圖像增強研究

[鍵入文字]PAGEPAGEII圖像增強研究摘要圖像增強技術(shù)是圖像處理領(lǐng)域研究的重點和熱點之一，因為在圖像處理中圖像增強技術(shù)對于提高圖像的質(zhì)量起著重要作用。圖像增強從處理的作用域出發(fā)，可分為空間域和頻域兩大類，其中頻域增強是將原空間的圖像以某種形式轉(zhuǎn)換到其他空間，然后利用該轉(zhuǎn)換空間的特有性質(zhì)方便地進行圖像處理，最后再轉(zhuǎn)換回原空間中，從而得到處理后的圖像，是一種間接增強的算法。隨著科技的不斷進步，尤其是計算機技術(shù)的發(fā)展，不斷促進圖像增強技術(shù)向前發(fā)展，圖像增強技術(shù)逐步涉及人類生活和社會生產(chǎn)的各個方面。尤其在航空航天領(lǐng)域、生物醫(yī)學領(lǐng)域、工業(yè)生產(chǎn)領(lǐng)域和公共安全領(lǐng)域有著廣泛的應用，并產(chǎn)生了深遠的意義。頻域濾波算法已成為圖像增強技術(shù)中的一種重要的處理方法，受到普遍關(guān)注和研究，深深地吸引著人們。頻域表達在處理信號的時候有著很多空域不可比擬的優(yōu)勢，甚至有些空間域比較難以表達和分析的圖像增強任務可以比較簡單的在頻域中表達和分析。首先，頻域技術(shù)每次都利用圖像中所有像素的數(shù)據(jù)，具有全局性質(zhì)，有可能更好的體現(xiàn)圖像的整體特性，如整體對比度和平均灰度值等。其次，在頻域中分析圖像的頻率成分與圖像的視覺效果間的對應關(guān)系比較直觀，可以對頻率進行選擇性地處理。因此，頻域表達處理方法在圖像增強技術(shù)中有著極其重要的地位。本設計主要內(nèi)容及基本過程是基于圖像增強技術(shù)，利用濾波器在頻域相關(guān)理論相關(guān)和設計方法及MATLAB在圖像處理中的仿真技術(shù)設計驗證基于圖像增強的頻域低通濾波算法。關(guān)鍵詞：圖像增強頻域濾波MATLAB

目錄1前言 12圖像增強概述 32.1圖像噪聲 32.1.1圖像噪聲的產(chǎn)生 32.1.2圖像噪聲分類 42.1.3圖像噪聲特點 42.2圖像增強處理分類 52.2.1空域增強法 62.2.2頻域增強法 72.2.3圖像增強效果評價 72.3空間域變換增強方法 82.3.1灰度變換 92.3.2直方圖變換 132.3.3圖像平滑與銳化 162.4圖像增強技術(shù)現(xiàn)狀與應用 213頻域濾波器相關(guān)理論和設計方法 243.1低通濾波器 243.2高通濾波器 263.3帶通濾波器和帶阻濾波器 263.4同態(tài)濾波 273.5小波濾波 273.5.1小波去噪原理 283.5.2小波去噪算法 283.5.3小波去噪優(yōu)缺點 293.5小結(jié) 293.6MATLAB應用圖像增強 294基于低通濾波圖像增強算法驗證 314.1算法驗證依據(jù) 314.2技術(shù)要求 334.3基本原理 334.3.1圖像噪聲 334.3.2圖像的頻域處理 344.4建立模型 354.5源程序代碼 364.5.1讀取圖像 364.5.2將原圖轉(zhuǎn)換為灰度圖 374.5.3圖像加噪處理 374.5.4圖像變化到頻域 374.5.5低通濾波器定義 374.5.6圖像變換到空域 384.6調(diào)試過程及結(jié)論 39總結(jié) 44致謝 45參考文獻 46附錄一 47附錄二 48附錄三 49附錄四 51

1前言隨著電子計算機技術(shù)的進步，圖像增強近年來得到飛躍的發(fā)展，已經(jīng)成功的應用于幾乎所有與成像有關(guān)的領(lǐng)域，并正發(fā)揮著相當重要的作用。它利用計算機對數(shù)字圖像進行系列操作，從而獲得某種預期的結(jié)果。對圖像進行處理時，經(jīng)常運用圖像增強技術(shù)以改善圖像的質(zhì)量。圖像增強技術(shù)是一門新興技術(shù)，隨著計算機硬件的發(fā)展，數(shù)字圖像的實時處理已經(jīng)成為可能，由于圖像增強處理的各種算法的出現(xiàn)，使得其處理速度越來越快，能更好的為人們服務。（1）課題背景圖像增強是指依據(jù)圖像所存在的問題，按特定的需要突出一幅圖像中的某些信息，同時，削弱或去除某些冗余信息的處理方法。其主要目的是使得處理后的圖像對給定的應用比原來的圖像更加有效同時可以有效的改善圖像質(zhì)量。圖像增強技術(shù)是一種通過計算機采用一定的算法對圖形圖像進行處理的技術(shù)，圖像增強技術(shù)已經(jīng)在各個領(lǐng)域上都有了比較廣泛的應用。由于圖像增強技術(shù)的各種算法的出現(xiàn)，使得其處理速度越來越快，能更好的為人們服務。在圖像增強技術(shù)中使用頻域濾波算法有著極為明顯的優(yōu)勢，其具體如下：①全局性好：頻域技術(shù)每次都利用圖像中所有像素的數(shù)據(jù)，不像空域技術(shù)不論點操作和模板操作，都是基于部分像素的性質(zhì)。頻域技術(shù)可能更好的體現(xiàn)圖像的整體特性，如整體對比度和平均灰度值等。②視覺效果更加直觀：在頻域中分析圖像的頻率成分與圖像的視覺效果間的對應關(guān)系比較直觀，可以對頻率進行選擇性地處理。③易于表達和分析：有些空間域比較難以表達和分析的圖像增強任務可以比較簡單的在頻域中表達和分析。(2)研究目的在一般情況下，經(jīng)過圖像的傳送和轉(zhuǎn)換，如成像、復制、掃描、傳輸和顯示等，經(jīng)常會造成圖像質(zhì)量的下降。在攝影時由于光照條件不足或過度，會使圖像過暗或過亮；光學系統(tǒng)的失真、相對運動、大氣流動等都會使圖像模糊，傳輸過程中會引入各種類型的噪聲?？傊斎氲膱D像在視覺效果和識別方便性等方面可能存在諸多問題，這類問題不妨統(tǒng)稱為質(zhì)量問題。盡管由于目的、觀點、愛好等的不同，圖像質(zhì)量很難有統(tǒng)一的定義和標準，但是根據(jù)應用要求改善圖像質(zhì)量卻是一個共同的目標。圖像增強是指根據(jù)特定的需要突出圖像中的重要信息，同時減弱或去除不需要的信息。從不同的途徑獲取的圖像，通過進行適當?shù)脑鰪娞幚?，可以將原本模糊不清甚至根本無法分辨的原始圖像處理成清晰的富含大量有用信息的可使用圖像，有效地去除圖像中的噪聲、增強圖像中的邊緣或其他感興趣的區(qū)域，從而更加容易對圖像中感興趣的目標進行檢測和測量。處理后的圖像是否保持原狀已經(jīng)是無關(guān)緊要的了，不會因為考慮到圖像的一些理想形式而去有意識的努力重現(xiàn)圖像的真實度。圖像增強的目的是增強圖像的視覺效果，將原圖像轉(zhuǎn)換成一種更適合于人眼觀察和計算機分析處理的形式。它一般要借助人眼的視覺特性，以取得看起來較好地視覺效果，很少涉及客觀和統(tǒng)一的評價標準。增強的效果通常都與具體的圖像有關(guān)系，靠人的主觀感覺加以評價。通過本課題的研究能夠使圖像有更好的視覺感受效果，更能夠滿足社會生活和生產(chǎn)的需要是本文的最終目的。（3）研究內(nèi)容頻域濾波算法已經(jīng)廣泛的應用于圖像增強技術(shù)中，對現(xiàn)實生活和生產(chǎn)產(chǎn)生了巨大的影響。本設計通過MATLAB對所設計的圖像增強算法進行仿真驗證，為了使圖像增強效果不斷提高。經(jīng)過本次畢業(yè)設計能夠訓練正確地使用MATLAB進行仿真設計,培養(yǎng)解決圖像增強具體問題的能力，能夠通過所做基于圖像增強技術(shù)的頻域濾波器算法的設計,可以加強對圖像增強技術(shù)的認識，培養(yǎng)邏輯思維能力，提高了綜合運用所學知識分析與解決實際問題的能力;對基本技能水平有了進一步提高,例如MATLAB的編程,調(diào)試,仿真等,使理論聯(lián)系實際,用理論來指導實踐。本設計應用性比較強，可與很多實際應用結(jié)合，比如醫(yī)學圖像、地球遙感監(jiān)測、航空航天等領(lǐng)域。本課題的主要任務是設計出一種用于圖像增強的頻域濾波算法，并通過MATLAB來實現(xiàn)算法的仿真實現(xiàn)，達到良好的圖像視覺效果的目的。要想順利完美的完成該課題就需要掌握與圖像增強技術(shù)的相關(guān)知識，理解圖像增強的原理，同時要掌握頻域濾波處理算法的原理及其實現(xiàn)的方法，最后要通過MATLAB這一工具來實現(xiàn)算法的仿真。