图像在生成、传输或变换的过程中，受光源、 成像系统以及通道带宽和噪声等诸多因素的影 响，可能会出现对比度偏低、动态范围不足、 清晰度下降以及包含明显噪声等降质现象.

图像增强的定义

不深究图像降质的原因， 根据图像特点和处理目的 进行修正，得到更“好” 或更“有用”的图像

  • “好”：主要是 改善图像的视觉 效果，提高图像 的清晰度、对比 度等；取决于主 观评价和具体的 应用目的
  • “有用”：将图 像转换成一种更 适合于人类或机 器进行分析处理 的形式，以便从 图像中获取更多的有用信息

图像增强是为了某种应用目的去改善图像质量，处理的结果更适合于人的视觉特性或机器识别系统,能提升对某些信息的辨 识能力(并不能增加图像的信息,甚至会因此损失某些其他信息).

图像增强的方法

  • 空间域方法

    • 灰度变换
    • 直方图修正
    • 模板卷积
    • 伪彩色处理
    • ......

  • 频率域方法(是一种间接方法)

    • 频率域方法
    • 对频率特性分析，一般认为整个图像的对比度和动态范围取决于图像信息的低频部分（指整体图像），而图像中的边缘轮廓及局部细节取决于高频部分。
    • 采用高通滤波器， 有助于突出边缘轮廓和图像细节 部分，而用低通滤波器可以平滑 图像减少噪声。

图像增强方法根据处理目的和效果又可分为 平滑和锐化。

  • 平滑:平滑对图像有模糊作用，使得图像过渡自然 柔和，抑制噪声；基于图像频率特性从频率 的角度来理解，平滑是保持或加强图像中的 低频成分，削弱或消除图像中的高频成分。
  • 锐化:锐化可看作是平滑的反操作，效果和目的是 突出细节，使图像轮廓清晰、对比分明；从 频域处理的角度来看，锐化是增强图像中的 高频成分。

图像增强方法的选择

  1. 图像增强的效果针对不同的应用,有很强的针对性,并不存在通用的增强算法。
  2. 图像质量的优劣,是观察者的主观过程，没有衡量图像增强质量的通用标准和通用的定量判据。
  3. 在实际应用中， 可同时选几种增 强算法进行试验，从中选出视觉效果比较好、计算复杂性相对小、又合乎应用要求 的算法。
Last modification：February 15th, 2020 at 09:39 pm
© 允许规范转载
如果觉得我的文章对你有用，请随意赞赏