数字图像增强方法实现

1、本 科 毕 业 设 计 (论 文)基于数字图像的增强方法的实现Implementation of Digital Image Enhancement Method学院：电子工程学院 专业班级：电子信息工程 学生姓名： 学号： 指导教师： 2016年6月毕业设计（论文）中文摘要基于数字图像的增强方法的实现摘要：数字图像增强技术是数字图像处理过程中相当重要的环节。利用图像增强技术可以加大图像清晰度，改善人类对图像的视觉效果，以便于人眼的观察；再者图像增强技术可以使图像变得更利于计算机的处理。图像增强是一种以主观感受为导向的技术，它没有一个固定的评价标准，图像增强的算法有一定的针对性。本文主要是对灰

2、度图像的增强进行研究，主要运用了灰度拉伸、直方图均衡化两大类方法对图像进行增强处理,并用MATLAB软件对图像进行编程仿真。在此基础上对这两类方法进行比较，通过实验结果分析各自的特点并指明了其最佳适用场景，以希望我们能从中总结出一套图像增强算法的应用指导规则，并且用起来能行之有效。关键词：图像增强；灰度图像；灰度拉伸；直方图均衡化毕业设计（论文）外文摘要Implementation of Digital Image Enhancement MethodAbstract: Digital image enhancement is a very important part of in the p

3、rocess of digital image processing. Using image enhancement technology can increase the image sharpness, improve the human image of the visual effect, in order to facilitate the observation of the human eye; moreover, the image enhancement technology can make the image more conducive to the computer

4、 processing. Image enhancement is a kind of technology which is based on the subjective feeling, it has no fixed evaluation standard, and the algorithm of image enhancement has certain pertinence. This paper mainly studies the enhancement of gray image, mainly using the gray stretch, histogram equal

5、ization of the two major categories of image enhancement processing, and use MATLAB software for image programming simulation. On the basis of the two kinds of methods were compared through the experiment results analysis respective characteristics and points out the the best application scenarios,

6、with the hope that we can summarize a set of image enhancement algorithm application guidelines from, and use can be effective.Keywords: Image enhancement; Gray scale transformation; Image Enhancement in the Spatial Domain; Image Enhancement in the Frequency Domain目 录1绪论11.1 课题研究的意义与目的11.2 国内外研究现状11

7、.3 论文的主要内容21.4 论文结构安排32 数字图像增强知识概述42.1 数字图像的相关概念42.2 图像增强流程图42.3 图像增强常用方法53 图像增强方法与原理73.1 图像类型转换73.2 灰度拉伸83.3 直方图变换144 图像增强算法性能比较174.1 算法评价标准定义174.2 实验数据集174.3 实验分析18结论301.本文算法的特点302.未来工作的展望30致谢31参考文献32淮海工学院二一六届本科毕业设计（论文） 第33页 共 33 页1 绪论绪论部分主要安排介绍了本课题的研究目的及意义，该课题国内外研究现状以及论文内容安排等。1.1 课题研究的意义与目的现实生活中，

8、人类利用图像来对各种客观对象进行描述写真，所以图像是人们传递信息必不可少的载体。人类研究数字图像处理，就是为了更方便人类能利用图像传递信息，一般是借助计算机设备或者其他硬件设备，来处理图像中产生的电信号，而这些电信号就是从图像信息转换中而得到的，对这些电信号进行处理后，图像的实用性将得以提高1。对于数字图像来说，图像增强技术至关重要。本文研究图像增强，主要有以下两个目的：一是可以改善图像的质量，使图像模糊的地方变的更加清晰，便于人类肉眼的观察；二是图像经过增强之后，计算机再对图像进行处理时会变得更容易，例如图像边缘模糊，那么可以先对其进行锐化，这样图像边缘轮廓线条就会变得清晰，更利于计算机处理

9、，这样一来，编程控制计算机进行跟踪，便可以进行各种特征研究分析。人类利用图像可以是获取和交换大量的信息，因此，对图像增强技术的研究更加迫切。目前，在世界范围内,图像增强处理技术已经在工业工程、航空航天、生物医学、军事公安、通信工程等领域有着广泛且重要的应用,因此，研究图像增强意义十分重大2。相信随着人类社会的不断进步，图像增强的技术也必将不断改进，应用领域也将不断地扩大，它将在国家安全、经济发展、日常生活中充当越来越重要的角色,对国家发展，社会前进起着不可低估的作用。1.2 国内外研究现状在自然界中，人类所获取的信息中大概有75%-85%是视觉信息，这说明数字图像处理对人类来说很重要。总体来说

