论图像增强的原理和方法分析

琼台师范学院信息科学技术学院 梁 栋 胡 锋

在图像处理的过程，自然就会存在图像增强技术的需要，这主要是基于对提高图像质量的客观需要，从现有的图像处理软件来看，都存在着图像增加的功能，这是基于时代发展的需要。从发展现状、原理和各种方法的介绍是本文的切入点，再重点介绍了几种常用的增强方法，在学习数字图像的基本表示和处理方法的基础上，针对图像增强的普遍性，本文研究并实现了常用的图像增强方法及其应用。讨论了不同增强算法的应用场合，并对其图像增强方法的性能进行了评价。

1 图像增强的现状

随着互联网的发展使图像增强技术在其它技术的映衬下发挥着越来越重要的作用。图像处理在图像增强方面的应用较为广泛，从科学研究到个人图像的增强无所不在，特别是对于国家宇航中心的太空图像，以及国家地理杂志的图像和地理信息系统、也包括医疗成像设备等。加利福尼亚大学的Tony chen教授认为，当前在图像处理的领域，可以称得上图像处理框架的主要有以下几种：一是基于变换的图像处理框架；二是基于偏微分方程（PDE）的图像处理框架；三是基于统计学的图像处理框架。

随着数字技术的不断发展和应用，图像增强技术在现实生活中得到了充分的应用，达到一个全新的高度，实现了数据化的处理和存储，数字图像处理技术（Digital Image Processing）以数字形式进行存储和处理的图像保证。通过全面利用计算机来实现对图像进行技术处理和加工处理成为一种极为方便的过程，所以图像增强技术在我国的发展是较快的。

数字图像处理系统主要由图像采集系统、数字计算机及输出设备组成。如图1所示。

图1从模拟图像处理开始，介入更多的是硬件设备部分，在这一个过程中需有四个环节构成，而对于图像处理来说，软件系统同样也很重要。在任何的处理系统中软硬件都是分不开的，所以在图像获取的过程中，由于硬件设备的不佳造成的效果差也是不能回避的，从这个角度来说造成图像质量不稳定的主要因素：第一是随机存在较为严重的噪声，这种噪声与相机或数字化设备质量是有关系的，对于图像质量有影响。另外还包括系统噪声的影响。第二是畸变，这个由于图像采集设备与物体相对位置以及光学透镜曲率等原因造成的，比如图像的失真性。

数字图像处理流程如图2所示，这个处理过程主要分四个流程，从原始的图像开始，先进行预处理，这些过程包括：色彩增强、局部特征化、去噪化、平滑化等，通过这些基本的图像处理技术来实现图像从原始的图像向精细化转变，这个过程就有非常明显的加工过程，然后会进行到图像的特征分析和提取，只有满足这些提取的功能才能进一步的对图像进行正确理解或者遥感图像的解译，直到最后可以通过专家的视觉解译，也可以通过数字识别的技术，利用知识库来进一步对图像进行深度理解。

图1 数字图像处理系统

图2 图像处理流程图

2 图像增强的原理

图像增强是利用各种有效的处理技术来突出图像中的一些效果和信息的强化，当然从视觉上说是要强化清晰度和可视性，同时消除不相关的信息和斑点来强调图像的整体效果或局部效果特征，从这个角度来说图像增强没有统一的标准，只有相对的需求。目前常用的图像增强技术有几种：一是直方图修改，二是图像平滑滤波，也就是多重滤镜的功能，三是图像锐化使其突出的效果更好等。图像增强技术主要分为两类：一是频域增强方法，二是空域增强方法。所谓频域增强方法主要是利用各种频域滤波器来实现的，主要是基于这种频域来进行图像平滑或锐化的功能，很显然这种平滑和税化是较为常见的功能。再接着会利用变换域中的逆变换对图像进行有效的增强。而所谓的空域增强方法是直接对图像中的像素进行灰度处理，这种方式在很多软件上较多的存在，也比较方便。空域方法属于直接增强方法，包括去噪的平滑方法和边缘增强的锐化方法。现有的图像增强原理可用公式(1)表示。

