二维小波基在图像增强中的应用

1/1二维小波基在图像增强中的应用第一部分二维小波基的概览 2第二部分图像增强中的二维小波基变换 4第三部分小波基阈值去噪应用于图像增强 7第四部分基于小波基的图像锐化技术 9第五部分小波基系数的图像融合 12第六部分小波基在医学图像增强中的应用 14第七部分小波基在遥感图像增强中的应用 17第八部分二维小波基在图像增强中的展望 19

第一部分二维小波基的概览关键词关键要点主题名称：小波变换的数学原理

1.小波变换是一种时频分析工具，通过多尺度分解信号来揭示其局部特征。

2.小波基是用于分解信号的正交函数基，具有紧支撑、时频定位和多分辨率等优点。

3.离散小波变换算法通过采用滤波器组对信号进行迭代分解和重构，实现多分辨率分析和信号的表示。

主题名称：二维小波基的构造方法

二维小波基的概览

1.引言

小波基，也称为小波变换，是一种时频分析工具，它通过将信号分解为一系列称为小波基的局部化函数来分析信号。二维小波基是将小波基应用于二维信号的一种扩展。在图像增强领域，二维小波基因其卓越的去噪、图像融合和特征提取能力而受到广泛关注。

2.二维小波基的定义

二维小波基是两个一维小波基的张量积，表示为：

```

Ψ(s,t,x,y)=ψ(s)⊗φ(t)⊗ψ(x)⊗φ(y)

```

其中，ψ和φ分别是一维小波基和尺度函数，s和t是尺度参数，x和y是平移参数。

3.小波基的类型

二维小波基的类型取决于所使用的一维小波基。常用的二维小波基类型包括：

*Haar小波基

*Daubechies小波基

*Symlet小波基

*Coiflet小波基

*Biorthogonal小波基

4.二维小波变换

二维小波变换是将二维信号分解为一系列小波系数的过程。它涉及以下步骤：

*卷积：输入信号与小波基卷积。

*下采样：对卷积结果进行下采样，降低分辨率。

*重复：重复卷积和下采样过程，使用不同尺度的小波基，产生一系列小波系数。

5.二维小波逆变换

二维小波逆变换是将小波系数重构为原始二维信号的过程。它涉及以下步骤：

*上采样：对小波系数进行上采样，恢复原始分辨率。

*卷积：小波系数与重建小波基卷积。

*求和：对不同尺度的卷积结果求和，得到重构的二维信号。

6.二维小波基在图像增强中的应用

二维小波基在图像增强中的应用包括：

*去噪：分离和去除噪声分量，保留图像中的有用信息。

*图像融合：融合来自不同源的多幅图像，生成更清晰、更完整的新图像。

*特征提取：识别图像中感兴趣的区域或对象，用于对象检测、分类和分割。

*图像压缩：去除图像中的冗余信息，减少文件大小，同时保持图像质量。

7.结论

二维小波基是一种功能强大的工具，已广泛用于图像增强领域。其局部化和多尺度分析特性使其能够有效去除噪声、融合图像和提取特征。在不断发展的图像处理技术中，二维小波基预计将继续发挥重要作用。第二部分图像增强中的二维小波基变换关键词关键要点图像小波分解