10、，数字图像处理技术的发展已经经历了60年的风雨历程。20世纪60年代初期，第一次将数字图像处理应用到生活之中的是美国人，他们在喷气推进实验室中首次成功运用这一技术，成功地对月球照片进行处理。但是在这一时期，由于数字图像处理设备成本较高，所以很难将它推广到其他领域。到了20世纪70年代，数字图像处理进入了发展期，这时人们已经开始大量采用中大型机对图像进行处理，扫描显示方式也淘汰了以前落后的方式，光栅扫描显示被逐渐推用，更值得一提的是，这个时期出现了CT 和卫星遥感图像，促进了数字图像处理的发展。等到进入了20世纪80年代以后，数字图像处理技术也逐渐开始进入了普及期。此时，人类已经能用微机来处理图

11、形图像了。而到后来，又出现了VLSI，它的出现无疑推动了数字图像发展史，因为它不仅能使得数字图像处理的速度前所未有的提高，更重要的是它的价格比以往降低了，图像处理的成本也大大减少，这极大的促进了数字图像处理技术的推广和应用3。20世纪90年代，数字图像处理技术进入了实用化时期，此阶段，社会信息化程度不断提高，数字图像处理的信息总量也不断增长，这就要求图像处理的速度要能跟上时代的要求。到了21新世纪，数字图像处理技术开始转向高质量化方向发展。在这一阶段，图像的实时处理已经能很好地实现了，并且采用数字全息技术，也能使图像所包含的信息相当完整和丰富，实现了图像的智能生成、处理、理解和识别4。图像增强

12、技术对数字图像处理来说至关重要，数字图像处理技术发展以来，人们相当重视图像增强技术的研究，因为它对于改善图像质量所发挥的作用至关重要。进入21世纪以后，人类对于图像增强的研究更加关注，很多图像增强的方法被不断地发展创新。一般来说，人们习惯将图像增强的方法分为两类，一类是空间域处理方法，另一类是频率域的处理法。基于空间域的图像增强方法的处理对象是图像的像素，这类增强方法的基础大多是灰度映射，增强的目和图像的特点决定了图像增强处理所用的映射变换。空间域方法又可分为点运算、模板运算。点运算包括伪彩色处理、灰度变换、直方图处理等，它是作用于单个像素的空间域方法，通过一定的变换原则对图像像素逐个处理，周

13、围的像素点不会影响图像增强效果无关。模板运算包括图像的平滑和锐化，它的处理核心是以某一个像素点，像素点邻域为相关点，对模板逐个处理。图像增强的另一大类就是频率域增强，在介绍频率域增强之前，我们先举个这类方法的例子，如：我们找一幅图像，输入到电脑里。编写代码对图像进行小波变换，变换之后会得到系数。对系数进行滤波处理，最后将处理后的系数反变换到空间域，这样一来我们就对图像进行了增强。由此我们也可得到，这类增强方法属于间接的图像处理方法。常见的方法主要有低通滤波、高通滤波以及同态滤波等。而变换的方法则有小波变换、Contourlet变换等5。到目前为止，研究图像增强技术所遇到的困难有很多，难以找到一

14、种通用的图像增强方法，不易对增强的结果进行量化描述，目前只能靠人的主观感觉和经验来评价。图像增强方法没有优劣之分，每一种方法都适应着图像不同的增强要求，都具有一定的针对性，可能这种增强方法对去噪有很好的效果，但它对图像对比度增强就不适用，所以它也就没有一种通用的指标来评价图像质量的好坏。现在人们经常采用的方法是将几种增强技术结合起来用或者调节参量。因此，图像增强理论还有待于进一步完善，图像增强技术的探索空间也很巨大。1.3 论文的主要内容平时常用的图像增强方法有灰度拉伸、直方图变换、空间域及频率域平滑与锐化等。在本文中，主要研究的是灰度拉伸和直方图均衡化。首先要了解这些方法的基本原理，看看它们

15、对于改善图像质量发挥着怎样的作用，这也是本文的重点。另外，本文还将用这些方法实现图像的增强仿真实验。观察不同的增强方法对图像增强的效果有什么不同，对它们进行对比分析，并对不同的算法进行评价，对其图像增强方法的特点进行总结。1.4 论文结构安排本文是利用MATLAB为工具来实现数字图像增强处理的。结构安排如下：第一章绪论。介绍图像增强技术的意义、目的及研究现状。第二章是图像增强知识概述。这章介绍了一些与图像增强有关的术语概念，图像增强的流程，还有一些常用的图像增强方法。第三章主要是介绍一些图像增强的方法与原理。第四章是图像增强算法性能比较。接下面是结论，最后是致谢。2 数字图像增强知识概述2.1

