圖像增強的演算法

㈠ 數字圖像處理的基本演算法及要解決的主要問題

圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術。圖像處理是信號處理在圖像域上的一個應用。目前大多數的圖像是以數字形式存儲，因而圖像處理很多情況下指數字圖像處理。此外，基於光學理論的處理方法依然佔有重要的地位。

圖像處理是信號處理的子類，另外與計算機科學、人工智慧等領域也有密切的關系。

傳統的一維信號處理的方法和概念很多仍然可以直接應用在圖像處理上，比如降噪、量化等。然而，圖像屬於二維信號，和一維信號相比，它有自己特殊的一面，處理的方式和角度也有所不同。
目錄
[隱藏]

* 1 解決方案
* 2 常用的信號處理技術
o 2.1 從一維信號處理擴展來的技術和概念
o 2.2 專用於二維（或更高維）的技術和概念
* 3 典型問題
* 4 應用
* 5 相關相近領域
* 6 參見

[編輯] 解決方案

幾十年前，圖像處理大多數由光學設備在模擬模式下進行。由於這些光學方法本身所具有的並行特性，至今他們仍然在很多應用領域佔有核心地位，例如 全息攝影。但是由於計算機速度的大幅度提高，這些技術正在迅速的被數字圖像處理方法所替代。

從通常意義上講，數字圖像處理技術更加普適、可靠和准確。比起模擬方法，它們也更容易實現。專用的硬體被用於數字圖像處理，例如，基於流水線的計算機體系結構在這方面取得了巨大的商業成功。今天，硬體解決方案被廣泛的用於視頻處理系統，但商業化的圖像處理任務基本上仍以軟體形式實現，運行在通用個人電腦上。

[編輯] 常用的信號處理技術

大多數用於一維信號處理的概念都有其在二維圖像信號領域的延伸，它們中的一部分在二維情形下變得十分復雜。同時圖像處理也具有自身一些新的概念，例如，連通性、旋轉不變性，等等。這些概念僅對二維或更高維的情況下才有非平凡的意義。

圖像處理中常用到快速傅立葉變換，因為它可以減小數據處理量和處理時間。

[編輯] 從一維信號處理擴展來的技術和概念

* 解析度(Image resolution|Resolution)
* 動態范圍(Dynamic range)
* 帶寬(Bandwidth)
* 濾波器設計(Filter (signal processing)|Filtering)
* 微分運算元(Differential operators)
* 邊緣檢測(Edge detection)
* Domain molation
* 降噪(Noise rection)

[編輯] 專用於二維（或更高維）的技術和概念

* 連通性(Connectedness|Connectivity)
* 旋轉不變性(Rotational invariance)

[編輯] 典型問題

* 幾何變換（geometric transformations）：包括放大、縮小、旋轉等。
* 顏色處理（color）：顏色空間的轉化、亮度以及對比度的調節、顏色修正等。
* 圖像合成（image composite）：多個圖像的加、減、組合、拼接。
* 降噪（image denoising）：研究各種針對二維圖像的去噪濾波器或者信號處理技術。
* 邊緣檢測（edge detection）：進行邊緣或者其他局部特徵提取。
* 分割（image segmentation）：依據不同標准，把二維圖像分割成不同區域。
* 圖像製作（image editing）：和計算機圖形學有一定交叉。
* 圖像配准（image registration）：比較或集成不同條件下獲取的圖像。
* 圖像增強（image enhancement）：
* 圖像數字水印（image watermarking）：研究圖像域的數據隱藏、加密、或認證。
* 圖像壓縮（image compression）：研究圖像壓縮。

[編輯] 應用

* 攝影及印刷 (Photography and printing)
* 衛星圖像處理 (Satellite image processing)
* 醫學圖像處理 (Medical image processing)
* 面孔識別, 特徵識別 (Face detection, feature detection, face identification)
* 顯微圖像處理 (Microscope image processing)
* 汽車障礙識別 (Car barrier detection)

