摘 要

随着现实生活的需要，图像增强在图形处理领域扮演着越来越重要的角色，图像增强效果的好坏直接影响着工作质量和视觉体验。本文研究的主要内容是具体的增强法及其实现，传统图像增强方法、基于小波变换的图像增强都在研究范围之内。频域和空域增强法是图像增强的两个大类，其中频域增强是将图像进行一定的空间转换从而对图像进行图像增强处理再变换为原图像从而达到图像增强的目的，是一种间接增强方法，空域法主要是从像素出发对图像像素进行调整。

本文通过MATLAB基于传统的图像增强方法进行的图像增强的仿真均取得了一定的成果，包括改变对比度、直方图变换、空间域滤波等方法，但仍然有不足的地方。为了提高图像增强的效果，本文进一步深入研究了基于小波变换的图像增强法，详细介绍了小波变换的基本原理以及对小波变换的的仿真实验。发现小波变换法不仅使边缘信息得到加强而且不会加强边缘噪声，相比传统的图像方法增强效果更显著，从结果可知基于小波变换的实验是成功的。

本文的创新之处在于，相对于传统的图像增强方法，小波变换对边缘特征的提取和保护更具数学分析背景，方便系统的理论分析。

关键词:图像增强,MATLAB,小波变换

Abstract

With the needs of real life, image enhancement plays an increasingly important role in the field of graphic processing. The effect of image enhancement directly affects the quality of work and visual experience. This article focuses on the specific methods and implementation of image enhancement, including the detailed introduction of the traditional image enhancement methods and the research of its improved methods. The image enhancement method can be broadly divided into two methods: spatial domain and frequency domain. The frequency domain enhancement is an indirect method of performing spatial transformation of an image to perform image enhancement processing on the image and then converting the image into an original image to achieve image enhancement. Enhancement method, airspace method is mainly to modify the pixels of the image to achieve the purpose.

In this paper, some image enhancement simulations based on MATLAB-based image enhancement methods have achieved certain results, including changing contrast, histogram transform, and spatial domain filtering. However, there are still some deficiencies. In order to improve the effect of image enhancement, this paper further studies the image enhancement method based on wavelet transform, and introduces the basic principle of wavelet transform and the simulation experiment of wavelet transform in detail. It is found that the wavelet transform method not only enhances the edge information but also does not enhance the edge noise. Compared with the traditional image method, the enhancement effect is more significant. From the result, it can be seen that the experiment based on the wavelet transform is successful.

The innovation of this paper is that compared with the traditional image enhancement methods, the wavelet transform has more mathematical analysis background for the extraction and protection of the edge features, which facilitates the theoretical analysis of the system.

Keywords: image enhancement,MATLAB, wavelet transform

目 录

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.3 本文研究内容与章节安排 2

第2章 图像噪声概述 3

2.1 图像噪声 3

2.1.1 图像噪声的产生 3

2.1.2 图像噪声的分类 3

2.1.3 图像噪声的特点 4

第3章 图像增强的基本方法 5

3.1 内容简介 5

3.2 空域图像增强 5

3.2.1 灰度变换 5

3.2.2 直方图变换 9

3.2.3 空间域滤波 12

3.3 频域图像增强 15

3.3.1 基本原理 15

3.3.2 低通滤波 16

3.3.3 高通滤波 17

3.3.4 同态滤波 18

第4章 小波分析法图像增强 19

4.1 小波变换与傅里叶变换 19

4.2 小波变换的基本理论 19

4.2.1 一维连续小波变换 19

4.2.2 一维离散小波变换 20

4.2.3 二维连续小波变换 20

4.2.4 二维离散小波变换 21

4.3 小波变换的多尺度分析 21

4.4 基于小波变换的图像增强 22

4.4.1 小波变换图像增强原理 22

4.4.2 非线性增强 23

4.4.3 图像钝化 24

4.4.4 图像锐化 24

4.4.5 基于小波变换的图像阀值去噪 25

第5章 结论 27

绪论

研究背景与意义

视觉使我们感知系统的最高级别，因此承载着视觉信息的图像在人类感知中上演着不可或缺的角色。人类从外界捕获信息的手段主要是通过视觉系统，因此图像质量的好坏直接影响着我们的视觉体验以及捕获信息的完整度，随着生活水平的不断提高，我们对于图像质量的要求也日益提升。影响图像质量的因素有很多，诸如图像设备的制作工艺、拍照人员的整体水平以及拍照时的环境因素等原因都会造成图像质量的下降，这会影响我们捕获有效信息。为了解决这方面的问题，就需要对图像进行增强处理，突出重要部分、抑制干扰信息从而方便人们及时提取有效信息。

人类社会生活的各个领域都与图形息息相关，所以图像增强应用在人类生活的方方面面。基于不同的需要，出现了不同的图像增强算法，计算速度也越来越快，这极大的方便了人们的生活和生产需要。随着技术的不断提高，图像增强技术已经发展为适于电脑分析和控制的某种形式且计算速度越来越快，这意味着，处理图像质量的成本在不断下降，这更使得图像增强应用的进一步推广和普及。