16、 数字图像的相关概念2.1.1 图像增强在数字图像处理过程中，经常会发现很多图像出现边缘模糊不清、有噪声等情况，这可能是由于图像在成像、采集、传输等过程中不可避免地会造成某些瑕疵。本篇论文研究的是图像增强，那就要知道什么是图像增强。通俗的讲，它就是提高图像质量的方法的总称。图像增强方法有很多，人们可以选择一种最合适的方法，来突出想要增强的部分。2.1.2 像素像素就是构成数字图像的最小单位，一幅图像就是由若干这样的像素点以矩阵的方式排列而成。像素点的大小直接与图像的分辨率有关。分辨率越高，像素点就越小，图像就越清晰；分辨率越低，像素点就越大，图像就越模糊。2.1.3 灰度图像灰度图像就是只有强

17、度信息，没有颜色信息的图像。灰度图像保存在一个矩阵中，矩阵的每个元素代表一个像素点。矩阵可以是双精度型，值域为0,1；也可以是uint8型，值域为0,256。矩阵的每个元素值代表不同的亮度或灰度级，亮度级为0，代表黑色，亮度值为1，代表白色。2.1.3 灰度直方图对于数字图像处理来说，灰度直方图是图像处理常用的手段，用起来很便捷。它反映的是图像的灰度级内容。直方图中有横坐标和纵坐标，横坐标是代表灰度级的，纵坐标是代表该灰度出现的频率的7。如图2-1所示：图2-1 灰度直方图2.2 图像增强流程图图像增强的方法虽然很多，而且各不相同，但每一种增强方法对图像处理的流程却大体相同，流程如下图2-2所

18、示：开始输入图像预处理工作增强算法处理得到增强后图像保存退出结束图2-2 图像增强流程图2.3 图像增强常用方法在研究图像时，为了达到预设目的，一般要有选择地突出或抑制图像的某些特征，而这些被突出或被抑制的特征正是人们所感兴趣的或不需要的。为了实现这个目标，一般选择某种合适的增强方法对原图像进行处理，使图像与人们所需的视觉响应特性相吻合。需要注意的是，在图像增强的过程中，要想让输出的图像与原始图像差别不大，那就要注意分析图像为什么会质量变差8。图像增强的方法看起来有很多，其实总结起来也就是空间域与频率域两大类。空间域增强是直接对图像的像素灰度进行运算的，它又可分为点运算与模板处理。点运算作用于

19、逐个像素，常用的有灰度变换、直方图修正法等9。模板处理作用于图像像素邻域，常用的有平滑、锐化等；频率域增强的核心基础是傅里叶变换，通过傅里叶变换，可以将空间域混叠的成分在频率域中分离开来。常用的技术有高通滤波、低通滤波、同态滤波、带阻滤波，如采用的低通滤波，因为它只让低频信号通过，所以它可以将图像中的噪声抑制住；采用高通滤波，使有用信息增强的同时噪声也会增强10。2.3.1 灰度拉伸日常生活中，人们会经常说到对比度，像电视、手机等屏幕的对比度若太大或太小，那就会看不清。同样，对比度对于图像也是一样的，若图像的对比度过低或过高，图像就会看起来会很暗或很亮，影响人们的观察，那我们就可以改变它的灰度

20、动态范围。灰度变换其实就是对原图像的像素灰度进行修改。修改后图像灰度的动态范围也就变化了。说到底，它就是拉伸图像的像素灰度而已，并且它会对不同的灰度范围进行不同的映射处理。2.3.2 直方图均衡化图像直方图描述图像灰度级出现的相对频率，它可以直观的反应出图像质量的好坏，若图像的灰度分布区间较窄，此时图像的对比度就很弱，图像会模糊不清。你要想改变这个状况，那就要拉开图像的灰度范围。因为如果灰度范围拉开了，那就说明频率较小的灰度级增大了。而直方图均衡化就是针对实现这一诉求的。图像如果经过直方图均衡处理后，图像灰度的分布就会趋于均匀。这样图像质量就会改善了，加大图像反差，以改善视觉效果，与人眼视觉特

21、性相适应11。3 图像增强方法与原理3.1 图像类型转换一般情况下，人们常把数字图像的类型分为以下四种：索引图像、灰度图像、RGB图像、二值图像。在本论文中，主要的研究对像是灰度图像，而日常生活中方便获得的图像不一定是灰度图像，所以本文在研究图像增强前，将先对图像类型进行转换12。各类图像类型之间的转换关系如图3-1所示：数据矩阵灰度图像索引图像二值图像真彩图像图3-1 图像类型间转换如下图3-2、3-3展示了一些不同类型的图像转换为灰度图像：图3-2 索引图像转换为灰度图像图3-3 RGB图像转换为灰度图像3.2 灰度拉伸灰度拉伸13就是对图像的灰度进行处理的增强方法。经过这种方法处理过后，