只有熟練的掌握以上的專業(yè)理論知識并能靈活的運用，才能很好的完成這一課題達到預期的目標設計后的系統(tǒng)具有操作方便，控制靈活等優(yōu)點。2圖像增強概述圖像增強是圖像處理的基本內(nèi)容之一，圖像增強是指按特定的需要突出一幅圖像中的“有用”信息，同時削弱或去除某些不需要信息的處理方法，以達到擴大圖像中不同物體特征之間的差別，其目的是使得處理后的圖像對某種特定的應用，比原始圖像更合適。處理的結(jié)果使圖像更適應于人的視覺特性或機器的識別系統(tǒng)。由于具體應用的目的和要求不同，因而“有用”的含義和標準也不盡相同。值得注意的是，圖像增強算法并不能增加原始圖像的信息，而是通過某種技術(shù)手段有選擇地突出對某一具體應用有價值的信息。即圖像增強只通過突出某些信息以增強對這些信息的辨識能力，而其他信息則被壓縮了。也就是說，圖像的增強處理并不是一種無損的處理。例如，圖像平滑處理算法中經(jīng)常采用低通濾波法，雖然消除了圖像的噪聲，但圖像的空間紋理特性卻被削弱了，圖像從整體上比較模糊。本章圍繞圖像增強技術(shù)的原理和方法，首先介紹數(shù)字圖像噪聲及其產(chǎn)生的原因，圖像增強處理方法分類，然后介紹圖像空間域變換增強方法，最后總結(jié)圖像增強技術(shù)現(xiàn)狀與應用。2.1圖像噪聲對于數(shù)字圖像處理而言，噪聲是指圖像中的非本源信息。可以理解為“妨礙人們感覺器官對所接收的信源信息理解的因素”。而圖像中各種妨礙人們對其信息接受的因素即可稱為圖像噪聲。噪聲在理論上可以定義為“不可預測，只能用概率統(tǒng)計方法來認識的隨機誤差”。因此將圖像噪聲看成是多維隨機過程是合適的，因而描述噪聲的方法完全可以借用隨機過程的描述，即用其概率分布函數(shù)、概率密度分布函數(shù)，以及均值、方差、相關(guān)函數(shù)等描述噪聲特征。2.1.1圖像噪聲的產(chǎn)生隨著各種數(shù)字儀器和數(shù)碼產(chǎn)品的普及，圖像和視頻已成為人類活動中最常用的信息載體，它們包含著物體的大量信息，成為人們獲取外界原始信息的主要途徑。然而，大多數(shù)數(shù)字圖像系統(tǒng)中，輸入光圖像都是通過掃描方式將多維圖像變成一維電信號，再對其進行存儲、處理和傳輸?shù)?，最后形成多維圖像信號。在這一系列復雜過程中，圖像數(shù)字化設備、電氣系統(tǒng)和外界影響將使得圖像噪聲產(chǎn)生不可避免。例如，處理高放大倍數(shù)遙感圖片的X射線圖像系統(tǒng)中的噪聲去除等已成為不可或缺的技術(shù)。2.1.2圖像噪聲分類按照產(chǎn)生原因，圖像噪聲可分為外部噪聲和內(nèi)部噪聲。外部噪聲，即指系統(tǒng)外部干擾以電磁波或經(jīng)電源串進系統(tǒng)內(nèi)部而引起的噪聲。如外部電氣設備產(chǎn)生的電磁波干擾、天體放電產(chǎn)生的脈沖干擾等。由系統(tǒng)電氣設備內(nèi)部引起的噪聲為內(nèi)部噪聲，如內(nèi)部電路的相互干擾。內(nèi)部噪聲一般又可分為以下四種：(1)由光和電的基本性質(zhì)所引起的噪聲。(2)電器的機械運動產(chǎn)生的噪聲。(3)器材材料本身引起的噪聲。(4)系統(tǒng)內(nèi)部設備電路所引起的噪聲。需要注意的是，噪聲分類方法不是絕對的，按不同的性質(zhì)有不同的分類方法。例如，按照統(tǒng)計特性，圖像噪聲可分為平穩(wěn)噪聲和非平穩(wěn)噪聲，其中統(tǒng)計特性不隨時間變化的噪聲稱為平穩(wěn)噪聲，統(tǒng)計特性隨時間變化的噪聲稱為非平穩(wěn)噪聲。按噪聲頻譜形狀來命，如頻譜均勻分布的噪聲稱為白噪聲；頻譜與頻率成反比的稱為1/f噪聲；而與頻率平方成正比的稱為三角噪聲等等。按噪聲和信號之間的關(guān)系，圖像噪聲可分為加性噪聲和乘性噪聲。為了分析處理方便，往往將乘性噪聲近似認為是加性噪聲，而且總是假定信號和噪聲是互相獨立的。2.1.3圖像噪聲特點圖像噪聲使得圖像模糊，甚至淹沒圖像特征，給分析帶來困難。圖像噪聲一般具有以下特點：（1）噪聲具有隨機性。噪聲在圖像中的分布和大小不規(guī)則。（2）噪聲具有疊加性。在串聯(lián)圖像傳輸系統(tǒng)中，各部分竄入噪聲若是同類噪聲可以進行功率相加，依次信噪比要下降。若不是同類噪聲應區(qū)別對待，而且要考慮視覺檢出特性的影響。但是因為視覺檢出特性中的許多問題還沒有研究清楚，所以也只能進行一些主觀的評價試驗。（3）噪聲與圖像之間具有相關(guān)性。通常情況下，攝像機的信號和噪聲相關(guān)，黑暗部分噪聲大，明亮部分噪聲小。又如，數(shù)字圖像中的量化噪聲與圖像相位相關(guān)，圖像內(nèi)容接近平坦時，量化噪聲呈現(xiàn)偽輪廓，但圖像中的隨機噪聲會因為顫噪效應反而使量化噪聲變得不很明顯。使用光導攝象管的攝像機，信號幅度和噪聲幅度無關(guān)。而使用超正析攝像機的信號和噪聲相關(guān)，黑暗部分噪聲大，明亮部分噪聲小，在數(shù)字圖像處理技術(shù)中量化噪聲是肯定存在的，它和圖像相位有關(guān)，如圖像內(nèi)容接近平坦時，量化噪聲呈現(xiàn)偽輪廓，但在此時圖像信號中的隨機噪聲就會因為顫噪效應反而使量化噪聲變得不那么明顯。改善被噪聲污染的圖像質(zhì)量有兩種方法，一是不考慮圖像噪聲的原因，只對圖像中某些部分加以處理或突出有用的圖像特征信息，改善后的圖像并不一定與原圖像信息完全一致。這一類稱之為圖像增強技術(shù)，其主要是要提高圖像的可辨識性。另一種方法是針對圖像產(chǎn)生噪聲的具體原因，采取技術(shù)方法補償噪聲影響，使改善后的圖像盡可能地接近原始圖像。這類方法稱之為圖像復原技術(shù)。2.2圖像增強處理分類在圖像獲取的過程中，由于設備的不完善及光照等條件的影響，不可避免地會產(chǎn)生圖像降質(zhì)現(xiàn)象。影響圖像質(zhì)量的幾個主要因素是：(1)隨機噪聲，主要是高斯噪聲和椒鹽噪聲，可以是由于相機或數(shù)字化設備產(chǎn)生，也可以是在圖像傳輸；(2)系統(tǒng)噪聲，由系統(tǒng)產(chǎn)生，具有可預測性質(zhì)；(3)畸變，主要是由于相機與物體相對位置、光學透鏡曲率等原因造成的，可以看作是真實圖像的幾何變換。圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時削弱或去除某些不需要的信息的處理方法，也是提高圖像質(zhì)量的過程。圖像增強的目的是使圖像的某些特性方面更加鮮明、突出，使處理后的圖像更適合人眼視覺特性或機器分析，以便于實現(xiàn)對圖像的更高級的處理和分析。圖像增強的過程往往也是一個矛盾的過程：圖像增強希望既去除噪聲又增強邊緣。但是，增強邊緣的同時會同時增強噪聲，而濾去噪聲又會使邊緣在一定程度上模糊，因此，在圖像增強的時候，往往是將這兩部分進行折中，找到一個好的代價函數(shù)達到需要的增強目的。傳統(tǒng)的圖像增強算法在確定轉(zhuǎn)換函數(shù)時常是基于整個圖像的統(tǒng)計量，如：ST轉(zhuǎn)換，直方圖均衡，中值濾波，微分銳化，高通濾波等等。這樣對應于某些局部區(qū)域的細節(jié)在計算整幅圖的變換時其影響因為其值較小而常常被忽略掉，從而局部區(qū)域的增強效果常常不夠理想，噪聲濾波和邊緣增強這兩者的矛盾較難得到解決。分段線性拉伸按比例線性拉伸線性變換圖像增強技術(shù)根據(jù)其處理所進行的空間不同，可分為基于空間域的方法和于頻率域的增強方法兩大類。第一類，直接在圖像所在的空間進行處理，也就是在像素組成的二維空間里直接對像素進行操作；第二類，在圖像的變化域?qū)D像進行間接處理。如圖2-1所示：分段線性拉伸按比例線性拉伸線性變換頻率域增強空間域增強圖像增強帶通濾波帶阻濾波高通濾波低通濾波空域濾波灰度變化領(lǐng)域平均法平滑濾波中值濾波非線性變換直接灰度變換直方圖灰度變換圖像代數(shù)運算銳化濾波頻率域增強空間域增強圖像增強帶通濾波帶阻濾波高通濾波低通濾波空域濾波灰度變化領(lǐng)域平均法平滑濾波中值濾波非線性變換直接灰度變換直方圖灰度變換圖像代數(shù)運算銳化濾波對數(shù)拉伸對數(shù)拉伸指數(shù)拉伸指數(shù)拉伸其其他非線性拉伸圖2-1圖像增強方法類型此外，圖像增強技術(shù)按所處理對象的不同還可分為灰度圖像增強和彩色圖像增強;按增強的目的還可分為光譜信息增強、空間紋理信息增強和時間信息增強。