[編輯] 相關相近領域

* 分類（Classification）
* 特徵提取（Feature extraction）
* 模式識別（Pattern recognition）
* 投影（Projection）
* 多尺度信號分析（Multi-scale signal analysis）
* 離散餘弦變換（The Discrete Cosine Transform）

㈡ 兩種圖像增強的方法用於同一圖片的matlab程序

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。

㈢ 圖像增強各種方法的優缺點

對比度增強法適合於對比度較低的圖像，通過線性和非線性的變化，修改每一個像素的灰度，從而改變圖像的動態范圍達到圖像增強的目的。直方圖均衡化針對在低值灰度區間上頻率較大、圖像中較暗區域中細節看不清楚的圖像，有較好的增強效果。但是上述兩種方法的缺點都是不能抑制雜訊，對於圖像中呈孤立分散分布的雜訊點，可以用平滑的方式去除，其中線性濾波實現簡單，去噪效果明顯，但是去噪的同時會導致結果圖像邊緣位置的改變和細節模糊甚至丟失；非線性濾波能夠較好的保持圖像邊緣位置和細節，但是演算法的實現相對線性濾波比較困難。平滑處理的時候經常會使圖像的邊緣變的模糊，圖像銳化處理的作用就是使灰度反差增強，從而使模糊圖像變得更加清晰。

㈣ 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。

(4)圖像增強的演算法擴展閱讀

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。

㈤ 關於圖像增強演算法的問題

幾種方法結合使用。一般先做中值濾波、圖像平滑，這些屬於圖像預處理，然後考慮進行銳化、變換等其他手段。
這些你挨個試，就明白了。

㈥ 圖像增強的方面方法

1.對比度變換:線性變換、非線性變換
2.空間濾波：圖像卷積運算、平滑、銳化
3.彩色變換：單波段彩色變換、多波段彩色運算、HIS
4.多光譜變換：K-L變換、K-T變換
5.圖像運算：插值運算、比值運算、分形演算法

㈦ 遙感圖像增強的方法，詳述一種演算法

在進行遙感圖像的增強處理前，應先經行預處理：幾何校正和輻射校正（當然，如果你拿到的圖像已被預處理過了，就沒有必要了）

遙感圖像的增強處理方法有光學增強處理和數字圖像增強處理（就是大部分要和電腦打交道的），現在由於電腦的普及，多是用電腦處理數字圖像。

數字圖像的處理方法有很多種，這要取決於你的目的。
數字圖像增強和變換：對比度增強（在erdas等數字圖像處理軟體中很容易就能實現的）；圖像波段間的比值（包含各波段間的加減運算，可以消除地形和大氣的部分影響）及各種指標提取（比如NDVI等用於植被的計算）；主成分分析（在原圖像的基礎上通過坐標空間的變換，消除冗餘信息）；纓帽變換（多用於農業上）；
數字圖像分類：監督分類；非監督分類；
http://wenku..com/view/bc726a6f58fafab069dc0268.html