22、图像动态范围增大，对比度也会得到扩展，明暗适中。将灰度变换进行归类的话，可以将它归为点运算范畴。通过点运算，它可以把图像中每一个像素的灰度都进行修改，改变它的灰度特性。灰度变换的映射函数见公式见3-1，示意图见图3-4： (3-1)T式中，T为灰度变换函数的映射关系，它表示了输入与输出灰度值之间的映射关系。f(x,y)g(x,y)图3-4映射函数示意图灰度变换方法有很多，按映射函数可分为线性变换、分段线性变换、非线性变换。3.2.1 灰度线性变换灰度线性变换就是对不同线性段的每一个像素挨个进行处理，原始图像的灰度值动态范围通过线性变换，会按照线性关系变换到指定范围14。假设原图像是f(x,y)

23、，变换后的图像为g(x,y)，f(x,y)的灰度范围为a,b，变换后的图像g(x,y)的灰度范围是c,d,它的灰度范围经过了一定的扩张。对于这个过程，我们可以采用下述线性变换来实现：gx,y=d-cb-afx,y+c (3-2)有时会有这样的情况发生：图像灰度在0-M内，M即代表最大灰度级maxf，其中大部分像素的灰度级分布在区间a,b内，但有小部分像素的灰度级超出了此灰度分布区间，为了解决这个问题，我们可令其函数表达式为15： gx,y=c 0f(x,y)<ad-cb-afx,y+c af(x,y)bd b<f(x,y)maxf （3-3）灰度线性变换函数如图3-5所示：g(x,

24、y)dc0abf(x,y)图3-5灰度线性变换函数具体的算法思想流程图如下3-6所示：开始输入图像f(x,y)求出斜率kf(x,y)<aYNf(x,y)bg(x,y)=cNg(x,y)=dYg(x,y)=kf(x,y)+c存放变换后图像Y结束图3-6 灰度线性算法流程图很多情况下，图像的曝光会不足或过度，这时图像的灰度范围就会变得窄小，那图像也就会模糊不清、灰度层次不明晰，严重影响人眼观看和机器处理。这时采用线性变换，将有效改善图像的不足16。如下图3-7所示： （a）原始图像 （b）原始图像直方图 （c）变换后的图像 （d）变换后的图像直方图图3-7 灰度线性变换示例图由图3-5可以发

25、现，原始图像对比度较暗，经灰度线性变换后图像对比度增加了，图像直方图的灰度动态范围扩大，灰度被拉伸。3.2.2 分段线性变换分段线性变换与灰度线性变换相似，都是对图像的灰度对比度做拉伸处理，不同的是，在分段线性变换中，灰度范围不同，映射处理就不同。分段线性变换可以很好地把我们需要研究的目标或灰度区间凸显出来，同时相对抑制那些不感兴趣的灰度区间17。图像变换时，一般会把灰度区间会被分成两段以上。灰度值0-255也会被分成若干段，进行增强变换时，被分的线段与局部线性变换关系一一对应。其函数表达式为：gx,y=cafx,y 0f(x,y)<ad-cb-afx,y-a+c af(x,y)bf-d

26、e-bfx,y-a+d b<f(x,y)e (3-4) 其函数如图3-8所示：g(x,y)dc0a bf(x,y)图3-8分段线性变换分段线性变换具体的算法思想流程图如下图3-9：开始读入图像变换为灰度图像I确定分段线性变换的节点数值（fa,fb,ga,gb）求出三段斜率k1,k2,k3图像灰度值70(可调)YN图像灰度160（可调）YP=k1*IP=k2(I-fa)+gaNP=k3(I-fb)+gb存放变换后图像结束图3-9 分段线性变换算法流程图如下图3-10展示了灰度分段线性变换效果图： （a）原始图像 （b）原始图像直方图 （c）变换后的图像 （d）变换后的图像直方图图3-10

27、分段线性变换示例图由上图可知，分段线性变换可以根据图像不同的灰度范围做不同的映射，有针对的突出人们所感兴趣的部分。3.3.3 对数变换在对图像进行灰度变换时，若采用的映射函数为非线性函数（平方、指数、对数）时，那么就称为非线性变换，常用的变换有指数变换、对数变换等18。其中对数变换一般适用于图像过暗，可以扩展低值灰度，压缩高值灰度。对数变换的函数一般表示为： gx,y=a+lnfx,y+1b×lnc （3-5）式中，参数a、b、c可以调整函数曲线位置和形状。对数变换函数图如下图3-11所示：g(x,y)0N-1f(x,y)图3-11 对数变换函数图下图3-12展示了对数变换函数对图像

28、增强的效果： （a）原始图像 （b）原始图像直方图 （c）变换后的图像 （d）变换后的图像直方图图3-12 分段线性变换示例图从图中能看出，图像对比度增强了，并且从图像直方图前后对比中也验证了对数变换扩展低值灰度，压缩高值灰度这一点。3.3 直方图变换3.3.1 直方图修正基础灰度级直方图反映了图中不同灰度级出现的统计概率，它是图像的一种统计表达。如果数字图像的灰度级范围为0,L-1，那么直方图的离散函数就是 h(k)=nk。这里k是k级灰度，nk是k级灰度的像素个数19。若将其进行归一化，则有： prk=nkn (3-6)式中，n为像素总数, prk给出了灰度级为rk发生的概率估计值。有时由