假设(x,y)处原始图像的灰度为f(x,y)，增强后的灰度为g(x,y)，则图像的增强可以表示为：(x,y)处的灰度：f(x,y)映射到g(x,y)。

这种映射可以表示为：

以上方法都是用于灰度图像处理的，但是用于彩色图像处理的方法并不多。为此，研究并比较了三种彩色图像增强方法。传统的图像增强算法通常是根据图像整体的统计信息来确定变换函数，如St变换、直方图均衡化、中值滤波、差分锐化、高通滤波等。这样，在计算整个图像的变换时，由于局部区域对应的细节值较小，往往被忽略。

灰度级为[0,L-1]范围的数字图像的直方图是离散函数h(rk) =nk，这里rk是第k级灰度，nk是图像中灰度级为rk的像素个数。经常以图像中像素的总数(用n表示)来除它的每一个值得到归一化的直方图。因此，一个归一化的直方图由P(rk) =nk/n给出。这里k=0，l，...，L-1。简单地说，P(rk)给出了灰度级为rk发生的概率估计值。一个归一化的直方图其所有部分之和应等于1。

3 图像增强的常用方法

3.1 对比度增强

对比度的增强从技术上来说是基于图像线性函数用于变换图像的灰度值的过程。

3.2 伽玛校正

非线性函数（指数函数）用来变换图像的灰度值，这两种方法的实质是拓宽感兴趣的图像区域，压缩不感兴趣的背景区域，从而达到图像增强的效果。

3.3 直方图均衡化

通过积分概率密度函数将原始图像的直方图变换成概率密度为1（理想情况）的图像，从而提高对比度。直方图均衡化的本质也是对特定区域的一种加宽，但它会导致整个图像向明亮区域的变换。当原始图像给定时，直方图均衡化的效果也被确定。

3.4 直方图规格化

针对直方图均衡化中的一些问题，将原始图像的直方图转化为指定的直方图。通常，目标图像的直方图需要参考原始图像的直方图，通过多重高斯函数得到。

3.5 同态滤波器

图像的灰度图像f(x,y)可以看作两部分：入射光分量和反射光分量：f(x,y) =i(x,y)r(x,y)。入射光相对均匀，随空间位置变化不大，占据低频分量。由于物体的性质和结构特点的不同，反射光反射的光强度也不同，随着空间位置的变化，反射光的强度更大。它占据了高频分量。该设计基于图像由光谱和反射光谱组成的原理。

基于RGB的彩色图像处理方法有多种。因为直接使用灰度增强方法对每个分量都会导致颜色的紊乱。

我们可以将RGB图像转换成其他空间的图像，例如，我们可以将RGB图像转换成HSV图像。HSV分别表示色调、饱和度和亮度。通过比较可以得到三种不同的HSV值。

4 图像增强方法对比研究

从目前的几种数字图像增强技术来看，都相对只能完成某种数字图像处理的效果，所以相对是较为基础的技术。需要通过各种技术的组合才能更好的完成图像增强的目的，很显然现在的图像增强技术都不能够独挡一面，他们需要有更好的融合才能发挥其自身的作用。比如，对比度增强方法适用于相对对比度较低的图像，它主要通过线性和非线性变化来实现对于不同像素的灰度值的变化，从而改变图像的动态范围，达到图像增强的目的。而直方图均衡化是针对低灰度范围进行有效的高频图像均衡，特别是针对暗区细节不清的图像进行有效的增强，效果显而易见。另外就是针对图像中存在的孤立和散射的噪声点需要进行平滑方法除掉。还有像线性滤波和非线性滤波，方法都比较简单，但效果一般，所以在除噪时仍然考虑用平滑的方式。综上所述，不同的图像增强技术是针对某一种特点的功能区域，所以在对图像进行整体的定位过程中，仍然需要有整体的增强理念进行。

结束语：随着图像在人们生活中的作用越来越大，大量的图像数据需要进行图像增强处理。图像增强技术是必不可少的技术，但图像质量的高低是需要有好的设备和硬件，对于那些较为特殊的环境和光照条件下所形成的图像，需要有更为精准的图像增强，未来可以针对个性化的视觉效果，进行差异化的处理。可以满足不同的图像增强的需求，这可能是将来技术发展的方向。