图像增强的算法

㈠ 数字图像处理的基本算法及要解决的主要问题

图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。

图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有密切的关系。

传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。
目录
[隐藏]

* 1 解决方案
* 2 常用的信号处理技术
o 2.1 从一维信号处理扩展来的技术和概念
o 2.2 专用于二维（或更高维）的技术和概念
* 3 典型问题
* 4 应用
* 5 相关相近领域
* 6 参见

[编辑] 解决方案

几十年前，图像处理大多数由光学设备在模拟模式下进行。由于这些光学方法本身所具有的并行特性，至今他们仍然在很多应用领域占有核心地位，例如 全息摄影。但是由于计算机速度的大幅度提高，这些技术正在迅速的被数字图像处理方法所替代。

从通常意义上讲，数字图像处理技术更加普适、可靠和准确。比起模拟方法，它们也更容易实现。专用的硬件被用于数字图像处理，例如，基于流水线的计算机体系结构在这方面取得了巨大的商业成功。今天，硬件解决方案被广泛的用于视频处理系统，但商业化的图像处理任务基本上仍以软件形式实现，运行在通用个人电脑上。

[编辑] 常用的信号处理技术

大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸，它们中的一部分在二维情形下变得十分复杂。同时图像处理也具有自身一些新的概念，例如，连通性、旋转不变性，等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。

图像处理中常用到快速傅立叶变换，因为它可以减小数据处理量和处理时间。

[编辑] 从一维信号处理扩展来的技术和概念

* 分辨率(Image resolution|Resolution)
* 动态范围(Dynamic range)
* 带宽(Bandwidth)
* 滤波器设计(Filter (signal processing)|Filtering)
* 微分算子(Differential operators)
* 边缘检测(Edge detection)
* Domain molation
* 降噪(Noise rection)

[编辑] 专用于二维（或更高维）的技术和概念

* 连通性(Connectedness|Connectivity)
* 旋转不变性(Rotational invariance)

[编辑] 典型问题

* 几何变换（geometric transformations）：包括放大、缩小、旋转等。
* 颜色处理（color）：颜色空间的转化、亮度以及对比度的调节、颜色修正等。
* 图像合成（image composite）：多个图像的加、减、组合、拼接。
* 降噪（image denoising）：研究各种针对二维图像的去噪滤波器或者信号处理技术。
* 边缘检测（edge detection）：进行边缘或者其他局部特征提取。
* 分割（image segmentation）：依据不同标准，把二维图像分割成不同区域。
* 图像制作（image editing）：和计算机图形学有一定交叉。
* 图像配准（image registration）：比较或集成不同条件下获取的图像。
* 图像增强（image enhancement）：
* 图像数字水印（image watermarking）：研究图像域的数据隐藏、加密、或认证。
* 图像压缩（image compression）：研究图像压缩。

[编辑] 应用

* 摄影及印刷 (Photography and printing)
* 卫星图像处理 (Satellite image processing)
* 医学图像处理 (Medical image processing)
* 面孔识别, 特征识别 (Face detection, feature detection, face identification)
* 显微图像处理 (Microscope image processing)
* 汽车障碍识别 (Car barrier detection)

[编辑] 相关相近领域

* 分类（Classification）
* 特征提取（Feature extraction）
* 模式识别（Pattern recognition）
* 投影（Projection）
* 多尺度信号分析（Multi-scale signal analysis）
* 离散余弦变换（The Discrete Cosine Transform）

㈡ 两种图像增强的方法用于同一图片的matlab程序

增强图象中的有用信息，它可以是一个失真的过程，其目的是要增强视觉效果。将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。

㈢ 图像增强各种方法的优缺点

对比度增强法适合于对比度较低的图像，通过线性和非线性的变化，修改每一个像素的灰度，从而改变图像的动态范围达到图像增强的目的。直方图均衡化针对在低值灰度区间上频率较大、图像中较暗区域中细节看不清楚的图像，有较好的增强效果。但是上述两种方法的缺点都是不能抑制噪声，对于图像中呈孤立分散分布的噪声点，可以用平滑的方式去除，其中线性滤波实现简单，去噪效果明显，但是去噪的同时会导致结果图像边缘位置的改变和细节模糊甚至丢失；非线性滤波能够较好的保持图像边缘位置和细节，但是算法的实现相对线性滤波比较困难。平滑处理的时候经常会使图像的边缘变的模糊，图像锐化处理的作用就是使灰度反差增强，从而使模糊图像变得更加清晰。