29、于人们感觉图像的视觉效果不好，或者基于图像处理的特殊需要，所以需要修正图像灰度，以达到理想的效果。一幅图像的灰度级分布范围为0,1内，这个区间内的r则可以进行如下的变换：s=T(r) (3-7)变换函数T可满足以下条件：在0,1区间内，T(r)单调递增，并且T(r)值域为0,1。这里T(r)单调递增保证了图像的灰度级次序不变，保持从白到黑20。T(r)值域为0,1则表明映射变换后的像素灰度值范围是在允许区间内的。3.3.2 直方图均衡化直方图均衡化21可以把图像中灰度分布较集中的地方变的较均匀，然后再按均衡直方图修正原图像。具体来说，均衡化过程就是要实现灰度点运算，使图像灰度分布均匀，完成图像

30、增强。直方图均衡化的灰度变换函数为： s=Tr=0rprrdr （3-8）函数中，r是原始图像灰度级，归一化范围为01, pr(r)是原始图像灰度分布的概率密度函数, T是灰度变换函数。这个函数同时也是原始图像灰度r的累积分布函数（CDF）22。直方图均衡化变换函数如图3-13所示，它是由灰度直方图的累积分布函数决定的。图3-13 直方图均衡变换函数直方图均衡化具体的算法思想流程图如下图3-14所示：输入图像计算原图像的灰度直方图prr计算原图像的灰度累积分布函数，进一步求出灰度变换表根据灰度变换表，将原图像各灰度级映射为新的灰度级输出图像图3-14直方图均衡化流程图如图3-15展示了直方图均

31、衡化处理图像的前后效果：（a）原始图像 （b）原始图像直方图（c）直方图均衡化后图像 （d）均衡化后直方图图3-15 直方图均衡化处理图像效果图上图展示了直方图均衡化处理图像的前后效果，可以看出，输出图像的质量有了明显改善，直方图中图像的灰度范围拉大，并且比较均匀。4 图像增强算法性能比较在本论文研究过程中，一共选取了20幅图片进行实验，分别用灰度拉伸和灰度直方图均衡化来处理，其中灰度拉伸具体分为灰度线性变换、分段线性变换、和对数变换三种方法。接下面，将根据这几种算法的算法思想具体分析这几种算法对图像处理的效果。具体做法是先将这20幅图像的类型转换为灰度图像，其中对比度高的图像还需进行灰度压缩

32、，因为本论文的图像都是随机选取的，有些图像并不适合研究的需要。然后再将处理过的图像分别用这四种算法实现灰度图像的增强，接下来每当一幅图像用这四种算法处理过后，都要进行四种算法性能的分析评价。因为图像增强没有固定的评价标准，是一种以人类主观感受为导向的技术，所以，在进行算法性能评价过程中，将抽取4名人员，请他们对用不同算法处理过的同一幅图像进行投票，选出增强效果最好的和最差的图像。最后分析比较四种算法的性能，得出结论。4.1 算法评价标准定义图像质量是指人们对一幅图像视觉感受的评价。图像增强的目的就是为了改善图像显示的主观视觉质量。目前为止，还没有找到一种和人的主观感受一致的客观、定量的图像质量

33、评价方法23。图像质量评价方法分为两类，即主观评价和客观评价。在本次研究中，将选取主观评价方法作为评价方法24。主观评价就是直接利用人眼来观察图像的质量好坏，主要从图像的分辨率和人眼的舒适度两个方面来评价，通过测试者的评价来判断图像质量。本次评价将根据5名人员的最终投票数评选出增强效果最好的和增强效果最差的图像。最后将结果汇总，得出结论。4.2 实验数据集本次实验一共用到了20幅图像，分别用四种不同的算法增强，然后将增强后的图像给5名同学进行投票，现将20幅图像的投票结果做一个汇总展示如下，见表4-1：表4-1 四种算法得票数统计投票人员灰度线性变换分段线性变换对数变换直方图均衡化甲乙丙丁戍合

34、计5657427465352320102598910945统计结果：统计表4-1是20幅图像的投票结果，投票人数一共有5人，共有20轮投票，每一轮投票中，5个人分别将手中的两票投给自己认为的增强效果最好的和最差的。总计有100票，从表中可以看出四种统计方法各自的得票数，最后再将5人的投票数进行合计，得出每种方法的总票数。结果表明，灰度直方图均衡化算法得票最高，对数变换的票最低，灰度线性变换和分段线性变换位列第二和第三。4.3 实验分析本次试验中最关键的两点就在于：一是成功的将图片用四种算法运行出来；二是抽取5名人员对增强出来的图片进行评价。完成这两步后才能对四种算法进行分析对比。接下面，本文根

