中国矿业大学2012届本科生毕业论文 第3页
1.2.2图像增强技术国内发展状况
在借鉴国外相对成熟理论体系和技术应用体系的条件下，国内的增强技术和应用也有了很大的发展。总体来说，图像增强技术的发展大致经历了初创期、发展期、普及期和应用期4个阶段。初创期开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中、大型机对其进行处理。在这一时期由于图像存储成本高，处理设备造价高，因而其应用面很窄。20世纪70年代进入了发展期，开始大量采用中、大型机进行处理，图像处理也逐渐改用光栅扫描显示方式，特别是出现了CT和卫星遥感图像，对图像增强处理提出了一个更高的要求。到了20世纪80年代，图像增强技术进入普及期，此时的计算机已经能够承担起图形图像处理的任务。20世纪90年代进入了应用期，人们运用数字图像增强技术处理和分析遥感图像，以有效地进行资源和矿藏的勘探、调查、农业和城市的土地规划、作物估产、气象预报、灾害及军事目标的监视等。在生物医学工程方面，运用图像增强技术对X射线图像、超声图像和生物切片显微图像等进行处理，提高图像的清晰度和分辨率。在工业和工程方面，主要应用于无损探伤、质量检测和过程自动控制等方面。在公共安全方面，人像、指纹及其他痕迹的处理和识别，以及交通监控、事故分析等都在不同程度上使用了图像增强技术。图像增强是图像处理的重要组成部分，传统的图像增强方法对于改善图像质量发挥了极其重要的作用。随着对图像技术研究的不断深入和发展，新的图像增强方法不断出现。例如一些学者将模糊映射理论引入到图像增强算法中，提出了包括模糊松弛、模糊熵、模糊类等增强算法来解决增强算法中映射函数选择问题，并且随着交互式图像增强技术的应用，可以主观控制图像增强效果。同时利用直方图均衡技术的图像增强也有许多新的进展：例如提出了多层直方图结合亮度保持的均衡算法、动态分层直方图均衡算法。这些算法通过分割图像，然后在子层图像内做均衡处理，较好地解决了直方图均衡过程中的对比度过拉伸问题，并且可以控制子层灰度映射范围，增强效果较好[3]。
中国矿业大学2012届本科生毕业论文 第4页
2 时域图像增强方法
2.1 引言
空域变换增强根据对图像的每次处理是对单个像素进行的或是对小的子图像(模板)进行的，可分为2组：基于像素(点)的和基于模板的。在基于像素的处理(也叫点处理)中，增强过程对每个像素的处理与其他像素无关；而模板处理则是指每次处理操作都是基于图像中的某个小区域进行的。
2.2 时域增强的定义和步骤
时域方法是在原图像上（空间域）直接进行数据运算，对像素的灰度值进行处理。用公式描述如下：G?x,y??F?x,y?H?x,y?，其中是F?x,y?原图像；H?x,y?为空间转换函数；G?x,y?表示进行处理后的图像。
2.3 灰度变换
灰度变换，或灰度级修正是在空间域对图像进行增强的一种简单而有效的方法，可以根据对图像不同的要求而采用不同的修正方法。灰度级修正属于（像素）点运算，它不改变原图像中像素点的位置，只改变像素点的灰度值，并且逐点进行，和周围其他像素无关。设输入图像为f?x,y?，经过变换后输出图像为g?x,y?，修正函数或变换函数为T???，则有
g(x,y)?T?f?x,y?? （2.1）
通过不同的映射变换，达到不同的灰度修正的效果。
一般成像系统只具有一定的亮度响应范围，亮度的最大值与最小值之比称为亮度对比度。由于成像系统的限制，常会出现对比度不足（或过大）的弊病，使人眼观察图像时视觉效果很差。因此需要调整对比度，即灰度变换。有三种常用的灰度变换：线性、分段线性及非线性变换。 2.3.1 灰度扩展（缩减）
这是一种最简单的灰度变换，假定原图像f?x,y?的灰度范围为?a,b?，希望变换后图像g?x,y?的灰度范围扩展至?c,d?，则线性变换可表示为
d?c??gx,y? ? f ? x , y ? ? a ? ? c f ( x , y ) ? ? a , b ? （2.2）
b?a
此式可用图2.1(a) 所示。
中国矿业大学2012届本科生毕业论文 第5页
2.3.2 分段线性变换
为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区域，可采用分段线性变换。常用的是3段线性变换法，其数学表达式如下 c?f?x,y?0?f?x,y??a?a ??d?c? x? ?xy? g ? , ? ? ? f ? x , y ? ? a ? ? c a f , y b （2.3） ?b?a? ?G?d?f?x,y??b??db?f?x,y??F?F?b?