通常情況下，如果沒有特別說明，則一般指對灰度圖像的增強。2.2.1空域增強法基于空間域的增強方法直接在圖像所在二維空間進行處理，即直接對每一像素點的灰度值進行處理。根據(jù)所采用的技術(shù)不同又可分為灰度變換和空域濾波兩類方法?；叶茸儞Q的原理就是通過改變灰度的動態(tài)范圍，達到增強圖像灰度級細節(jié)部分的方法。一般的變換函數(shù)包括線性變換、非線性變換、分段線性變換。具體函數(shù)的選擇與圖像的成像系統(tǒng)和相應的應用場合有關(guān)。直方圖均衡化是空域圖像增強中應用最廣泛的一種方法，其基本原理是使得處理后的圖像灰度級近似均勻分布，來達到圖像增強效果。但由于其變換函數(shù)采用的是累積分布函數(shù)，因此它產(chǎn)出的近似均勻直方圖都很相似，這必然限制了它的功能。為了適應圖像的局部特性，基于局部變換的圖像增強方法應運而生，如局部直方圖均衡化、對比度受限自適應直方圖均衡化、利用局部統(tǒng)計特性的噪聲去除方法。這些方法對圖像細節(jié)部分的增強均有很好的效果，但均有一個共同的缺點，算法運算量較大，圖像處理時間相對較長，使得這些算法不能適用于實時處理系統(tǒng)中。近年來，一類基于直方圖分割的算法受到大家的廣泛關(guān)注，該算法處理圖像的側(cè)重點在處理后圖像的亮度保持上，使得處理后圖像更適合人眼特性觀察。但該方法應用到低照度圖像增強上，對圖像整體亮度的提高效果不明顯?？沼驗V波是基于鄰域處理的增強方法，它應用某一模板對每個像素點與其周圍鄰域的所有像素點進行某種確定數(shù)學運算得到該像素點新的灰度值，輸出值的大小不僅與該像素點的灰度值有關(guān)，而且還與其鄰域內(nèi)的像素點的灰度值有關(guān)，通常的圖像平滑濾波和銳化濾波技術(shù)就屬于空域濾波的范疇。2.2.2頻域增強法頻率域增強是將原空間的圖像以某種形式轉(zhuǎn)換到其他空間，然后利用該轉(zhuǎn)換空間的特有性質(zhì)方便地進行圖像處理，最后再轉(zhuǎn)換回原空間中，從而得到處理后的圖像。通常包括低通、高通、帶通和帶阻四種典型的濾波器結(jié)構(gòu)。2.2.3圖像增強效果評價目前對圖像增強效果的評價主要包括定性評價和定量評價兩個方面。定性評價主要根據(jù)人的主觀感受，對圖像增強的視覺效果進行評判，一般主要對圖像的清晰度、色調(diào)、紋理等幾個方面進行主觀評價。定性分析的不足是與評價者的主觀性密切相關(guān)，即對同一幅被增強的圖像，不同的人可能有不同的評價。定性分析的主要優(yōu)點是可以從一幅圖像中有選擇地對具體研究對象進行重點比較和評價，即定性分析可以對圖像的局部或具體研究目標進行評價，具有靈活性和廣泛的適應性。定量評價圖像增強效果目前還沒有業(yè)界統(tǒng)一接收的標準與尺度，目前通常采用的方法是從圖像的信息量、標準差、均值、紋理度量值和具體研究對象的光譜特征值等方面與原始圖像進行比較評價。定量分析的最大優(yōu)點是客觀公正，單通常是對同一幅圖像從整體上進行統(tǒng)計分析，很難對圖像的局部或具體對象進行評價，而圖像整體的定量分析容易受到噪聲等因素的影響。因此，對圖像增強效果的評價一般以定性分析為主。值得注意的是，評價一個圖像增強算法的性能優(yōu)越與否是比較復雜的，增強效果的好壞不僅與具體算法有一定的關(guān)系，還與原始圖像的數(shù)據(jù)特征直接相關(guān)。一個對圖像A效果好的增強算法不一定適合圖像B。因此，為了得到滿意的圖像增強效果，一般情況下應同時比較幾種增強算法，從中選出視覺效果好，計算量小，又滿足要求的最優(yōu)算法。2.3空間域變換增強方法影響系統(tǒng)圖像清晰程度的因素很多，例如室外光照度不夠均勻就會造成圖像灰度過于集中；由CCD（攝像頭）獲得的圖像經(jīng)過A/D（數(shù)/模轉(zhuǎn)換，該功能在圖像系統(tǒng)中由數(shù)字采集卡來實現(xiàn)）轉(zhuǎn)換、線路傳送都會產(chǎn)生噪聲污染等等。因此圖像質(zhì)量不可避免的降低了，輕者表現(xiàn)為圖像不干凈，難于看清細節(jié)；重者表現(xiàn)為圖像模糊不清，連概貌也看不出來。因此，在對圖像進行分析之前，必須要對圖像質(zhì)量進行改善，一般情況下改善的方法有兩類：圖像增強和圖像復原。圖像增強不考慮圖像質(zhì)量下降的原因，只將圖像中感興趣的特征有選擇的突出，而衰減不需要的特征，它的目的主要是提高圖像的可懂度。圖像復原技術(shù)與增強技術(shù)不同，它需要了解圖像質(zhì)量下降的原因，首先要建立"降質(zhì)模型"，再利用該模型，恢復原始圖像。根據(jù)圖像增強處理過程所在的空間不同，圖像增強可分為空余增強法和頻域增強法兩大類。頻域增強是在圖像的某種變換域內(nèi)，對圖像的變換系數(shù)值進行運算，即作某種修正，然后通過逆變換獲得增強了的圖像?？沼蛟鰪妱t是指直接在圖像所在的二維空間進行增強處理，既增強構(gòu)成圖像的像素。空域增強法主要有灰度變換增強，直方圖增強，圖像平滑和圖像銳化等。圖像的灰度變換處理是圖像增強處理技術(shù)中一種非?；A，直接的空間域圖像處理法，也是圖像數(shù)字化軟件和圖像顯示軟件的一個重要組成部分?；叶茸儞Q是指根據(jù)某種目標條件按一定變換關(guān)系逐點改變原圖像中每一個像素灰度值的方法。目的是為了改善畫質(zhì)，使圖像的顯示效果更加清晰。2.3.1灰度變換灰度變換可使圖像動態(tài)范圍增大，對比度得到擴展，使圖像清晰、特征明顯，是圖像增強的重要手段之一。它主要利用點運算來修正像素灰度，由輸入像素點的灰度值確定相應輸出點的灰度值，是一種基于圖像變換的操作?；叶茸儞Q不改變圖像內(nèi)的空間關(guān)系，除了灰度級的改變是根據(jù)某種特定的灰度變換函數(shù)進行之外，可以看作是“從像素到像素”的復制操作。在圖像處理中，空域是指由像素組成的空間?？沼蛟鰪姺椒ㄊ侵苯訉D像中的像素進行處理，從根本上說是以圖像的灰度映射變換為基礎的，所用的映射變換類型取決于增強的目的?？沼蛟鰪姺椒杀硎緸?(2-1)其中是輸入圖像，是處理后的圖像，是對的一種操作，其定義在的鄰域。另外，能對輸入圖像集進行操作。例如，為了增強整幅圖像的亮度而對圖像進行逐個像素的操作?；叶茸儞Q包含的方法很多，如逆反處理、閾值變換、灰度拉伸、灰度切分、灰度級修正、動態(tài)范圍調(diào)整等。雖然它們對圖像的處理效果不同，但處理過程中都運用了點運算，通常可分為線性變換、分段線性變換、非線性變換。（1）線性變化簡單的線性灰度變換法可以表示為：(2-2)其中：b和a分別是輸入圖像亮度分量的最大值和最小值，d和c分別是輸出圖像亮度分量的最大值和最小值。經(jīng)過線性灰度變化法，圖像亮度分量的線性范圍從[a,b]變化到[c,d]，如圖2-2所示。

圖2-2線性變換若圖像中大部分像素的灰度級分布在區(qū)間內(nèi)， Mf為原圖的最大灰度級，只有很小一部分的灰度級超過了此區(qū)間，則為了改善增強效果，可以令：（2-3）由于人眼對灰度級別的分辨能力有限，只有當相鄰像素的灰度值相差到一定程度時才能被辨別出來。通過上述變換，圖像中相鄰像素灰度的差值增加，例如在曝光不足或過度的情況下，圖像的灰度可能會局限在一個很小的范圍內(nèi)，這時得到的圖像可能是一個模糊不清，似乎沒有灰度層次的圖像。采用線性變換對圖像中每一個像素灰度作線性拉伸，將有效改善圖像視覺效果。線性變換效果圖2-3：圖2-3線性變換效果圖為了突出圖像中感興趣的目標或灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)間，可采用分段線性變換，它將圖像灰度區(qū)間分成兩段乃至多段分別作線性變換。進行變換時，把0～255整個灰度值區(qū)間分為若干線段，每一個直線段都對應一個局部的線性變換關(guān)系。常用的三段線性變換如圖2-4所示：圖2-4分段線性變換（2-4）通過細心調(diào)節(jié)節(jié)點的位置及控制分段直線的斜率，可對任一灰度區(qū)間盡行拉伸或壓縮。分段線性變換可以根據(jù)用戶的需要，拉伸特征物體的灰度細節(jié)，雖然其他灰度區(qū)間對應的細節(jié)信息有所損失，這對于識別目標來說沒有什么影響。下面對一些特殊的情況進行了分析。令，，，即它們分別為對應直線段的斜率。當時，如圖a所示，表示對于以外的原圖灰度不感興趣，均令為0，而處與[a,b]之間的原圖灰度，則均勻的變換成新圖灰度。