圖像增強演算法

⑴ 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。

⑵ 圖像增強的基本信息

image enhancement
圖像增強可分成兩大類：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。後者空間域法中具有代表性的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。

⑶ 有誰matlab寫過基於自適應濾波的Retinex圖像增強演算法

根據最後一個公式計算w(x,y), 實際上就是計算梯度水平(水平和垂直方向兩個方向綜合)

I = imread('test3.jpg'); %讀入圖象

subplot(121);imshow(I);

I = double(rgb2gray(I));

[m,n]=size(I);

H1 = [-1 -2 -1

0 0 0

1 2 1];

H2 = [-1 0 1

-2 0 2

-1 0 1];

w0 = (abs(conv2(I,double(H1),'same')) + abs(conv2(I,double(H1),'same')))/2+ones(m,n);

subplot(122);imshow(uint8(w0));

w = 1./w0;

⑷ 如何對下圖三張圖片設計增強系統和增強演算法對其進行圖像增強處理演算法，以提高和改善圖像的視覺效果！

沒得戲，這幾張圖片質量過於模糊了尺寸又小。。

⑸ 求解下面一段MATLAB代碼，關於直方圖均衡化的圖像增強演算法。

%讀圖像
img=imread('D:\我的文檔\桌面\10096009_0762641.JPG');
subplot(121),imshow(img);
%將RGB分量轉換成HSI,具體見:http://..com/question/320254032.html
img_hsi=rgb2hsi(img);
%--------------------------------------------------------------------------
%ln和DFT處理過程
% img_s=fftshift(fft2(log(img_hsi(:,:,2))));
img_s=log(img_hsi(:,:,2));
img_s=img_hsi(:,:,2);
%H 巴特沃斯高通濾波器處理過程

f=double(img_s);
g=fft2(f);
g=fftshift(g);
[M,N]=size(g);
nn=5; % 2-grade Butterworth highpass filter
d0=15; % 15,30,80其中以15為例
m=fix(M/2); n=fix(N/2);
for i=1:M
for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn)); % filter transform function
%h=1./(1+(d./d0).^(2*n))
%h=exp(-(d.^2)./(2*(d0^2)));
result(i,j)=(1-h)*g(i,j);
end
end
result=ifftshift(result);
J1=ifft2(result);
img_s2=uint8(real(J1));

%--------------------------------------------------------------------------
% img_i=fftshift(fft2(log(img_hsi(:,:,3))));
img_i=log(img_hsi(:,:,3));
img_i=img_hsi(:,:,3);
%高斯濾波器
%將S分量的二維不連續Frourier變換的零頻率成分移到頻譜的中心

s=fftshift(fft2(img_i));
[M,N]=size(s); %分別返回s的行數到M中，列數到N中
n=2; %對n賦初值
%GLPF濾波，d0=5，15，30（程序中以d0=30為例）
d0=30; %初始化d0
n1=floor(M/2);n2=floor(N/2);
for i=1:M
for j=1:N
d=sqrt((i-n1)^2+(j-n2)^2); %點（i,j）到傅立葉變換中心的距離
h=1*exp(-1/2*(d^2/d0^2)); %GLPF濾波函數
s(i,j)=h*s(i,j); %GLPF濾波後的頻域表示
end
end
img_i2=ifft2(ifftshift(s));img_i2=exp(img_i2);img_i2=uint8(real(img_i2));
%--------------------------------------------------------------------------
newImg(:,:,1)=img(:,:,1);newImg(:,:,2)=img_s2;newImg(:,:,3)=img_i2;
subplot(122),imshow(newImg);

⑹ 基於像素的圖像增強方法是一種線性還是非線性灰度變換

基於像素的圖像增強方法是一種非線性灰度變換。
圖像增強是從像素到像素的操作，是以預定的方式改變圖像的灰度直方圖。有時又稱為對比度增強，灰度變換。點運算不可能改變圖像內的空間關系，輸出像素的灰度值由輸入像素的值決定。
參考
一種新的非線性變換法實現圖像增強的方法--《光子學報》2007年S1期

⑺ 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。

⑻ 圖像增強的方法有哪些

圖像處理技術與機器視覺密切相關，圖像在採集過程中不可避免的會受到感測器靈敏度、雜訊干擾以及模數轉換時量化問題等各種因素的影響，而導致圖像無法達到令人滿意的視覺效果，為了實現人眼觀察或者機器自動分析、識別的目的，對原始圖像所做的改善行為，就被稱作圖像增強。圖像增強處理主要內容是突出圖像中感興趣的部分，減弱或去除不需要的信息。這樣使有用信息得到加強，從而得到一種更加實用的圖像或者轉換成一種更適合人或機器進行分析處理的圖像。-一般而言，圖像增強是根據具體的應用場景和圖像的模糊情況而採用特定的增強方法來突出圖像中的某些信息，削弱或消除無關信息，以達到強調圖像的整體或局部特徵的目的。圖像增強的方法主要分為兩類：空域增強法和頻域增強法。空域增強法直接針對圖像中的像素，對圖像的灰度進行處理；頻域增強法是基於圖像的Fourier變換式對圖像頻譜進行改善，增強或抑制所希望的頻譜。
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。由於對圖像質量的要求越來越高，單一的增強處理往往難以達到令人滿意的效果。因此，在圖像的實際增強處理中，常常是幾種方法組合運用，各取所長以達到最佳的增強效果。

⑼ 圖像處理當中圖像去噪和圖像增強的區別

去噪也是增強，像里的隨即白點黑點很可能是雜訊，通過一定演算法去掉這些壞點，即改變它亮度值，這就是去噪。
增強更easy，邊緣增強，ndvi等等，突出想看見的信息就是增強。
不知道他們有什麼好區別的。

⑽ 圖像增強演算法在某一領域的具體應用急

您好：您看這個可以嗎？
面向低質量指紋圖像的增強演算法及應用
這個是說在對於採集的模糊不清的指紋，通過特殊圖像增強演算法後，使指紋利用價值更大，對於刑事偵查領域和自動識別系統中都是非常現實的一個課題，在美國這項技術已經開始使用，在美劇《CSI》中有體現的。

詳細論文見http://www.cnki.com.cn/Article/CJFDTotal-HDCB200505016.htm
該頁面提供PDF格式下載

希望我的回答對您有幫助