式（2.3）对灰度区间?o,a?和?b,M?进行压缩，对灰度区间?a,b?进行扩展，如图2.1（b）。
通过调整折现拐点的位置及控制分段线性的斜率，可对任一灰度区间进行扩展或压缩。这种变换适用于在黑色或白色附近有噪声干扰的情况[4]。 g ? x ? ,yg?x,y?
G G d d c c o f(x,y)f(x,y) ab o F aF b
(a)简单线性变换 （b）分段线性变换 g?x,y?
G
c
o f(x,y)F （c） 非线性对苏变换
图2.1 灰度范围的变换 2.3.3 非线性变换
当用某些非线性变换函数，如用对数函数、指数函数等作为式（2.1）的变换函数时，
可实现图像灰度的非线性变换。例如，对数变换的一般式为
[(x,y)?1] （2.4） g(x,y)?c?klnf
这里的k、c是用于调整曲线位置和形状的参数，其图形如图2.1（c）所示。它使f?x,y? 的灰度范围得到扩展，高灰度范围得到压缩，以使图像的灰度分布与人的视觉特性相匹配。
中国矿业大学2012届本科生毕业论文 第6页
指数变换的一般式为
g(x,y)?bc?f?x,y??a??1 （2.5） 式中a、b、c 3个参数也是用来调整曲线的位置和形状，它的效果与对数变换相反，对图像的高灰度区给予较大的扩展。 2.3.4 MATLAB函数及示例
在MATLAB中，函数imadjust(I, [low_in high_in],[low_out high_out]) 来实现图像的灰度值变换。low_in 和high_in 参数分别用来指定输入图像需要映射的灰度范围，low_out和high_out指定输出图像所在的灰度范围。代码如下[5]
I=imread('cameraman.tif'); J=imadjust(I,[0 0.2],[0.5 1]); imshow(I);
figure,imshow(J) 结果如图2.2所示
(a) 原图 (b) 灰度变换后图
图2.2 灰度变换示例
2.4 直方图修正
2.4.1 图像的直方图
直方图是图像中像素灰度分布统计特性的一种图形表示方式，可定义为 H?k??nk 或 P?k??nk/N （归一化） （2.6） 式中k为灰度级；nk为第k级灰度的像素数；N为一幅图像的总像素数；H?k?和P?k?分别为该图像的直方图和归一化直方图（频数）。图2.3是图片cameraman.tif及其直方图统计
和数字图像类似，模拟图像（连续图像）的直方图在概念上也表示图像灰度的分布情况类似于概率密度。
中国矿业大学2012届本科生毕业论文 第7页
设连续图像为f?x,y?，D表示某一灰度，A?D? 表示图像中灰度大于D的面积（称之为面积函数），则该图像的直方图H?D?可以用它的面积函数的微分来定义，即
limA?D??D??A?D?dA?D? （2.7） H?D????D?0dDdD
(a) cameraman原图 (b) 直方图统计
图2.3 cameraman图像及直方图
(a) 位置一 (b) 位置一直方图
(c) 位置二 (d) 位置二直方图
图2.4 不同位置的图像及直方图