②當，但時，如圖b所示，表示只對間的灰度感興趣，且均為同樣的白色，其余變黑，此圖樣對應變成二值圖。這種操作又稱為灰度級（或窗口）切片。③當，時，如圖c所示，表示在保留背景的前提下，提升間像素的灰度級。它也是一種窗口或灰度級切片操作。圖2-5灰度級圖(2)非線性變換非線性拉伸不是對圖像的整個灰度范圍進行擴展，而是有選擇的對某一灰度范圍進行擴展，其他范圍的灰度值則有可能被壓縮。非線性拉伸在整個灰度值范圍內(nèi)采用統(tǒng)一的變換函數(shù)，利用變換函數(shù)的數(shù)學性質(zhì)實現(xiàn)對不同灰度值區(qū)間的擴展與壓縮。下面介紹常用的兩種非線性擴展法。①對數(shù)變換對數(shù)變換，是指輸出圖像的像素點的灰度值與對應的輸出圖像的像素灰度值之間為對數(shù)關(guān)系,其一般公式為：，式中都是可以選擇的參數(shù)，式中是為了避免對0求對數(shù)，確保。當時，，則則為軸上的截距，確定了變換曲線的初始位置的變換關(guān)系，兩個參數(shù)確定變換曲線的變換速率。對數(shù)變換擴展了低灰度區(qū)，壓縮了高灰度區(qū)，能使低灰度區(qū)的圖像較清晰地顯示出來。②指數(shù)變換指數(shù)變換，是指輸出圖像的像素點的灰度值與對應的輸出圖像的像素灰度值之間滿足指數(shù)關(guān)系，其一般公式為：。其中：是引入的參數(shù)，用來調(diào)整曲線的位置和形狀，當時，，此時指數(shù)曲線交于x軸，由此可見參數(shù)a決定了指數(shù)變換曲線的初始位置；參數(shù)c決定了變換曲線的陡度，即決定曲線的變換速率。這種變換一般用于對圖像的高灰度區(qū)給予較大擴展，適于過亮的圖像。如圖2-6所示：圖2-6非線性灰度變換2.3.2直方圖變換（1）直方圖修正基礎圖像的灰度直方圖是反映一幅圖像的灰度級與出現(xiàn)這種灰度級的概率之間的關(guān)系的圖形。灰度級為[0,L-1]范圍的數(shù)字圖像的直方圖是離散函數(shù)h()=，這里是第k級灰度，是圖像中灰度級為的像素個數(shù)。通常以圖像中像素數(shù)目的總和n去除他的每一個值，以得到歸一化的直方圖，公示如下：k=0,1,2,…,L-1(2-5)且因此給出了灰度級為發(fā)生的概率估計值。歸納起來，直方圖主要有一下幾點性質(zhì)：①直方圖中不包含位置信息。直方圖只是反應了圖像灰度分布的特性，和灰度所在的位置沒有關(guān)系，不同的圖像可能具有相近或者完全相同的直方圖分布。②直方圖反應了圖像的整體灰度。直方圖反應了圖像的整體灰度分布情況，對于暗色圖像，直方圖的組成集中在灰度級低（暗）的一側(cè)，相反，明亮圖像的直方圖則傾向于灰度級高的一側(cè)。直觀上講，可以得出這樣的結(jié)論，若一幅圖像其像素占有全部可能的灰度級并且分布均勻，這樣的圖像有高對比度和多變的灰度色調(diào)。③直方圖的可疊加性。一幅圖像的直方圖等于它各個部分直方圖的和。④直方圖具有統(tǒng)計特性。從直方圖的定義可知，連續(xù)圖像的直方圖是一位連續(xù)函數(shù)，它具有統(tǒng)計特征，例如矩、絕對矩、中心矩、絕對中心矩、熵。⑤直方圖的動態(tài)范圍。直方圖的動態(tài)范圍是由計算機圖像處理系統(tǒng)的模數(shù)轉(zhuǎn)換器的灰度級決定。由于圖像的視覺效果不好或者特殊需要，常常要對圖像的灰度進行修正，以達到理想的效果，即對原始圖像的直方圖進行轉(zhuǎn)換（修正）：一幅給定的圖像的灰度級分布在0≤r≤1范圍內(nèi)?？梢詫0,1]區(qū)間內(nèi)的任何一個r進行如下的變換：s=T(r)(2-6)變換函數(shù)T應滿足以下條件：a.在0≤r≤1區(qū)間內(nèi)，單值單調(diào)增加；b.對于0≤r≤1，有0≤≤1。這里的第一個條件保證了圖像的灰度級從白到黑的次序不變。第二個條件則保證了映射變換后的像素灰度值在允許的范圍內(nèi)。滿足這兩個條件，就保證了轉(zhuǎn)換函數(shù)的可逆。（2）直方圖均衡化直方圖均衡化方法是圖像增強中最常用、最重要的方法之一。直方圖均衡化是把原圖像的直方圖通過灰度變換函數(shù)修正為灰度均勻分布的直方圖，然后按均衡直方圖修正原圖像。它以概率論為基礎，運用灰度點運算來實現(xiàn)，從而達到增強的目的。它的變換函數(shù)取決于圖像灰度直方圖的累積分布函數(shù)。概括的說，就是把一已知灰度概率分布的圖像，經(jīng)過一種變換，使之演變成一幅具有均勻概率分布的新圖像。有些圖像在低值灰度區(qū)間上頻率較大，使得圖像中較暗區(qū)域中的細節(jié)看不清楚。這時可以將圖像的灰度范圍分開，并且讓灰度頻率較小的灰度級變大。當圖像的直方圖為一均勻分布時，圖像的信息熵最大，此時圖像包含的信息量最大，圖像看起來就顯得清晰。直方圖均衡化變換函數(shù)如圖2-7所示，設r，s分別表示原圖像和增強后圖像的灰度。為了簡單，假定所有像素的灰度已被歸一化。當r=s=0時，表示黑色；當r=s=1時，表示白色；當r，s在[0,1]之間時，表示像素灰度在黑白之間變化?；叶茸儞Q函數(shù)為：s=T(r)。圖2-7直方圖均衡化變換函數(shù)實際上，由于直方圖是近似的概率密度函數(shù)，用離散灰度級作變換時很少能夠得到完全平坦的結(jié)果，而且，變換后往往會出現(xiàn)灰度級減少的現(xiàn)象，這種現(xiàn)象被稱為“簡并”現(xiàn)象。這是像素灰度有限的必然結(jié)果。由于上述原因，數(shù)字圖像的直方圖均衡只能是近似的。直方圖均衡化處理可大大改善圖像灰度的動態(tài)范圍。減少簡并現(xiàn)象通常可采用兩種方法：一種簡單的方法是增加像素的比特數(shù)。比如，通常用8比特來代表一個像素，而現(xiàn)在用12比特來表示一個像素，這樣就可以減少簡并現(xiàn)象發(fā)生的機會，從而減少灰度層次的損失。另外，采用灰度間隔放大理論的直方圖修正方法也可以減少簡并現(xiàn)象。這種灰度間隔放大可以按照眼睛的對比度靈敏特性和成像系統(tǒng)的動態(tài)范圍進行放大。一般實現(xiàn)方法采用如下幾步：①統(tǒng)計原始圖像的直方圖；②根據(jù)給定的成像系統(tǒng)的最大動態(tài)范圍和原始圖像的灰度級來確定處理后的灰度級間隔；③根據(jù)求得的步長來求變換后的新灰度；④用處理后的新灰度代替處理前的灰度。（3）直方圖規(guī)定化直方圖均衡化是以累計分布函數(shù)變換法為基礎的直方圖修正技術(shù)，使得變換后的灰度概率密度函數(shù)是均勻分布的，因此，它不能控制變換后的直方圖而交互性差。這樣，在很多特殊的情況下，需要變換后圖像的直方圖具有某種特定的曲線，例如對數(shù)和指數(shù)等，直方圖規(guī)定化可以解決這一問題。直方圖規(guī)定化方法如下：假設是原始圖像分布的概率密度函數(shù)，是希望得到的圖像的概率密度函數(shù)。先對原始圖像進行直方圖均衡化處理，即：(2-7)假定已經(jīng)得到了所希望的圖像，并且它的概率密度函數(shù)是。對該圖像也做均衡化處理，即：(2-8)由于對于這兩幅圖像，同樣作了均衡化處理，所以他們具有同樣的均勻密度。其中（2-8）的逆過程為，則如果用從原始圖像中得到的均勻灰度級S來代替逆過程中的u，其結(jié)果灰度級將是所要求的概率密度函數(shù)的灰度級：(2-9)根據(jù)以上思路，可以總結(jié)出直方圖規(guī)定化增強處理的步驟如下：①將原始圖像進行均衡化處理；②規(guī)定希望的灰度概率密度函數(shù)，用（2-8）式計算它的累計分布函數(shù)G(z)；③將逆變換函數(shù)用到步驟（1）中所得的灰度級。上述三步得到了原始圖像的一種處理方法，只要求G(s)是可逆的即可進行。但是，對于離散圖像，由于G(s)是一個離散的階梯函數(shù)，不可能有逆函數(shù)存在，對此，只能進行截斷處理，必將不可避免的導致變換后圖像的直方圖一般不能與目標直方圖嚴格的匹配。2.3.3圖像平滑與銳化Ⅰ平滑獲得的圖像可能會因為各種原因而被污染，產(chǎn)生噪聲。常見的圖像噪聲主要有加性噪聲、乘性噪聲和量化噪聲等。噪聲并不僅限于人眼所見的失真，有些噪聲只針對某些具體的圖像處理過程產(chǎn)生影響。圖像中的噪聲往往和正常信號交織在一起，尤其是乘性噪聲，如果處理不當，就會破壞圖像本身的細節(jié)，如會使線條、邊界等變得模糊不清。