35、据上节4.2中的不同算法增强图像效果的评价统计表来具体分析几种增强算法。4.3.1 灰度线性变换得票结果分析在不同算法增强效果的投票评价环节，灰度线性变换一共得了27票，接下面在本节中，将选取一幅经灰度线性变换后增强效果最好的，得票最高的图像进行分析。本幅图像最初的图像类型是RGB型图像，而且对比度过高，要想对它用四种方法进行图像灰度增强处理，最好先要将它转为灰度图像，再将转换过后的图像进行灰度压缩。然后才能进行灰度图像的增强。接下面我们把经过预处理后的图像作为实验的原始图像，对图像进行四种算子的增强。增强的结果图和直方图如下图4-1所示： (a) 原图 （b）原图直方图 （c）线性变换 (d

36、) 线性变换直方图 （e）分段线性变换 (f) 分段线性变换直方图 （g）对数变换 (h) 对数变换直方图 （i）直方图均衡化 (j)直方图均衡化直方图图4-1 示例一图4-1示例一 (a)中的原始图像的对比度很暗，图像中所包含的内容文字也很不清晰，严重影响人们的观看。从图4-1示例一（b）原始图像直方图中也可以发现图像的灰度动态范围很窄，灰度集中在低值灰度区间，且各灰度值频率相差也很大。对这一幅图像做灰度拉伸处理，效果会很明显。图4-1示例一（c）是经过灰度线性变换的图像，整幅图像经变换后，图像背景变得亮了，图像整体看上去对比度很好，并不会太强或太弱，而且此时人们能清楚地看清图像中的文字部分

37、和边缘细节，图像背景信息也比较完整。图4-1示例一（d）线性变换直方图中也能看出图像灰度范围明显扩大了，灰度值被拉伸，灰度值比较偏向高值灰度区间。所以，总的来说，从线性变换输出图和其直方图可以看出，灰度线性变换这一算法对此幅图像的增强效果还是不错的，所以5名评价人员全票认为本幅图的增强效果最好。图4-1示例一（e）图和（f）图分别为经过分段线性变换的图像和它的直方图。从（e）图的整体来看，图像亮度加大，对比度虽然有所改善，但是并不理想。从（f）图分段线性变换的直方图可以发现直方图中图像的灰度值之间的范围被扩大，灰度范围也由原来的低值灰度区间扩展到高值灰度区间，但灰度分布不均匀，灰度之间有些紧密

38、而且比较集中在中间范围，这也说明了它的对比度不好。所以，虽然最终图像实现了增强，但它不是特别符合人眼特性，图像看起来最终视觉效果不是很好，5人中没有人认为它的增强效果好。图4-1示例一中的（g）图和（h）图分别为对数变换增强的效果图和直方图。从（g）图可以看出虽然图像的亮度加大了，图像中的文字也能看到，但对比度很不好，不适合人眼观察。从其直方图中也可以反映出这一点，直方图中图像像素集中在图像中间调区域, 亮调和暗调几乎没有像素, 所以图像平淡,对比度低。并且低值灰度被扩展，高值灰度被压缩。总体来说，这幅原始图像经对比度增强后的效果并不好，所以经对数变换后的图像一致被认为是增强效果最差的。图4-

39、1示例一中的（i）图是经过直方图均衡化处理过的图像，从中可以明显看到图像的亮度加大，图像对比度也十分明显，图像的内容也可以很清晰的看到。（j）图是均衡化后的直方图，直方图的分布范围很宽而且比较均匀。但是经过直方图均衡化处理后，图像中的一些细节缺失，对比度过强，看起来有些不自然。最终结果是5个人中没有人认为它的增强效果是最好的。总体来讲，根据表4-1和对处理后图像的分析，本幅原始图经过灰度线性变换、分段线性变换、对数变换、直方图均衡化四种算法处理后，增强效果最好的是灰度线性变换，其次是直方图均衡化，然后是分段线性变换，最差的是对数变换。当然，这个结论仅针对本图像，接下面，本论文还将对其它图像的增

40、强效果做分析。4.3.2 分段线性变换得票结果分析从表4-1四种算法得票数统计中，分段线性变换一共得了23票，接下面本文将选取一幅经分段线性变换后得票最高的图像，作为示例图像二进行分析。分析分段线性变换算法得票最高的原因，并展示其它三种算法增强后的效果图，看看它们各有什么不同。首先，下文将先展示示例图像二的原始图像、经过灰度线性变换、分段线性变换、对数变换、直方图均衡化四种算法处理后的图像以及它们各自的灰度直方图，如下图4-2所示： (a) 原图 （b）原图直方图 （c）线性变换 (d) 线性变换直方图 （e）分段线性变换 (f) 分段线性变换直方图 （g）对数变换 (h) 对数变换直方图 （