提高图像的可观察性是进行增强的目的，是图形处理中的重要分支。图像增强效果越好就越容易捕捉有效信息和提高工作效率从而降低人们的生产成本。促进社会生产朝着积极有利的方向发展。且其应用已经广泛地应用于诸多领域。

国内外研究现状

根据需求的不同我们需要用不一样的方法进行增强，即每种算法具有各自的特性效果不同。空域法和频域法是图像增强法的两个大类，空间域算法的基本处理单元是图像的像素，对图像的像素进行一定的修改和调整达到增强的目的。灰度变换、直方图均衡化、直方图规定化以及空间域平滑和锐化均属于空间域算法。频域算法则是基于修改图像傅里叶变换的频谱为基础进行的增强处理，即将其傅里叶变换的频谱和一个设定的转移函数进行卷积计算后的结果反作用到原图像上从而达到增强的目的，包括低通滤波、高通滤波和同态滤波等。

不同的图像增强方法分别有着各自的特色，都扮演着十分重要的作用，传统图像增强方法是十分重要且基本的增强法。为了满足不断上升的需要，各种具有创新性的增强方法也不断地被挖掘出来以适应各种不同场合的需要，除了传统的增强方法外，相继出现了小波变换、单尺度Retinex算法、多尺度Retinex算法、自适应滤波彩色增强方法等诸多创新方法。

图像增强从其开始到现在，我们可以大致地把它分成分为四个过程，即初创期、发展期、普及期和应用化期。由于初创期大多数采用中、大型设备以及图像存储成本高，所以当时的迎面范围十分受限。70年代开始采用了光栅扫描显示方式，这大大促进了图像处理的发展进程。80年代VLSI的出现不但提高了处理速度也降低了成本且发展成为适于计算机处理的技术，图像增强应用进入了普及期。现如今图像增强应用于社会生产和生活的方方面面，提高了人们的生活水平和生产效率，针对不同的场合和需要，新的技术也在不断的涌现。

1.3 本文研究内容与章节安排

第1章简要介绍了研究背景和意义以及国内外现状

第2章对图像噪声的产生原因、分类和特点进行了简单的介绍。

第3章则是介绍了传统图像增强方法，包括空域是频域两大类方法。

第4章提出了基于小波变换的图像增强相比传统的图像增强法有较大的进步。

图像噪声概述

2.1 图像噪声

图像噪声是指员图像上所没有的但是经过一定的过程附加在图像上对图像质量造成影响的信号，即多余的且降低图像辨别性的干扰信号。噪声对图像的视觉效果具有消极的影响，会造成图像的模糊甚至损坏，影响我们视觉体验。凡是影响或者阻碍我们更精确的把握图像信息的信号都可定义为图像噪声。噪声是不可预测的、具有随机性的随机误差，任何时间节点的噪声都不具备绝对的规律，即噪声是一种多维的随机过程。在数学上，可用概率统计特性描述噪声的特征。

2.1.1 图像噪声的产生

图像噪声的产生因素多种多样，比如生成图像的过程、对图像进行传输时均可能受到或多或少的干扰，图像质量不可避免的降低了。电气设备、图像存储方式、图像转换和外部影响均会对图像产生或多或少的干扰，这使得图像噪声种类多且不易分辨，这就是图像噪声产生的原因。图像噪声对于之后对图像的分析会有诸多不利的地方，同时也降低图像的视觉效果，因此图像去燥显得尤为重要，这对于恢复原始信息是至关重要的一步，将噪声对图像的影响降至最低。

2.1.2 图像噪声的分类

（1）基于噪声产生原因可将噪声分为外部噪声和内部噪声。

外部噪声：指外部电磁波对系统内部的串扰而引起的噪声。

内部噪声：由光电的基本性质、电器的机械运动、自身材料、内部电路引起的噪声统称为内部噪声。

1. 从统计理论出发可将噪声分为平稳噪声，非平稳噪声。

平稳噪声：统计特性不随时间的推移而发生变化。

非平稳噪声：统计特性随时间而变化。

1. 基于信号和噪声的关系可将噪声分为加性噪声和乘性噪声。

我们视m(t)为信号函数,i(t)代表噪声函数,则在对两个信号进行叠加处理后得到的形式如果是m(t) l(t)，此即为加性噪声，如果叠加的结果为m(t)[1 l(t)]，此即乘性噪声。基于方便我们对信号分析处理的目的为了，我们通常情况下将乘性噪声等同认为是加性噪声，且默认噪声和信号具有独立性。

1. 其他几类噪声。

若噪声的频谱是均匀分布的则是白噪声；1/f噪声的频谱与频率是呈反比关系的。椒盐噪声可理解为图像切割导致在白图像上产生的灰度相反的黑点和在黑图像上生成灰度相反的白点。高斯噪声的特点是其幅值是服从高斯分布的。