有些圖像是通過掃描儀掃描輸入或傳輸通道傳輸過來的。圖像中往往包含有各種各樣的噪聲。這些噪聲一般是隨機產(chǎn)生的，因此具有分布和大小不規(guī)則性的特點。圖像平滑就是針對圖像噪聲的操作，其主要作用是為了消除噪聲。如何既平滑掉噪聲又盡量保持圖像細節(jié)，是圖像平滑的主要研究任務。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。這時可以采用線性濾波和中值濾波的方法。（1）線性濾波線性濾波一般采用的是領(lǐng)域平均法。對于給定的圖像f(x，y)中的每一個點（m，n），取其領(lǐng)域s。設s含有M個像素，取其平均值作為處理后所得圖像像素點（m，n）處的灰度。設S是3*3的正方形鄰域，點（m，n）位于S中心，則：(2-10)（2）中值濾波中值濾波就是輸出圖像的某點象素等于該象素鄰域中各象素灰度的中間值。給定的圖像f(x,y)中的每一個點（m,n），取其領(lǐng)域s。設s含有M個像素{a1，a2，?，aM}，將其按大小排序，若M是奇數(shù)時，則位于中間的那個象素值就是修改后圖像g(x,y)在點f(m,n)處的像素值；若M是偶數(shù)則取中間兩個象素的平均值作為修改后圖像g(x,y)在點（m,n）處的像素值。中值濾波也是一種典型的空間域低通濾波器,它的目的是保護圖像邊緣的同時去除噪聲。例：采用1×3窗口進行中值濾波原圖像為：22621244424處理后為：22222244444它對脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護邊緣少受模糊。但它對點、線等細節(jié)較多的圖像卻不太合適。對中值濾波法來說，正確選擇窗口尺寸的大小是很重要的環(huán)節(jié)。一般很難事先確定最佳的窗口尺寸，需通過從小窗口到大窗口的中值濾波試驗，再從中選取最佳的。中值濾波容易去除孤立點、線的噪聲,同時保持圖像的邊緣,它能很好地去除二值噪聲,但對高斯噪聲無能為力。要注意的是,當窗口內(nèi)噪聲點的個數(shù)大于窗口寬度一半時,中值濾波的效果不是太好。（3）領(lǐng)域平均法鄰域平均法是一種局部空間域處理的算法。設一幅圖像f(x,y)為N×N的陣列，平滑后的圖像為f(x,y)，它的每個像素的灰度級由包含在(x,y)的預定鄰域的幾個像素的灰度級的平均值所決定，即用下式得到平滑的圖像。以上方法簡單，計算速度快，但它的主要缺點是在降低噪聲的同時使圖像產(chǎn)生模糊，特別在邊沿和細節(jié)處，鄰域越大，模糊越厲害。為了減少這種效應，可以采用閾值法。這樣平滑后的圖像會比鄰域平均法模糊度減少。當某些點的灰度值與各鄰點灰度的均值差別較大時，它必然是噪聲，則取其鄰域平均值作為該點的灰度值，它的平滑效果仍然是很好的。為了克服簡單局部平均的弊病，目前己提出許多保邊沿保細節(jié)的局部平滑算法，它們討論的課題都在如何選擇鄰域的大小、形狀和方向，如何選擇參加平均的點數(shù)以及鄰域各點的權(quán)重系數(shù)等，它們有：灰度最相近的及個鄰點平均法，梯度倒數(shù)加校平滑，最大均勻性平滑，小斜面模型平滑等等．如果將受噪聲干擾的圖像看成是一個二維隨機場，則可以運用統(tǒng)計理論來分析受噪聲干擾的圖像平滑后的信噪比問題，一般的噪聲屬于加性噪聲，在獨立和分布的高斯噪聲的情況下，我們定義信噪比為含噪圖像的均值與噪聲方之比，則含噪圖像經(jīng)鄰域平均法平滑之后，其信噪比將提高M1/2倍（M為鄰域中包含的像素數(shù)目），可見鄰域取得愈大，像點愈多，則信噪比提高愈大，平滑效果好。(4)多圖像平均法多幅圖像平均法是利用對同一景物的多幅圖像相加取平均來消除噪聲產(chǎn)生的高頻成分。多幅圖像取平均處理常用于攝像機的視頻圖像中,以減少電視攝像機光電攝像管或CCD器件所引起的噪聲。這時對同一景物連續(xù)攝取多幅圖像并將其數(shù)字化,再對多幅圖像求平均,一般選用幅圖像取平均,這種方法在實際應用中的難點在于如何把多幅圖像配準,以便使相應的像素能正確地對應排列。設g(x,y)為有噪聲圖像，為噪聲，為原始圖像，可用下式表示：（2-11)多圖像平均法是把一系列有噪聲的圖像｛｝迭加起來，然后再取平均值以達到平滑的目的.當作平均處理的噪聲圖像數(shù)目增加時，其統(tǒng)計平均值就越接近原始無噪聲圖像。這種方法在實際應用中的最大因難在于把多幅圖像配準，以便使相應的像素能正確地對應排列。(5)噪聲門限法噪聲門限法是一種簡單易行的消除噪聲的方法，它對于因噪聲傳感器或者信道引起的呈現(xiàn)離散分布的單點噪聲具有較好的效果，運用噪聲門限法進行圖像平滑時，首先設定門限值，然后順序檢測圖像中的每一個像素，將該像素與其他像素進行比較判斷，以確定是否為噪聲點；若為噪聲點，則以其鄰域內(nèi)所有像素灰度平均值代替，否則，以原灰度值輸出。假設像素出的灰度為,以給該像素為中心取一個N×N的窗口,該窗口內(nèi)的和計數(shù)器像素點組成集合A，定義灰度差值門限T,誤差計算器Cnt和計數(shù)器門限值Y。對每個窗口，Cnt的初始值都是0。對集合A中的每一個像素點的灰度，若滿足（2-12）則誤差計算器加1，位置（i,j）的輸出為(2-13)(2-14)當窗口順序移過整幅圖像，即可完成噪聲平滑。需要注意的是，該方法中門限值T的選擇至關(guān)重要，T太大，則噪聲平滑不夠，T太小，平滑圖像就會變得模糊，計數(shù)器門限值的選擇一般在窗口內(nèi)像素的一半附近。(6)掩膜平滑法圖像中存在這樣一個基本事實：同一區(qū)域內(nèi)部的像素之間灰度變化平緩，起伏較小，統(tǒng)計方差??；在區(qū)域邊緣，像素之間灰度值得起伏變化大，統(tǒng)計方差大。掩膜平滑法的目的在于進行濾波操作的同時，盡可能不破壞區(qū)域邊緣的細節(jié)。掩膜平滑以一個5×5的窗口為基準，中心位置為,在這個窗口中確定9種不同的掩膜模版。在平滑時，首先計算各模版的均值和方差。(2-15)（2-16)式中，i表示掩膜板編號，Q對應掩膜模版中包含像素的個數(shù)，(m,n)為掩膜模版中像素相對于中心像素(j,k)的位移量。也就是說，掩膜平滑的輸出為具有最小方差的模版所對應的灰度均值。當同樣的方法作用于圖中的每一個像素后，即可得到平滑的圖像，平滑圖像中相對很好的保留了圖像區(qū)域邊緣的細節(jié)。Ⅱ銳化圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，這就需要利用圖像銳化技術(shù)，使圖像邊緣變得清晰。圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細節(jié)變得清晰，經(jīng)過平滑的圖像變得模糊的根本原因是圖像受到了平均或積分運算，因此可以對其進行逆運算（如微分運算）就可以使圖像變得清晰。從頻率域來考慮，圖像模糊的實質(zhì)是因為其高頻分量被衰減，因此可以用高通濾波器來使圖像清晰。為了要把圖像中間任何方向伸展的邊緣和輪廓變得清晰，我們希望對圖像的某種運算是各向同性的。（1）梯度法梯度是圖像處理中最常用的一種一階微分方法。對圖像函數(shù)F(j,k)，其在點（j,k）上的梯度定義為矢量：(2-17)從梯度的性質(zhì)可知，梯度的方向確定了圖像F(j,k)的最大變化率的方向，G[F(j,k)]的幅度為下式：(2-18)對于數(shù)字圖像，用差分來近似微分。為了便于編程和提高運算速度，可以如下進行絕對值的運算：(2-19)一旦計算梯度的算法確立之后，就可以有很多方法來使圖像輪廓突出。最簡單的方法就是令（x,y）點上銳化后的圖像函f(x,y)數(shù)值等于原始圖像在該點上的梯度值，即：(2-20)此法的缺點是處理后的圖像僅顯示出輪廓，灰度平緩變化的部分由于梯度值較小而顯得很黑。（2）拉普拉斯算子拉普拉斯算子是線性二階微分算子，與梯度算子一樣，具有旋轉(zhuǎn)不變性，從而滿足不同走向的圖像邊界的銳化要求。拉普拉斯算子對圖像中的噪聲非常敏感，為了減少噪聲的影響，在做增強處理之前，先將待處理的圖像進行平滑，再做拉普拉斯運算。相對于梯度算子，拉普拉斯算子具有增強的邊緣精確定位的優(yōu)點。因為梯度一階微分算子會在較大范圍內(nèi)形成梯度值，差分的結(jié)果不適合精確定位。然后，二階差分算子的過零特性，可以使邊緣增強后精確定位。（3）高通濾波圖像邊緣與高頻分量相對應，高通濾波器可以讓高頻分量暢通無阻，而對低頻分量則充分限制，從而達到圖像銳化的目的。