41、i）直方图均衡化 (j)直方图均衡化直方图图4-2 示例二图4-2示例二中 (a)为原始图像，虽然图像中的内容仔细观察可以看出，但为了更方便人眼观察或机器处理，我们应该想办法增加它的对比度和亮度。因为图像的对比度低或图像整体偏暗的话，图像会变得不清晰，影响人们观察图像。从图4-2示例二（b）图原始图像直方图中也可以发现图像的各灰度值之间较为紧密，灰度分布多为低值灰度区间，所以可以对图像进行增强处理。图4-2示例二（c）是经过灰度线性变换的图像，从中可以看出，整幅图像经变换后可以较清晰地看出图像中的内容文字，相较于原始图像相，图像亮度和对比度都很符合人眼观察，但对比度还没达到最佳。图4-2示例二

42、（d）是线性变换后的直方图，直方图反映出图像的灰度范围扩大了，灰度值被拉伸。但根据5名人员的评价，没有人选它为最佳效果图。图4-4示例二(e)图是经过了分段线性变换后的输出图像，（f）图是它的直方图。从（e）图中，可以知道图像亮度加大，对比度增强了，而且相对于其它三种方法的效果图，它对比度是最好的，不会太低，也不至于过强。从它的直方图中可以发现直方图中图像的灰度值之间的范围被扩大了。总体来说，针对本图进行分段线性变换的效果很好，5名投票人员都认为它的增强效果最好。图4-4示例二中的（g）图和（h）图是对数变换增强的效果图和直方图。从（g）图可以看出虽然图像的亮度加大了，但图像整体较模糊，对比度

43、较低，不适合人眼观察。其直方图中也反映出这一点，直方图中图像的灰度范围被扩大了，但分布范围仍然狭窄而且集中于直方图的中间部位，并且低值灰度被扩展，高值灰度被压缩，图像的对比度没有达到人们所适应的程度。总体来说，这幅原始图像经对比度增强后的效果不是很好。图4-4示例二中的（i）图是经过直方图均衡化处理过的图像，从（i）图中能看出图像对比度和亮度都有所改善，但从视觉上感受，视觉效果并不是很好。（j）图是均衡化后的直方图，图像的灰度被拉伸而且分布相较于前面三种方法比较均匀，但总的来说，多数的灰度值更偏向低值灰度区间，因此图像看起来仍有一点暗，对比度不自然。所以，这幅原始图经直方图均衡化后的效果并没有

44、评为最好。归纳起来就是，针对示例二的原始图像，分段线性变换的增强效果最好，得票最高，对数变换是增强效果最差的，得票最低。4.3.3 对数变得票结果分析从表4-1可知，对数变换一共得了5票，接下面将选取一幅经对数变换后增强效果最好的图像进行分析。所选取的图像经四种算法增强后，经5人投票得知5人中有3人认为它的增强效果最好。现将4种算法的增强效果图和直方图都展现出来，比较分析投票结果。图4-3是示例图像三的原始图像及直方图、灰度线性变换图像及直方图、分段线性变换图像及直方图、对数变换图像及直方图、直方图均衡化图像及直方图，如下所示： (a) 原图 （b）原图直方图 （c）线性变换 (d) 线性变换

45、直方图 （e）分段线性变换 (f) 分段线性变换直方图 （g）对数变换 (h) 对数变换直方图 （i）直方图均衡化 (j)直方图均衡化直方图图4-3 示例三图4-3示例三 (a)为原始图像，图像的对比度很低，亮度也不够，图像中的细节也很不清晰，不符合平时人们视觉需求。图4-3示例三（b）图为原始图像直方图，从中也可以发现图像的灰度偏向低值灰度区间，各灰度值之间较为紧密，所以必须对此进行灰度拉伸。图4-3示例三（c）是经过灰度线性变换的图像，整幅图像经变换后，与原始图像相对比，会发现无论是图像亮度还是对比度都有很大程度的提升。图4-3中的（d）图是线性变换直方图，在直方图中明显看出图像灰度范围由

46、原来的0-175扩展到了0-255，灰度范围扩大了，灰度值被拉伸。但5名评价人员中，并没有人认为此图像经灰度线性变换后效果最好，产生此结果的原因是5人均认为图像的对比度和亮度都太强，不很适合人眼观察。图4-3示例三（e）图为经过分段线性变换的图像，（f）图是它的直方图。（e）图像反应出图像对比度和亮度都有所增强，但增强效果很不好，图像依然有些暗。从（f）图分段线性变换的直方图可以发现直方图中图像的灰度值之间的范围被扩大，但因为是分段线性变换，所以有些灰度范围被抑制，有些灰度范围被拉伸，结果灰度分布不均匀，对比度和亮度都没达到最佳结果。所以没有人认为它的增强效果好。图4-3示例三中的（g）图和（