2.1.3 图像噪声的特点

（1）图像噪声具有可叠加性。但这并不是对所有噪声进行简单的叠加，对于同属性的噪声可进行叠加计算但会导致信噪比的降低，不同属性的噪声则不能进行简单的叠加计算应区分对待且要考虑视觉检出特性的影响。

（2）噪声具有随机性。我们无法得知任意时刻噪声的大小即它是随机的。

（3）噪声的大小和图像的灰度级分布是有关的。图像中灰度级高的噪声大，灰度级低噪声相对较小些。而且量化噪声与图像相位更是有着千丝万缕的联系，若量化噪声是伪轮廓状态说明此时图像内容比较平坦。

模糊图像，噪声污染的图像可以通过图像增强技术和图像恢复技术进行修复。图像增强技术可以突出显示我们希望观察到的特征信息增强图像的可识别性方便后续的处理分析而不管噪声的来源，增强后的图像与原图像之间存在失真关系，即不是以完全恢复到原图像为目的。图像恢复技术即试图通过技术手段抵消噪声给图像造成的影响来恢复原图。

图像增强的基本方法

3.1 内容简介

图像增强是通过选择性地对图像中的部分信息进行数据变换从而达到突出图像的特征信息或者抑制不必要的信息的目的，使得图像的特征信息更容易被我们所捕捉和利用，提高了图像质量和视觉效果，有利于人眼的识别。在对图像进行增强后会导致其与原图不一定保持一致。但这并不影响我们捕捉特征信息，方便了特定条件下的分析需要。

随着需求的不断变化，涌现出许多新的图像增强方法以满足分析的需要，但总的来说，图像增强基本算法可分为两大类：空间域算法和频域算法。空间域算法通过调整图像像素进行增强处理。常见的灰度变换、直方图均衡化、直方图规定化以及空间域平滑和锐化都在空域算法的范围之内。频域算法则是基于修改图像傅里叶变换的频谱为基础进行的增强处理，即将其傅里叶变换的频谱和一个设定的转移函数进行卷积计算后的结果反作用到原图像上从而达到增强的目的，包括低通滤波、高通滤波和同态滤波等，低通滤波可以去除高频信号而噪声就是属于高频信号；高通滤波可有效的提高图像边缘高频信号的占优比率以突出显示细节。

无论是空域增强还是频域增强都是不追究噪声的起源而直接对图像的某些信息进行转化而达到增强的目的。本章介绍的图像增强方法是传统的基本的，随后在此基础上介绍在后来兴起的小波分析法，小波分析法相比传统的图像增强法有着许多的进步。

3.2 空域图像增强

空域图像增强的原理调整图像的灰度值（通常是改变图像灰度的动态范围）以达到突出我们所需要的特征信息强化细节显示的目的，常见的空域增强法主要有灰度变化、直方图变化、空间域滤波等方法。下面对它们进行逐一的讲解。

3.2.1 灰度变换

灰度变换其实就是对原始图像的灰度按照某种形式进行映射，改变其动态范围也就改变了图像的对比度，使图像的有效信息变得清晰，这对于突出显示图像的特征信息弱化干扰信息是十分有利的，且方便我们对图像进行处理和分析。灰度变化是图像增强法中非常重要的一种途径，通过预先设定好的运算规则，每个点的灰度值输入后都会相应的输出一个灰度值达到改变动态范围的目的，灰度变化只改变灰度，图像的空间关系保持不变。

阈值变换、灰度级修正、灰度拉伸、逆反处理、灰度切分等都是经常使用的灰度变换方法。以上方法对图像处理的结果虽然不一样但是都是以像素运算为基础的，可将它们分为线性变换、非线性变换、分段线性变换。

1. 线性变换

灰度的线性变换可表示为：

(3.1)

其中，b表示输入图像灰度的最大值，a表示输入图像灰度的最小值，d、c分别代表输出图像灰度值的最大值和最小值，通过上式子可知，图像灰度经过线性变化后灰度动态范围从原来的[a,b]变化到[c,d],如图3-1所示。

图3-1 线性变换

当原图像的大部分灰度值分布在一个有限的区间内，而不在此区间的只有很小的一部分，此时为了得到层次更加明显的效果图，可令：

alt;f(x,y)lt;b (3.2)

我们人眼对图像灰度的辨别能力不那么敏感，只有当相邻的灰度值差值达到某种量级才能被我们所察觉出来，通过线性变换使得相邻像素的差值明显增大，增大了图像的层次感方便我们捕捉特征信息，图像变得更加清晰明了。

线性变换效果图3-2：

图3-2 线性变换效果图

1. 分段线性变换

分段线性变换原理同线性变换是一样的，分段线性变换的好处在于可以灵活的选择自己感兴趣的区间进行突出显示，对于那些不感兴趣的区间则可以选择抑制或者削弱，每个区间采用不同的线性变换法则即可达到上述目的，将整个区间分成若干线段，每段线段对应一个线性变换关系，一般采用三段的分法，如图3-3所示。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：