建立在離散卷積基礎上的空間域高通濾波關(guān)系式如下：(2-21)式中為銳化輸出；為輸入圖像；為沖擊響應陣列（卷積陣列）。2.4圖像增強技術(shù)現(xiàn)狀與應用計算機圖像處理的發(fā)展歷史不長，但已經(jīng)引起了人們的重視。圖像處理技術(shù)始20世紀60年代，由于當時圖像存儲成本高，處理設備造價高，因而其應用面很窄。1964年美國加州理工學院的噴氣推進實驗室，首次對徘徊者7號太空飛船發(fā)回的月球照片進行了處理，得到了前所未有的清晰圖像，這標志著圖像處理技術(shù)開始得到實際應用。70年代進入發(fā)展期，出現(xiàn)和衛(wèi)星遙感圖像，對圖像處理的發(fā)展起到了很好的促進作用。其中代表性的成果是70年代末MIT的Marr提出的視覺計算理論，這個理論成為計算機視覺領(lǐng)域其后十多年的主導思想。圖像理解雖然在理論方法研究上已取得不小的進展，但它本身是一個比較難的研究領(lǐng)域，存在不少困難，因人類本身對自己的視覺過程還了解甚少，因此計算機視覺是一個有待人們進一步探索新的領(lǐng)域。80年代進入普及期，此時微機己經(jīng)能夠承擔起圖形圖像處理的任務。VLSI的出現(xiàn)更使得處理速度大大提高，其造價也進一步降低，極大的促進了圖像處理系統(tǒng)的普及和應用。90年代是圖像處理技術(shù)實用化時期，圖像處理的信息量巨大，對處理的速度要求極高。21世紀的圖像處理技術(shù)要向高質(zhì)量化方面發(fā)展，實現(xiàn)圖像的實時處理，采用數(shù)字全息技術(shù)使圖像包含最為完整和豐富的信息，實現(xiàn)圖像的智能生成、處理、理解和識別[7]。目前，許多新的增強算法都充分利用了周圍鄰域這一重要的信息，形成了很多局部處理的灰度調(diào)整算法，該方法主要利用了鄰域的統(tǒng)計特性。其中自適應濾波器既能平滑又能保護邊緣，其基本思想是濾波器的參數(shù)可根據(jù)像素所在的鄰域情況而自適應選取，也可描述為加權(quán)平均濾波器，可以較好的平滑噪聲區(qū)域，并能保護較顯著的邊緣，但對圖像細節(jié)的保護較差，該算法對脈沖噪聲敏感，而且模型的性能受參數(shù)的影響比較大。近年來，模糊集合理論在圖像處理中得到了廣泛的應用。例如Yang和Tohl采用模糊規(guī)則改進傳統(tǒng)的中值濾波器中濾波窗口尺度的選擇，改善了算法對高斯噪聲的抗噪性能。Russoti提出的自適應模糊濾波算子可以較好的保護圖像細節(jié)和濾除高斯噪聲，其算法中窗口的大小由鄰域一致性程度決定，該一致性程度由一個模糊邏輯規(guī)則導出。圖像增強中變換域增強也得到很廣泛的應用，例如付傅氏變換、離散余弦變換、小波變換等，其中小波是近年來發(fā)展起來的一種新的時頻分析工具，它具有時頻局部化能力和多分辨率分析的能力，使得它很適合于信號處理鄰域。對圖像進行多尺度小波變換后，不同頻率的信號出現(xiàn)在不同尺度的子帶圖像上，有了這些特性就能很好的對感興趣的部分進行增強。圖像變換的方法是多種多樣的[8]。通過采取適當?shù)脑鰪娞幚砜梢詫⒃灸：磺迳踔粮緹o法分辨的原始圖片處理成清楚、明晰的富含大量有用信息的可使用圖像，因此圖像增強技術(shù)在許多領(lǐng)域得到廣泛應用。在圖像處理系統(tǒng)中，圖像增強技術(shù)作為預處理部分的基本技術(shù)，是系統(tǒng)中十分重要的一環(huán)。迄今為止，圖像增強技術(shù)主要用于以下幾個方面：通訊領(lǐng)域：包括圖像傳輸、電視電話、電視會議等，主要是進行圖像壓縮甚至理解基礎上的壓縮是把文字、圖表、照片等圖像通過光電掃描的方式變成電信號加以傳送。遙感：航空遙感和衛(wèi)星遙感圖像需要用數(shù)字技術(shù)加工處理，并提取有用的信息。主要用于地形地質(zhì)，礦藏探查，森林、水利、海洋、農(nóng)業(yè)等資源調(diào)查，自然災害預測預報，環(huán)境污染監(jiān)測，氣象衛(wèi)星云圖處理以及地面軍事目標的識別。生物醫(yī)學領(lǐng)域：圖像處理在醫(yī)學界的應用非常廣泛，無論是在臨床診斷還是病理研究都大量采用圖像處理技術(shù)。它的直觀、無創(chuàng)傷、安全方便的憂點受到普遍的歡迎與接受。其主要應用如X射線照片的分析，血球計數(shù)與染色體分類等。目前廣泛應用于臨床診斷和治療的各種成像技術(shù)，如超聲波診斷等都用到圖像處理技術(shù)。有人認為計算機圖像處理在醫(yī)學上應用最成功的例子就是X射線CT（X-rayComputedTomography）。軍事、公安等方面的應用：軍事目標的偵察、制導和警戒系統(tǒng)、自動滅火器的控制及反偽裝；公安部門的現(xiàn)場照片、指紋、手跡、印章、人像等的處理和辨識；歷史文字和圖片檔案的修復和管理等。工業(yè)生產(chǎn)中的應用：在生產(chǎn)線中對產(chǎn)品及部件進行無損檢測是圖像處理技術(shù)的重要應用領(lǐng)域。該領(lǐng)域的應用從70年代起取得了迅速的發(fā)展，主要有產(chǎn)品質(zhì)量檢測、生產(chǎn)過程的自動控制、CAD／CAM等。在產(chǎn)品質(zhì)量檢測方面，如食品、水果質(zhì)量檢查，無損探傷，焊縫質(zhì)量或表面缺陷。又如，金屬材料的成分和結(jié)構(gòu)分析，紡織品質(zhì)量檢查，光測彈性力學中應力條紋的分析等。在電子工業(yè)中，可以用來檢驗印刷電路板的質(zhì)量、監(jiān)測零件部件的裝配等。在工業(yè)自動控制中，主要使用機器視覺系統(tǒng)對生產(chǎn)過程進行監(jiān)視和控制，如港口的監(jiān)測調(diào)度、交通管理、流水生產(chǎn)線的自動控制等?？傊?，圖像處理技術(shù)應用領(lǐng)域相當廣泛，已在國家安全、經(jīng)濟發(fā)展、日常生活中充當越來越重要的角色，對國計民生的作用不可低估。

3頻域濾波器相關(guān)理論和設計方法頻域濾波處理是通過改變圖像中不同頻率分量來實現(xiàn)的。由于圖像頻譜給出的是圖像全局的性質(zhì)，所以頻域處理不對應于空域中的單個像素。頻域處理是讓某個范圍的分量或某些頻率的分量受到抑制或改變，從而改變輸出圖像的頻率分布，達到應用目的。卷積理論和傅里葉變換是頻域技術(shù)的基礎，設函數(shù)f(x,y)與線性位不變算子h(x,y)的卷積結(jié)果是g(x,y)，即g(x,y)=h(x,y)*f(x,y)（3-1）那么根據(jù)卷積定理在頻域有：G(u，v)=H（u，v）F(u，v)（3-2）其中G(u,v)，H(u,v)，F(xiàn)(u,v)分別是g(x,y)，h(x,y)，f(x,y)的傅里葉變換。H(u,v)稱為濾波器函數(shù)，也可以稱為傳遞函數(shù)。在具體增強應用中，f(x,y)是給定的，所以 F(u,v)可利用變換得到，需要確定的是H(u,v)，這樣具有所需增強特性的圖像g(x,y)就可由G(u,v)傅里葉逆變換而得到。g(x,y)可以突出f(x,y)的某一方面的特征信息。若通過H(u,v)增強F(u,v)的高頻信息，如增強圖像的邊緣信息等，則為高通濾波;如果增強F(u,v)的低頻信息，如對圖像進行平滑操作等，則為低通濾波。頻域增強的主要步驟是：(1)將輸入圖像通過傅里葉變換到頻域空間；(2)在頻域空間中，根據(jù)處理目的設計一個轉(zhuǎn)移函數(shù)并進行卷積處理；(3)將所得結(jié)果用反變換得到圖像增強。其原理如下圖所示：頻域頻域變換濾波增強頻域反變換輸出圖像原始圖像圖3-1頻域圖像增強原理圖3.1低通濾波器從信號的角度看,信號緩慢變化主要分布在頻率域的低頻部分,而信號迅速變化的部分主要集中在高頻部分。圖像在傳遞過程中，由于噪聲主要集中在高頻部分，為去除噪聲改善圖像質(zhì)量，濾波器采用低通濾波器H(u，v)來抑制高頻成分，通過低頻成分，然后再進行逆傅立葉變換獲得濾波圖像，就可達到平滑圖像的目的。在傅里葉變換域中，變換系數(shù)能反映某些圖像的特征，如頻譜的直流分量對應于圖像的平均亮度，噪聲對應于頻率較高的區(qū)域，圖像實體位于頻率較低的區(qū)域等，因此頻域常被用于圖像增強。在圖像增強中構(gòu)造低通濾波器，使低頻分量能夠順利通過，高頻分量有效地阻止，即可濾除該領(lǐng)域內(nèi)噪聲。