47、h）图是对数变换增强的效果图和直方图。从（g）图可以看出图像的亮度变大了，对比度虽然还有待提高，图像还有些模糊。从其直方图中则可以看出图像的灰度范围变大了，低值灰度区间内灰度被扩展开来，高值灰度区间内灰度被压缩到一起，因此也导致图像的对比度略微有些低。但针对本幅图像而言，最后的增强效果图还很不错，所以有3人将票投给它。图4-3示例三中的（i）图是经过直方图均衡化处理过的图像，从（i）图中能看出图像的亮度加大，图像对比度很强，但图片出现了伪轮廓。（j）图是均衡化后的直方图，图像的灰度被拉伸而且比较均匀，扩大了量化间隔。但最终，这幅原始图经直方图均衡化后的效果图只有2人认为最好。总之，被评价为增强

48、效果最好的是对数变换增强，得票最多。4.3.4 直方图均衡化得票结果分析从表4-1中可知，直方图均衡化累计得票数最高，一共得了45票。在此，本文将选取一幅经四种算法处理过后，直方图均衡化得全票的图片进行分析。下图4-4展示的是示例图像四的原始图像、经过灰度线性变换、分段线性变换、对数变换、直方图均衡化四种算法处理后的图像以及它们各自的灰度直方图。 (a) 原图 （b）原图直方图 （c）线性变换 (d) 线性变换直方图 （e）分段线性变换 (f) 分段线性变换直方图 （g）对数变换 (h) 对数变换直方图 （i）直方图均衡化 (j)直方图均衡化直方图图4-4 示例四图4-4 (a)中的原始图像的

49、对比度很暗，图像中所包含的内容很模糊，严重影响人们的观看。从图4-4（b）原始图像直方图中也可以发现图像的灰度动态范围很窄，灰度集中在偏低值灰度区间内，总体图像质量很差。图4-4（c）是经过灰度线性变换的图像，整幅图像经变换后，图像对比度整体看上去增强了，但图像还显得比较灰暗。图4-4（d）是线性变换直方图，从中能看出图像灰度范围明显扩大了，灰度值被拉伸，但出现的低值灰度明显比高值灰度多。所以，灰度线性变换这一算法对此幅图像的增强效果5人中没有人认为好。图4-4（e）图和（f）图分别为经过分段线性变换的图像和它的直方图。从（e）图的整体来看，图像亮度加大，对比度虽然有所改善，但是并不理想。从直

50、方图中可以发现图像的灰度值之间的范围被扩大，但灰度分布不均匀，灰度之间有些紧密而且比较集中在中间范围，这也说明了它的对比度不好。所以，它不是特别符合人眼特性，图像看起来最终视觉效果不是很好。图4-4中的（g）图和（h）图分别为对数变换增强的效果图和直方图。从（g）图可以看出虽然图像的亮度加大了，但对比度仍然很差。从直方图中可以发现图像的灰度值分布区间只是由原来的低值灰度区间变换到高值灰度区间，暗调几乎没有像素, 所以图像平淡,灰度之间的量化间隔还紧密，说明了它的对比度不好。所以，图像一致被认为是增强效果最差的。图4-4中的（i）图是经过直方图均衡化处理过的图像，从中可以明显看到图像的亮度加大，

51、图像对比度也十分明显，图像的内容也可以很清晰的看到，是四幅效果图中最好的一幅。（j）图是均衡化后的直方图，直方图的分布范围很宽而且比较均匀，相比其它三种算法。因此，最终5个人全认为它的增强效果是最好的。4.3.4 四种算法得票统计小结从表4-1中可知，20幅图像经过四种算法增强后，由5人进行投票，选出增强效果最好的，其中灰度直方图均衡化算法得票最高，累计票数有45票。其次是灰度线性变换得27票。第三名得票最高的是分段线性变换，有23票。最后是对数变换，只有5票。导致这个结果的原因主要有两点：一是每种算法自身的特点不同，所以对同一幅图像处理出来的效果也就不同，有好有差。二是5名评价人员的视觉感官有一些差异，不可能全部相同。但总之四种增强算法都有各自的特点，它没有绝对的好坏之分，它们对图像增强效果的好坏只是相对的，都能增强图像中的某种信息,提高了图像的视觉特性 。结 论1. 本文算法的特点本篇论文主要分析对比了灰度线性变换、分段线性变换、对数变换和直方图均衡化四种不同的算法。它们都能通过改变图像的灰度分布，使图像增强。但线性拉伸在增强图像时是将原始输入图像中的灰度值不加区别地扩展。如果要求对局部扩展，拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理时，最好采用分段线性拉伸。对数变换扩展了低亮度区，压缩了高亮区，但这样一来，图像的前景和背景