，對應的直方圖均衡化的效果也相應的確定了。

4. 直方圖規定化

針對直方圖均衡化的存在的一些問題，將原始圖像的直方圖轉化為規定的直方圖的形式。一般目標圖像的直方圖的確定需要參考原始圖像的直方圖，並利用多高斯函數得到。

5. 同態濾波器

圖像的灰度圖像f(x,y)可以看做為入射光分量和反射光分量兩部分組成：f(x,y)=i(x,y)r(x,y).入射光比較的均勻，隨著空間位置變化比較小，占據低頻分量段。反射光由於物體性質和結構特點不同從而反射強弱很不相同的光，隨著空間位置的變化比較的劇烈。占據著高頻分量。基於圖像是由光照譜和反射譜結合而成的原理設計的。

基於HSV空間的彩色圖像增強方法

針對於灰度圖像，我們主要有以上的幾種處理方法，但是針對於彩色圖像，由於存在RGB分量，故而不能直接將灰度圖像的處理方法應用。因為直接對每一個分量使用灰度增強的方法會導致顏色的紊亂發生。

而我們可以將RGB圖像轉化為其他空間的圖像，比如：我們可以將RGB空間的圖像轉換為HSV空間的圖像。HSV分別指色調，飽和度，亮度。由於調整HSV三個不同的量，我們可以得到比較直觀的

㈢ 低亮度圖片增強方法：基於保持圖像自然度的低亮度圖片增強演算法

這篇博客介紹一篇基於保持圖像自然度的低亮度圖片增強演算法：

這篇文章主要主要有以下三個方面的工作：

作者提出用相對亮度順序（the relative lightness order）來衡量圖像的自然程度。相對亮度順序可以用來表示光照的方向和光照的變化程度。

文章中定義了LOE來衡量增強圖片 和 之間的亮度順序差：

其中 為RGB channel中的最大值。

對於每個pixel ，其在原圖和增強圖中的相對的亮度順序差定義為：

其中 為異或操作。

最後，LOE定義為：

文中首先選擇了五個pixel的四連接域作為領域范圍：

對於在位置 的值 ， 表示領域內值為 的數量， 表示值為 和領域內值為 的數量在圖片中所有位置的數量之和：

為了減少雜訊的影響，使用局部的均值進行處理：

Bright-Pass Filter定義為：

其中 為局部的一個patch，文中是用 ，權重 定義為：

由Retinex理論，

其中 為每個channel的反射分量， 為亮度分量：

亮度分量可有Bright-Pass Filter獲得：

反射分量可由下式獲得：

文中使用了直方圖規范化的方法進行亮度分量的增強。文中使用了對數變換：

但文中表示對數變換會使所有圖像的亮度變得非常相似，作者根據輸入圖片的灰度值分布，適當地增加了低灰度值的數量，所以，新的加權的直方圖分布為：

直方圖的累積分布為：

經過CDF of the specified histogram後的直方圖， 為：

然後求解 :

最後，增強後的圖片為：

http://blog.sina.com.cn/u/2694868761

㈣ 遙感圖像增強處理方法

圖像增強的方法主要又兩大類：空間域法和頻率域法。

1、空間域法主要是在空間域直接對圖像的灰度系數進行處理；

2、頻率域法是在圖像的某種變化域內，對圖像的變化系數值進行某種修正，然後通過逆變換獲得增強圖像。頻率域法屬於間接增強的方法，低通濾波、同態圖像增強均屬於該類；空間域法屬於直接增強的方法，它又可分為灰度級校正、灰度變換和直方圖修正，直方圖均衡屬於空間域單點增強的直方圖修正法。

(4)一種改進的圖像增強演算法擴展閱讀

遙感技術的應用是人類視覺在波譜范圍上的擴展和從物體表面向內部的延伸。即使在可見光部分，人眼可區分的色彩約三千多種，但對於黑白圖像，人眼能區分的灰度級只有二三十個；而在非可見光波段，需要將原始圖像的灰度值轉換到0～255灰度區間才有利於人眼觀察。

但是如果以256個灰度級來描述一幅黑白遙感圖像，我們獲得的原始圖像的灰度值很難均勻分布在0～255之間，而是常常集中在某一段灰度范圍之內，圖像的反差小，對比度差，不利於人眼的分辨，所以需要對遙感圖像進行增強處理。