由卷積定理，低通濾波器數(shù)學表達式為：G(u,v)=F(u,v)H(u,v)（3-3）式中，F(xiàn)(u,v)為含有噪聲的原圖像的傅里葉變換域；H(u,v)為傳遞函數(shù)；G(u,v)為經(jīng)低通濾波后輸出圖像的傅里葉變換。假定噪聲和信號成分在頻率上可分離，且噪聲表現(xiàn)為高頻成分。H濾波濾去了高頻成分，而低頻信息基本無損失地通過。理想低通濾波器是指能夠完全剔除高于截止頻率的所有頻率信號并且低于截止頻率的信號可以不受影響地通過的濾波器。理想低通濾波器的傳遞函數(shù)為：（3-4）式子中，D(u,v)表示點(u,v)到原點的距離，D0表示截止頻率點到原點的距離。然而理想低通濾波器并不能夠物理實現(xiàn)，只能夠通過計算機進行仿真。理想低通濾波器仿真的效果如圖3-2：圖3-2理想低通濾波效果3.2高通濾波器圖像中的細節(jié)部分與其頻率的高頻分量相對應，所以高通濾波可以對圖像進行銳化處理。高通濾波器與低通濾波器的作用相反，它使高頻分量順利通過，而消弱低頻。圖像的邊緣、細節(jié)主要位于高頻部分，而圖像的模糊是由于高頻成分比較弱產(chǎn)生的。采用高通濾波器可以對圖像進行銳化處理，是為了消除模糊，突出邊緣。因此采用高通濾波器讓高頻成分通過，使低頻成分削弱，再經(jīng)逆傅立葉變換得到邊緣銳化的圖像。二維理想高通濾波器的傳遞函數(shù)為：（3-5）式子中，D(u,v)表示點(u,v)到原點的距離，D0表示截止頻率點到原點的距離。理想高通濾波器仿真的效果如圖3-3：圖3-3理想高通濾波效果3.3帶通濾波器和帶阻濾波器帶通濾波器容許一定頻率范圍信號通過,但減弱(或減少)頻率低于下限截止頻率和高于上限截止頻率的信號的通過。帶阻濾波器減弱(或減少)一定頻率范圍信號,但容許頻率低于下限截止頻率和高于上限截止頻率的信號的通過。其傳遞函數(shù)為：（3-6）3.4同態(tài)濾波一般來說，圖像的邊緣和噪聲都對應于傅立葉變換的高頻分量。而低頻分量主要決定圖像在平滑區(qū)域中總體灰度級的顯示，故被低通濾波的圖像比原圖像少一些尖銳的細節(jié)部分。同樣，被高通濾波的圖像在圖像的平滑區(qū)域中將減少一些灰度級的變化并突出細節(jié)部分。為了增強圖像細節(jié)的同時盡量保留圖像的低頻分量，使用同態(tài)濾波方法可以保留圖像原貌的同時，對圖像細節(jié)增強。同態(tài)濾波示例如圖3-4：圖3-4同態(tài)濾波器應用實例3.5小波濾波隨著對小波理論研究的不斷深入，小波變換理論開始應用于圖像處理領(lǐng)域，由于多分辨分析和特殊的時頻特性，使得我們可以從不同的尺度上對研究對象進行分析、描述，成為對數(shù)字圖像進行去噪的一種理想工具。小波去噪方法的成功主要得益于小波變換具有如下特點：(1)低熵性。小波系數(shù)的稀疏分布，使得圖象變換后的熵降低。(2)多分辨率。由于采用了多分辨率的方法，所以可以非常好地刻畫信號的非平穩(wěn)特征，如邊緣、尖峰、斷點等。(3)去相關(guān)性。因為小波變換可以對信號進行去相關(guān)，且噪聲在變換后有白化趨勢，所以小波域比時域更利于去噪。(4)選基靈活性。由于小波變換可以靈活選擇變換基，從而對不同應用場合，對不同的研究對象，可以選用不同的小波母函數(shù)，以獲得最佳的效果。[6]3.5.1小波去噪原理 利用小波變換濾去噪聲，利用信號與噪聲的李普西茲指數(shù)在局部奇異處呈現(xiàn)不同的表現(xiàn)形式來實現(xiàn)。一般地，白噪聲的李氏指數(shù)<0且其對應模極大值隨尺度j的增大而減??；而信號的突變點的李氏指數(shù)≥0，對應的小波變換模極大值隨尺度j的增加逐漸增大?？梢?通過逐漸增大尺度因子j，噪聲的幅值顯著減小，剩余的極大值主要屬于信號。即使在信號有奇異處,即李氏指數(shù)≥0處有噪聲，若在此位置上信號的奇異幅值比噪聲大，那么隨著尺度j的增加也能將二者很好地區(qū)別開來。以此規(guī)律，采用多分辯率理論，由粗即精地跟蹤各尺度j下的小波變換極大值濾去噪聲。3.5.2小波去噪算法有噪圖像S(i,j)=f(i,j)+σn(i,j)，i、j=0,1,??,N-1,其去噪得圖像f(i,j)的步驟：（1）進行二維圖像信號的小波變換；（2）提取小波分解中第一層的低頻圖像，跟蹤該尺度下的小波變換極值點；（3）令j=1，對第一層低頻圖像進行小波變換，提取第二層低頻圖像信號，同時，以步驟②中的小波變換極值點為參考，找出幅值減小的極值點，并除去，保留幅值增加的極值點；（4）令j=2,3,??,重復步驟（3）；（5）重建去噪后的二維圖像信息。3.5.3小波去噪優(yōu)缺點在數(shù)字圖像處理技術(shù)中，圖像去噪的研究越來越重要。由于小波變換對突變信號和非平穩(wěn)信號處理具有優(yōu)異性能，能較好地模擬視覺模型，使得它在數(shù)字圖像處理、計算機視覺等方面引起了廣泛的關(guān)注。但是，由于小波變換缺乏方向性，僅具有水平、垂直、對角方向的信息，不能很好地捕獲二維圖像中的線和面奇異，不能最優(yōu)地表示含線或面奇異的二維圖像，從而使得傳統(tǒng)小波變換在處理二維圖像時表現(xiàn)出一定的局限性3.5小結(jié)理想低通濾波器由于高頻成分包含有大量的邊緣信息，因此采用該濾波器在去噪聲的同時將會導致邊緣信息損失而使圖像邊模糊；理想高通有明顯振鈴現(xiàn)象，即圖像的邊緣有抖動現(xiàn)象；同態(tài)濾波增強是一種在頻域中同時將圖像亮度范圍進行壓縮和將圖像對比度進行增強的方法。在同態(tài)濾波消噪中，先利用非線性的對數(shù)變換將乘性的噪聲轉(zhuǎn)化為加性的噪聲。用線性濾波器消除噪聲后再進行非線性的指數(shù)反變換以獲得原始的無噪聲圖像。增強后的圖像是由分別對應照度分量與反射分量的兩部分疊加而成。3.6MATLAB應用圖像增強Matlab中部分圖像增強函數(shù)的具體使用方法：（1）直方圖imhist函數(shù)用于數(shù)字圖像的直方圖顯示，如：i=imread('D:01.JPG');imhist(a);（2）直方圖均化histeq函數(shù)用于數(shù)字圖像的直方圖均化，如：i=imread('D:01.JPG');j=histeq(a);（3）對比度調(diào)整imadjust函數(shù)用于數(shù)字圖像的對比度調(diào)整，如：i=imread('D:01.JPG');j=imadjust(a,[0.3,0.7],[]);（4）對數(shù)變換log函數(shù)用于數(shù)字圖像的對數(shù)變換，如：i=imread('e:\w11.tif');j=double(a);k=log(v);（5）基于卷積的圖像濾波函數(shù)filter2函數(shù)用于圖像濾波，如：i=imread('e:\w11.tif');h=[1,2,1;0,0,0;-1,-2,-1];j=filter2(h,i);（6）線性濾波利用二維卷積conv2濾波,如:i=imread('e:\w11.tif');h=[1,1,1;1,1,1;1,1,1];h=h/9;j=conv2(i,h);（7）中值濾波medfilt2函數(shù)用于圖像的中值濾波，如：i=imread('e:\w11.tif');j=medfilt2(i);（8）銳化·利用Sobel算子銳化圖像,如:i=imread('e:\w11.tif');h=[1,2,1;0,0,0;-1,-2,-1];%Sobel算子j=filter2(h,i);