㈧ 數字圖像處理—概念&&目的&&內容：增強恢復分割

數字圖像處理（digital image processing），是利用計算機對圖像進行去除雜訊、增強、恢復、分割、提取特徵等的理論、方法和技術。
圖像處理是利用計算機和實時硬體實現的，也被稱為計算機圖像處理（computer image processing）。
在人們的日常生活中，圖像處理已經得到廣泛的應用。
如：利用指紋、虹膜、面部特徵等進行身份識別；
自動售貨機鈔票的識別；電腦成像技術等。
在醫學領域，
如：顯微鏡照片；
X射線透視；
X射線CT（Computer Tomograph，計算機斷層攝像）等。
方法/步驟
數字圖像處理的目的：
數字圖像處理是利用計算機的計算，實現與光學系統模擬處理相同效果的過程。
⑴提高圖像的視覺質量，以達到賞心悅目的目的。
例如：去除稱之為雜訊等圖像質量的退化因素；
改變圖像的亮度、顏色；
增強圖像中的某些成份、抑制某些成份；
對圖像進行幾何變換等，從而改善圖像的質量，以達到各種想要的藝術效果。
⑵提取圖像中所包含的某些特徵或特殊信息，以便於計算機分析。
如：頻域特性、
紋理特性、
灰度/顏色特性、
邊界/區域特性、
形狀/拓撲特性
關系結構等。
⑶對圖像數據進行變換、編碼和壓縮，以便於圖像的存儲和傳輸。
數字圖像處理的內容—圖像獲取、表示和表現：
過程：是把模擬圖像信號轉化為計算機所能接受的數字形式，
數字圖像顯示和表現。
包括：攝取圖像、光電轉換及數字化。
圖像增強（Image Enhancement）：
圖像增強技術是改善圖像視感質量所採取的一種重要手段。
包括：去除圖像雜訊，增強圖像對比度等。
圖像增強本事並沒有增加原始資料所包含的信息，僅僅是把圖像某些部分的特徵更加強調罷了。
圖像增強的演算法通常是互動式的。
圖像恢復（Image Restoration）：
圖像恢復是指在圖像退化（圖像品質下降）的原因已知時，對圖像進行校正，重新獲得原始圖像的過程。
圖像恢復最關鍵的是對每一種退化都需要建立一個合理的模型。
退化模型和特定數據一起描述了圖像的退化，因此恢復技術是基於模型和數據的圖像恢復，其目的是試圖將受污染或降質的圖像帶回到原本不受污染的狀況下所應得的干凈圖像，產生一個等價於理想成像系統獲得的圖像。
雖然圖像恢復與圖像增強都會造成視覺上較佳的感受，但後者更關心的是圖像特徵增強或抽取，而不是去除退化或污染。
圖像重建（Image Reconstruction）：
圖像重建：是由幾個一維的圖像投影來重建出更高維的物體圖像。
它與圖像增強、圖像恢復等不同。
圖像重建是指從數據到圖像的處理，即輸入的是某種數據，經過處理後得到的結果是圖像。
一個圖像的取得是以平行的X光或者其他的放射穿透光束照射物體，並在物體的背面接收此投影，接著在同一平面上改變光束照射的角度以獲得不同的投影，再以某些重建演算法將這些投影組合成物體的一個橫剖面圖像。這種技術主要用於醫學圖像、雷達圖像處理、天文學星象觀測、地質研究及無損壓縮等。
圖像壓縮（Image Compression）：
圖像壓縮：是降低代表數字圖像所需要的數據量，可以減少圖像傳輸時間以及存儲空間。
編碼是實現圖像壓縮的重要手段。
編碼目的有三個：
①減少數據存儲量。
②降低數據率以減少傳輸帶寬。
③壓縮數據量，便於特徵提取，為後續識別作準備。
第一代編碼是以去除冗餘為基礎的編碼方法，
如PCM、DPCM、ΔM、DCT、DFT、W-H變換編碼以及以此為基礎的混合編碼法。
第二代編碼法多為20世紀80年代以後提出的，
如Fractal編碼法、金字塔編碼法、小波變換編碼法、模型基編碼法、基於神經網路的編碼法等等。
這些編碼方法有如下特點：
①充分考慮人的視覺特性。
②恰當地考慮對圖像信號的分解與表述。
③採用圖像的合成與識別方案壓縮數據。
圖像分割（Image Segmentation）：
圖像分割就是把圖像分成區域的過程。
目前，大部分圖像的自動分割還需要人工提供必須的信息來幫助識別，只有一部分領域開始使用。
如印刷字元自動識別（OCR），指紋識別等。
圖像智能分析（Image Analysis）：
圖像智能分析是試圖從圖像中分割、提取並描述某些特徵，從而有利於計算機對圖像的識別和理解，以產生有用的信息。
①能從含有許多不相干細節的背景中找到所需的信息。
②能從範例中學習並將所學知識應用推廣到其他狀況中。
③能從不完整的資料中推斷出完整的信息。

㈨ 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。