㈤ 怎麼用matlab圖像增強

圖像增強中兩類重要的處理方法：一種是灰度變換，另一種是直方圖處理。

一、灰度變換

灰度變換通常可分為線性變換、分段線性變換和非線性變換。我們將分別給出實驗，來查看其處理效果。

1、線性變換

例1：我們對一張較暗的圖片進行簡單的加法，提高他的亮度，從而可以看到隱藏在黑暗中的細節。

代碼：

I=imread('F:My_documentsPRIVATEMatlabright_dark.jpg');

figure,imshow(I);

title('bright_dark.jpg');

J=I+100;

figure,imshow(J);

title('給每個像素增加100');

效果圖：

㈥ Matlab怎樣把一個彩色圖像進行簡單的增強

增強圖象中的有用信息，它可以是一個失真的過程，其目的是要增強視覺效果。將原來不清晰的圖像變得清晰或強調某些感興趣的特徵，抑制不感興趣的特徵，使之改善圖像質量、豐富信息量，加強圖像判讀和識別效果的圖像處理方法。
圖像增強按所用方法可分成頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基於二維傅里葉變換的信號增強。採用低通濾波（即只讓低頻信號通過）法，可去掉圖中的雜訊；採用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域演算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用於去除或減弱雜訊。
圖像增強的目的是改善圖像的視覺效果，針對給定圖像的應用場合，有目的地強調圖像的整體或局部特性，擴大圖像中不同物體特徵之間的差別，滿足某些特殊分析的需要。其方法是通過一定手段對原圖像附加一些信息或變換數據，有選擇地突出圖像中感興趣的特徵或者抑制(掩蓋)圖像中某些不需要的特徵，使圖像與視覺響應特性相匹配。在圖像增強過程中，不分析圖像降質的原因，處理後的圖像不一定逼近原始圖像。圖像增強技術根據增強處理過程所在的空間不同，可分為基於空域的演算法和基於頻域的演算法兩大類。基於空域的演算法處理時直接對圖像灰度級做運算基於頻域的演算法是在圖像的某種變換域內對圖像的變換系數值進行某種修正，是一種間接增強的演算法。
基於空域的演算法分為點運算演算法和鄰域去噪演算法。點運算演算法即灰度級校正、灰度變換和直方圖修正等，目的或使圖像成像均勻，或擴大圖像動態范圍，擴展對比度。鄰域增強演算法分為圖像平滑和銳化兩種。平滑一般用於消除圖像雜訊，但是也容易引起邊緣的模糊。常用演算法有均值濾波、中值濾波。銳化的目的在於突出物體的邊緣輪廓，便於目標識別。常用演算法有梯度法、運算元、高通濾波、掩模匹配法、統計差值法等。

㈦ 對比度檢測與增強演算法

對比度通俗地講就是亮暗的拉伸對比程度，指的是一幅圖像中明暗區域最亮的白和最暗的黑之間不同亮度層級的測量，差異范圍越大代表對比越大，差異范圍越小代表對比越小。
對比度通常表現了圖像畫質的清晰程度。通過如下方法可以計算對比度

直方圖均衡化處理的「中心思想」是把原始圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度范圍內的均勻分布。

自適應直方圖均衡化(AHE)用來提升圖像的對比度的一種計算機圖像處理技術。和普通的直方圖均衡演算法不同，AHE演算法通過計算圖像的局部直方圖，然後重新分布亮度來改變圖像對比度。因此，該演算法更適合於改進圖像的局部對比度以及獲得更多的圖像細節。