4基于低通濾波圖像增強算法驗證4.1算法驗證依據(jù)本次設計是用低通濾波為例，圖像中的邊緣和噪聲都對應圖像傅立葉變換中的高頻部分，所以如要在頻域中削弱其影響就要設法減弱這部分頻率的分量。根據(jù)要求我們需要選擇1個合適的H(u,v)以得到消弱F(u,v)高頻分量的G(u,v).在以下討論中我們考慮對F(u,v)的實部和虛部影響完全相同的濾波轉(zhuǎn)移函數(shù)。在第三章已經(jīng)初步介紹了解了理想低通濾波器的特性和增強效果，理想是指小于D0的頻率可以完全不受影響地通過濾波器，而大于D0的頻率則完全通不過。因此D0也叫截斷頻率。盡管理想低通濾波器在數(shù)學上定義得很清楚，在計算機模擬中也可實現(xiàn)，但在截斷頻率處直上直下的理想低通濾波器是不能用實際的電子器件實現(xiàn)的。理想低通濾波器轉(zhuǎn)移函數(shù)的剖面圖如圖4-1所示：圖4-1理想低通濾波器轉(zhuǎn)移函數(shù)的剖面圖如果使用這些“非物理”的理想濾波器，其輸出圖像會變得模糊和有“振鈴”現(xiàn)像出現(xiàn)。我們可借助卷積定理解釋如下。為簡便，考慮一維的情況。對一個理想低通濾波器，其h(x)的一般形式可由傅立葉反變換得到，其曲線可見圖4-2（a）?，F(xiàn)設f(x)是一副只有一個亮像素的簡單圖像，見圖4-2（b）。這個亮點可看作是一個脈沖的近似。在這種情況下，f(x)和h(x)的卷積實際上是把h(x)復制到f(x)中亮點的位置。比較圖4-2（b）和圖4-2（c）可明顯看出卷積使原來清晰的點被模糊函數(shù)模糊了。對更為復雜的原始圖，如我們認為其中每個灰度值不為零的點都可以看作是一個其值正比于該點灰度值的一個亮點，則上述結(jié)論仍可成立。圖4-2空間模糊示意圖由圖4-2還可以看出h(x,y)在二維圖像平面上將顯示出一系列同心圓環(huán)。如對一個理想低通濾波器的H(u,v)求反變換，則可知道h(x,y)中同心圓環(huán)的半徑是反比于D0的值的。所以如果D0較小，就會使h(x,y)產(chǎn)生數(shù)量較少但較寬的同心圓環(huán)，并使g(x,y)模糊得比較厲害。當增加D0時，就會使h(x,y)產(chǎn)生數(shù)量較多但較窄的同心圓環(huán)，并使g(x,y)模糊得比較少。如果D0超出F(u,v)的定義域，則h(x,y)在其對應的空間區(qū)域為1，h(x,y)與f(x,y)的卷積仍是f(x,y)，這相當于沒有濾波。物理上可以實現(xiàn)的一種低通濾波器是巴特沃斯（Butterworth）低通濾波器。在進行圖像處理的過程中，獲取原始圖像后，首先需要對圖像進行圖像預處理，因為在獲取圖像的過程中，往往會發(fā)生圖像失真，使所得圖像與原圖像有某種程度上的差別。在許多情況下，人們難以確切了解引起圖像降質(zhì)的具體物理過程及其數(shù)學模型，但卻能估計出使圖像降質(zhì)的一些可能原因，針對這些原因采取簡單易行的方法，改善圖像質(zhì)量。由于噪聲、光照等原因，使圖像質(zhì)量不高，為了改善視覺效果或便于人、機器對圖像的分析理解，一般都需要對圖像進行增強處理，但這個過程并沒有統(tǒng)一的標準。圖像增強一般不能增加原圖像信息，只能針對一些成像條件，把弱信號突出出來，使一些信息更容易分辨。圖像增強的方法比較多，可以大概分為對比度增強，直方圖增強、平滑和銳化四大類，其中，直方圖均衡是圖像增強的經(jīng)典方法，因為其有效性和簡單易用性已成為圖像增強最常用的方法，他又分為全局均衡和局部均衡兩種。全局的直方圖均衡是對整幅圖像進行均衡，使其灰度分布均勻，讓每一個灰度等級上的像素個數(shù)基本相等，算法簡單、計算量小、容易實現(xiàn)，但對圖像細節(jié)部分增強不夠；局部直方圖均衡則可以增強圖像內(nèi)部細節(jié)信息，得到很好的增強效果。本文提出了一種基于Buterworth低通濾波的圖像增強方法。由于Buterworth低通濾波器在抑制噪聲的同時，圖像邊緣模糊程度大大減小，且沒有振鈴效應。基于以上特點，用Buterworth低通濾波器將低頻分量和高頻分量分離，低頻分量進行均衡后，再將兩部分融合，實現(xiàn)圖像的增強。一個階為n，截斷頻率為D0的巴特沃斯低通濾波器的轉(zhuǎn)移函數(shù)為（4-1）階為1的巴特沃斯低通濾波器剖面示意圖見圖4-3。由圖可見低通巴特沃斯濾波器在高低頻率間的過渡比較光滑，所以用巴特沃斯濾波器得到的輸出圖其振鈴效應不明顯。圖4-3巴特沃斯低通濾波器轉(zhuǎn)移函數(shù)的剖面示意圖4.2技術(shù)要求對已知圖像添加高斯白噪聲,并用低通濾波器(頻域法)對圖像進行平滑處理即去噪聲處理,并分析比較處理的效果。4.3基本原理4.3.1圖像噪聲從第二章可以了解到噪聲的有關(guān)內(nèi)容，噪聲在理論上可以定義為“不可預測，只能用概率統(tǒng)計方法來認識的隨機誤差”。實際獲得的圖像一般都因受到某種干擾而含有噪聲。引起噪聲的原因有敏感元器件的內(nèi)部噪聲、相片底片上感光材料的顆粒、傳輸通道的干擾及量化噪聲等。噪聲產(chǎn)生的原因決定了噪聲的分布特性及它和圖像信號的關(guān)系。（1）加性噪聲。有的噪聲與圖像信號g(x,y)無關(guān)，在這種情況下，含噪圖像f(x,y)可表示為f(x,y)=g(x,y)+n(x,y)（4-2）（2）乘性噪聲。有的噪聲與圖像信號有關(guān)。這又可以分為兩種情況：一種是某像素處的噪聲只與該像素的圖像信號有關(guān)，另一種是某像點處的噪聲與該像點及其鄰域的圖像信號有關(guān)，如果噪聲與信號成正比，則含噪圖像f(x,y)可表示為：f(x,y)=g(x,y)+n(x,y)g(x,y)（4-3）另外，還可以根據(jù)噪聲服從的分布對其進行分類，這時可以分為高斯噪聲、泊松噪聲和顆粒噪聲等。如果一個噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲，一般為加性噪聲。4.3.2圖像的頻域處理在空間域中進行，其基本方法是求像素灰度的平均值或中值。為了既平滑噪聲又保護圖像信號，也有一些改進的技術(shù)，那就是在頻域中運用低通濾波技術(shù)。低通濾波法是一種頻域處理方法。在分析圖像信號的頻率特性時，一幅圖像的邊緣、跳躍部分以及顆粒噪聲代表圖像信號的高頻分量，而大面積的背景區(qū)則代表圖像信號的低頻分量。用濾波的方法濾除其高頻部分就能去掉噪聲，使圖像得到平滑。由卷積定理可知（4-4）其中F(u,v)是含有噪聲的圖像的傅立葉變換，G(u,v)是平滑處理后的圖像的傅立葉變換，H(u,v)是傳遞函數(shù)。選擇傳遞函數(shù)H(u,v)，利用H(u,v)使F(u,v)的高頻分量得到衰減，得到G(u,v)后再經(jīng)傅立葉反變換后就可以得到所希望的平滑圖像g(x,y)了。根據(jù)前面的分析，顯然H(u,v)應該具有低通濾波特性，所以這種方法叫低通濾波法平滑化處理。由：（4-5）D0為一個階為n的巴特沃斯低通濾波器的截斷頻率。巴特沃斯低通濾波器又稱最大平坦低通濾波器。它與理想低通濾波器不同，它的通帶與阻帶之間沒有明顯的不連續(xù)性。也就是說，在通帶和阻帶之間有一個平滑的過度帶，通常把H(u,v)下降到某一值的那一點定為截止頻率D0,一般情況下常常采用下降到H(u,v)最大值的1／那一點為截止頻率點，該點也常稱為半功率點，這樣上式可修改成：（4-6）4.4建立模型頻域法用二階布特沃斯低通濾波器對圖像濾除噪聲，其程序流程圖如圖4-4所示：imread()函數(shù)讀取圖像imread()函數(shù)讀取圖像Size()函數(shù)獲取圖像矩陣大小Size()函數(shù)獲取圖像矩陣大小將原圖轉(zhuǎn)換為灰度圖將原圖轉(zhuǎn)換為灰度圖wgn()函數(shù)產(chǎn)生高斯白噪聲并加入原來圖像wgn()函數(shù)產(chǎn)生高斯白噪聲并加入原來圖像image()函數(shù)顯示圖像巴特沃斯低通濾波器傳遞函數(shù)與圖像傅立葉變換相乘fft2()對圖像進行傅立葉變換ifft2()函數(shù)進行逆傅立葉變換image()函數(shù)顯示圖像巴特沃斯低通濾波器傳遞函數(shù)與圖像傅立葉變換相乘fft2()對圖像進行傅立葉變換ifft2()函數(shù)進行逆傅立葉變換圖4-4低通濾波法模型圖4.5源程序代碼4.5.1讀取圖像clear;clc;closeall;I=imread('D:\01.JPG');[mnp]=size(I);其中imread是用來讀取所要增強的圖片，size用來獲取圖像的矩陣大小,便于后面程序的處理操作。4.5.2將原圖轉(zhuǎn)換為灰度圖I=double(I);I=I(1:m,1:n,1).*0.3+I(1:m,1:n,2).*0.51+I(1:m,1:n,1).*0.11;subplot(2,3,1);image(I);colormap(gray);title('原始圖')只有先把矩陣轉(zhuǎn)化為double型，才能夠使圖像變?yōu)榛叶葓D像，subplot是用來分割顯示窗口的函數(shù)，title是用來給圖像命名的函數(shù)。4.5.3圖像加噪處理Noise=wgn(m,n,25);New=Noise+I;subplot(2,3,2);image(New);title('噪聲圖')wgn函數(shù)是用產(chǎn)生高斯白噪聲的，把噪聲加到原灰度圖像上。4.5.4圖像變化到頻域g=fft2(New);g