㈣ 图像空域增强和频域增强的基本原理是什么

图像增强的目的是改善图像的视觉效果或使图像更适合于人或机器的分析处理。通过图像增强可以减少图像噪声，提高目标与背景的对比度，亦可以强调或抑制图像中的某些细节。例如，消除照片中的划痕，改善光照不均匀的图像，突出目标的边缘等。

根据处理的空间可以将图像增强分为空域法和频域法，前者直接在图像的空间域（或图像空间）中对像素进行处理，后者在图像的变换域（即频域）内间接处理，然后经逆变换获得增强图像。空域增强可以分为点处理和区处理，频域增强可以分为低通滤波，高通滤波，带通滤波和同态滤波。

(4)图像增强的算法扩展阅读

常用的图像增强处理方式包括灰度变换、直方图修正、图像锐化、噪声去除、几何畸变校正、频域滤波和彩色增强等。由于图像增强与感兴趣的物体特性、观察者的习惯和处理目的密切相关，尽管处理方式多种多样，但它带有很强的针对性。

因此，图像增强算法的应用也是有针对性的，并不存在一种通用的、适应各种应用场合的增强算法。于是，为了使各种不同特定目的的图像质量得到改善，产生了多种图像增强算法。这些算法根据处理空间的不同分为基于空间域的图像增强算法和基于变换域的图像增强算法。

基于空间域的图像增强算法又可以分为空域的变换增强算法、空域的滤波增强算法以及空域的彩色增强算法；基于变换域的图像增强算法可以分为频域的平滑增强算法、频域的锐化增强算法以及频域的彩色增强算法。

尽管各种图像增强技术已取得了长足的发展，形成了许多成熟、经典的处理方法，但新的增强技术依然在日新月异地发展完善，不断推陈出新，其中尤其以不引起图像模糊的去噪声方法（如空域的局部统计法）和新的频域滤波器增强技术（如小波变换，K－L变换等）最为引人瞩目。

㈤ 关于图像增强算法的问题

几种方法结合使用。一般先做中值滤波、图像平滑，这些属于图像预处理，然后考虑进行锐化、变换等其他手段。
这些你挨个试，就明白了。

㈥ 图像增强的方面方法

1.对比度变换:线性变换、非线性变换
2.空间滤波：图像卷积运算、平滑、锐化
3.彩色变换：单波段彩色变换、多波段彩色运算、HIS
4.多光谱变换：K-L变换、K-T变换
5.图像运算：插值运算、比值运算、分形算法

㈦ 遥感图像增强的方法，详述一种算法

在进行遥感图像的增强处理前，应先经行预处理：几何校正和辐射校正（当然，如果你拿到的图像已被预处理过了，就没有必要了）

遥感图像的增强处理方法有光学增强处理和数字图像增强处理（就是大部分要和电脑打交道的），现在由于电脑的普及，多是用电脑处理数字图像。

数字图像的处理方法有很多种，这要取决于你的目的。
数字图像增强和变换：对比度增强（在erdas等数字图像处理软件中很容易就能实现的）；图像波段间的比值（包含各波段间的加减运算，可以消除地形和大气的部分影响）及各种指标提取（比如NDVI等用于植被的计算）；主成分分析（在原图像的基础上通过坐标空间的变换，消除冗余信息）；缨帽变换（多用于农业上）；
数字图像分类：监督分类；非监督分类；
http://wenku..com/view/bc726a6f58fafab069dc0268.html