㈧ 圖像處理的增強復原

圖像增強的目標是改進圖片的質量，例如增加對比度，去掉模糊和雜訊，修正幾何畸變等；圖像復原是在假定已知模糊或雜訊的模型時，試圖估計原圖像的一種技術。
圖像增強按所用方法可分成頻率域法和空間域法。前者把圖像看成一種二維信號，對其進行基於二維傅里葉變換的信號增強。採用低通濾波（即只讓低頻信號通過）法，可去掉圖中的雜訊；採用高通濾波法，則可增強邊緣等高頻信號，使模糊的圖片變得清晰。具有代表性的空間域演算法有局部求平均值法和中值濾波（取局部鄰域中的中間像素值）法等，它們可用於去除或減弱雜訊。
早期的數字圖像復原亦來自頻率域的概念。現代採取的是一種代數的方法，即通過解一個大的方程組來復原理想的圖片。
以提高圖像質量為目的的圖像增強和復原對於一些難以得到的圖片或者在拍攝條件十分惡劣情況下得到的圖片都有廣泛的應用。例如從太空中拍攝到的地球或其他星球的照片，用電子顯微鏡或X光拍攝的生物醫療圖片等。
圖像增強使圖像清晰或將其轉換為更適合人或機器分析的形式。與圖像復原不同，圖像增強並不要求忠實地反映原始圖像。相反，含有某種失真（例如突出輪廓線）的圖像可能比無失真的原始圖像更為清晰。常用的圖像增強方法有：①灰度等級直方圖處理：使加工後的圖像在某一灰度范圍內有更好的對比度；②干擾抑制：通過低通濾波、多圖像平均、施行某類空間域運算元等處理，抑制疊加在圖像上的隨機性干擾；③邊緣銳化：通過高通濾波、差分運算或某種變換，使圖形的輪廓線增強；④偽彩色處理：將黑白圖像轉換為彩色圖像，從而使人們易於分析和檢測圖像包含的信息。
圖像復原除去或減少在獲得圖像過程中因各種原因產生的退化。這類原因可能是光學系統的像差或離焦、攝像系統與被攝物之間的相對運動、電子或光學系統的雜訊和介於攝像系統與被攝像物間的大氣湍流等。圖像復原常用二種方法。當不知道圖像本身的性質時，可以建立退化源的數學模型，然後施行復原演算法除去或減少退化源的影響。當有了關於圖像本身的先驗知識時，可以建立原始圖像的模型，然後在觀測到的退化圖像中通過檢測原始圖像而復原圖像。
圖像分割將圖像劃分為一些互不重疊的區域，每一區域是像素的一個連續集。通常採用把像素分入特定區域的區域法和尋求區域之間邊界的境界法。區域法根據被分割對象與背景的對比度進行閾值運算，將對象從背景中分割出來。有時用固定的閾值不能得到滿意的分割，可根據局部的對比度調整閾值，這稱為自適應閾值。境界法利用各種邊緣檢測技術，即根據圖像邊緣處具有很大的梯度值進行檢測。這兩種方法都可以利用圖像的紋理特性實現圖像分割。

㈨ 圖像空域增強和頻域增強的基本原理是什麼

圖像增強的目的是改善圖像的視覺效果或使圖像更適合於人或機器的分析處理。通過圖像增強可以減少圖像雜訊，提高目標與背景的對比度，亦可以強調或抑制圖像中的某些細節。例如，消除照片中的劃痕，改善光照不均勻的圖像，突出目標的邊緣等。

根據處理的空間可以將圖像增強分為空域法和頻域法，前者直接在圖像的空間域（或圖像空間）中對像素進行處理，後者在圖像的變換域（即頻域）內間接處理，然後經逆變換獲得增強圖像。空域增強可以分為點處理和區處理，頻域增強可以分為低通濾波，高通濾波，帶通濾波和同態濾波。

(9)一種改進的圖像增強演算法擴展閱讀

常用的圖像增強處理方式包括灰度變換、直方圖修正、圖像銳化、雜訊去除、幾何畸變校正、頻域濾波和彩色增強等。由於圖像增強與感興趣的物體特性、觀察者的習慣和處理目的密切相關，盡管處理方式多種多樣，但它帶有很強的針對性。

因此，圖像增強演算法的應用也是有針對性的，並不存在一種通用的、適應各種應用場合的增強演算法。於是，為了使各種不同特定目的的圖像質量得到改善，產生了多種圖像增強演算法。這些演算法根據處理空間的不同分為基於空間域的圖像增強演算法和基於變換域的圖像增強演算法。

基於空間域的圖像增強演算法又可以分為空域的變換增強演算法、空域的濾波增強演算法以及空域的彩色增強演算法；基於變換域的圖像增強演算法可以分為頻域的平滑增強演算法、頻域的銳化增強演算法以及頻域的彩色增強演算法。

盡管各種圖像增強技術已取得了長足的發展，形成了許多成熟、經典的處理方法，但新的增強技術依然在日新月異地發展完善，不斷推陳出新，其中尤其以不引起圖像模糊的去雜訊方法（如空域的局部統計法）和新的頻域濾波器增強技術（如小波變換，K－L變換等）最為引人矚目。