㈧ 数字图像处理—概念&&目的&&内容：增强恢复分割

数字图像处理（digital image processing），是利用计算机对图像进行去除噪声、增强、恢复、分割、提取特征等的理论、方法和技术。
图像处理是利用计算机和实时硬件实现的，也被称为计算机图像处理（computer image processing）。
在人们的日常生活中，图像处理已经得到广泛的应用。
如：利用指纹、虹膜、面部特征等进行身份识别；
自动售货机钞票的识别；电脑成像技术等。
在医学领域，
如：显微镜照片；
X射线透视；
X射线CT（Computer Tomograph，计算机断层摄像）等。
方法/步骤
数字图像处理的目的：
数字图像处理是利用计算机的计算，实现与光学系统模拟处理相同效果的过程。
⑴提高图像的视觉质量，以达到赏心悦目的目的。
例如：去除称之为噪声等图像质量的退化因素；
改变图像的亮度、颜色；
增强图像中的某些成份、抑制某些成份；
对图像进行几何变换等，从而改善图像的质量，以达到各种想要的艺术效果。
⑵提取图像中所包含的某些特征或特殊信息，以便于计算机分析。
如：频域特性、
纹理特性、
灰度/颜色特性、
边界/区域特性、
形状/拓扑特性
关系结构等。
⑶对图像数据进行变换、编码和压缩，以便于图像的存储和传输。
数字图像处理的内容—图像获取、表示和表现：
过程：是把模拟图像信号转化为计算机所能接受的数字形式，
数字图像显示和表现。
包括：摄取图像、光电转换及数字化。
图像增强（Image Enhancement）：
图像增强技术是改善图像视感质量所采取的一种重要手段。
包括：去除图像噪声，增强图像对比度等。
图像增强本事并没有增加原始资料所包含的信息，仅仅是把图像某些部分的特征更加强调罢了。
图像增强的算法通常是交互式的。
图像恢复（Image Restoration）：
图像恢复是指在图像退化（图像品质下降）的原因已知时，对图像进行校正，重新获得原始图像的过程。
图像恢复最关键的是对每一种退化都需要建立一个合理的模型。
退化模型和特定数据一起描述了图像的退化，因此恢复技术是基于模型和数据的图像恢复，其目的是试图将受污染或降质的图像带回到原本不受污染的状况下所应得的干净图像，产生一个等价于理想成像系统获得的图像。
虽然图像恢复与图像增强都会造成视觉上较佳的感受，但后者更关心的是图像特征增强或抽取，而不是去除退化或污染。
图像重建（Image Reconstruction）：
图像重建：是由几个一维的图像投影来重建出更高维的物体图像。
它与图像增强、图像恢复等不同。
图像重建是指从数据到图像的处理，即输入的是某种数据，经过处理后得到的结果是图像。
一个图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体，并在物体的背面接收此投影，接着在同一平面上改变光束照射的角度以获得不同的投影，再以某些重建算法将这些投影组合成物体的一个横剖面图像。这种技术主要用于医学图像、雷达图像处理、天文学星象观测、地质研究及无损压缩等。
图像压缩（Image Compression）：
图像压缩：是降低代表数字图像所需要的数据量，可以减少图像传输时间以及存储空间。
编码是实现图像压缩的重要手段。
编码目的有三个：
①减少数据存储量。
②降低数据率以减少传输带宽。
③压缩数据量，便于特征提取，为后续识别作准备。
第一代编码是以去除冗余为基础的编码方法，
如PCM、DPCM、ΔM、DCT、DFT、W-H变换编码以及以此为基础的混合编码法。
第二代编码法多为20世纪80年代以后提出的，
如Fractal编码法、金字塔编码法、小波变换编码法、模型基编码法、基于神经网络的编码法等等。
这些编码方法有如下特点：
①充分考虑人的视觉特性。
②恰当地考虑对图像信号的分解与表述。
③采用图像的合成与识别方案压缩数据。
图像分割（Image Segmentation）：
图像分割就是把图像分成区域的过程。
目前，大部分图像的自动分割还需要人工提供必须的信息来帮助识别，只有一部分领域开始使用。
如印刷字符自动识别（OCR），指纹识别等。
图像智能分析（Image Analysis）：
图像智能分析是试图从图像中分割、提取并描述某些特征，从而有利于计算机对图像的识别和理解，以产生有用的信息。
①能从含有许多不相干细节的背景中找到所需的信息。
②能从范例中学习并将所学知识应用推广到其他状况中。
③能从不完整的资料中推断出完整的信息。

㈨ Matlab怎样把一个彩色图像进行简单的增强

增强图象中的有用信息，它可以是一个失真的过程，其目的是要增强视觉效果。将原来不清晰的图像变得清晰或强调某些感兴趣的特征，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
图像增强按所用方法可分成频率域法和空间域法。前者把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。具有代表性的空间域算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。基于空域的算法处理时直接对图像灰度级做运算基于频域的算法是在图像的某种变换域内对图像的变换系数值进行某种修正，是一种间接增强的算法。
基于空域的算法分为点运算算法和邻域去噪算法。点运算算法即灰度级校正、灰度变换和直方图修正等，目的或使图像成像均匀，或扩大图像动态范围，扩展对比度。邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声，但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波。锐化的目的在于突出物体的边缘轮廓，便于目标识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。