1.小波变换是一种时频域分析工具，将图像分解为一系列小波系数，揭示图像不同尺度和方向上的特征。

2.二维小波基는2D图像中加入小波的性质,将图像分解成不同的子带,包括水平、垂直和对角子带,能高效捕捉图像边缘、纹理和形状等特性。

3.小波分解为图像增强提供了灵活的处理平台，允许针对特定特征或空间位置进行有针对性的操作。

小波基选择

1.小波基的选择对增强效果至关重要。不同的基具有不同的滤波特性，适合不同的图像特征提取和增强任务。

2.常用的二维小波基包括Haar小波、Daubeches小波、Symlets小波和Coiflets小波。

3.选择小波基时需要考虑图像类型、噪声分布和增强目标等因素。

小波系数阈值

1.小波系数阈值是图像增强中的一个关键步骤，用于区分有意义的特征和噪声成分。

2.阈值方法包括软阈值和硬阈值，前者对小波系数进行平滑衰减，而后者直接将小波系数置零。

3.合适的阈值策略有助于增强图像的信噪比，同时保留重要的图像特征。

小波重建

1.小波重建是增强后图像的合成过程，使用经过处理的小波系数和原始小波基。

2.重建方法包括逆小波变换和阈值反变换。前者是原始小波变换的逆过程，而后者直接使用阈值处理后的系数进行重建。

3.重建算法的选择取决于增强目标和图像特性。

图像融合

1.图像融合是指将多个图像组合成一张增强后的图像，利用不同图像的互补信息。

2.小波变换提供了融合图像多尺度和多方向特征的有效框架。

3.融合策略包括加权平均、最大选择和基于小波系数的融合。

最新趋势和前沿

1.深度学习与小波变换相结合，探索图像增强新方法。

2.无监督和弱监督学习算法在小波增强中获得广泛应用。

3.可自适应和小波基自适应增强算法正在蓬勃发展。图像增强中的二维小波基变换

小波变换是一种时频分析技术，因其在图像处理中的优异性能而受到广泛关注。二维小波基变换通过扩展一维小波变换到二维空间，极大地促进了图像增强的发展。

二维小波基变换原理

二维小波基变换使用一组称为小波基的函数（称为小波）对图像进行分解。这些函数具有局部化和振荡性的特点，可以有效捕获图像中的不同特征。

典型的二维小波变换过程涉及以下步骤：

1.正变换：将图像逐级分解为低频和高频分量。低频分量包含图像的大致轮廓和主要信息，而高频分量则包含细节和纹理。

2.逆变换：重建图像。

二维小波基变换的优势

二维小波基变换在图像增强中具有以下优势：

*多尺度分析：小波可以对图像进行多尺度分析，从而捕捉不同尺度上的图像特征。

*方向性：小波基具有方向性，可以检测图像中的边缘和纹理。

*抗噪性：小波变换具有抗噪性，可以有效去除图像中的噪声。

*紧支撑性：小波基具有紧支撑性，仅影响有限区域内的像素。

应用领域

二维小波基变换广泛应用于图像增强的各个方面，包括：

*图像去噪：利用小波变换将图像分解为不同尺度和方向的分量，并对高频分量进行阈值处理或滤波，去除噪声。

*图像锐化：通过增强图像高频分量来提高图像清晰度。

*图像增强：调整图像对比度和亮度，改善图像视觉效果。

*图像融合：融合来自不同源或不同时间的图像，以获得更完整或更准确的信息。

*纹理分析：提取图像中的纹理特征，用于图像分类和目标识别。

具体实例

图像去噪

例如，一个常用的图像去噪方法是使用基于小波变换的软阈值法。该方法涉及：

1.将图像分解为小波分量。

2.对高频分量应用软阈值处理，以去除噪声系数。

3.重构图像。

图像锐化

为了锐化图像，可以增强图像的高频分量。一种常见的方法是：

1.将图像分解为小波分量。

2.对高频分量进行高通滤波。

3.重构图像。

结论

二维小波基变换在图像增强中发挥着至关重要的作用。其多尺度分析、方向性、抗噪性和紧支撑性等特点，使其成为图像去噪、锐化、增强、融合和纹理分析等任务的强大工具。通过利用二维小波基变换，图像处理人员可以大幅改善图像质量，满足各种应用需求。第三部分小波基阈值去噪应用于图像增强小波基阈值去噪应用于图像增强

引言

图像增强是图像处理中一项基本的且至关重要的任务，旨在提高图像的视觉质量和便于后续处理。小波基阈值去噪是一种有效的图像增强技术，可以有效去除图像中的噪声，同时保留重要特征。

小波基阈值去噪原理

小波基阈值去噪基于小波变换，它将图像分解为一系列尺度空间上的小波基。小波基的系数包含了图像在不同尺度和方向上的信息。噪声通常表现为小波基系数中高频部分的异常波动。

阈值去噪的原理是，将小波基系数与预先设定的阈值进行比较，如果系数的绝对值小于阈值，则将其置零，否则保留原值。这样，噪声分量被滤除，而图像的特征信息得以保留。

阈值选择

阈值的选择是影响去噪效果的关键因素。过高的阈值会过度滤除噪声，导致图像模糊；过低的阈值则不能有效抑制噪声。

最常用的阈值选择方法是软阈值和硬阈值：

*软阈值：将小波基系数的值缩小一个阈值，保留正负方向的相对大小。

*硬阈值：将小波基系数的值置为零，如果其绝对值小于阈值。

图像增强

小波基阈值去噪应用于图像增强，主要通过以下几个方面：

*噪声去除：阈值去噪可以有效去除图像中的噪声，提高图像的视觉质量。

*细节增强：去噪后，图像中的细节更加清晰，有利于后续的图像处理任务，如边缘检测和纹理分析。

*对比度增强：去噪后，图像中不同区域之间的对比度得到增强，使图像的视觉效果更加明显。

应用实例

小波基阈值去噪广泛应用于图像增强实践中，以下是一些实例：

*医用图像增强：用于去除医学图像中的噪声，提高诊断精度。

*遥感图像增强：用于去除遥感图像中的噪声，增强目标特征。

*工业检测图像增强：用于去除工业检测图像中的噪声，提高缺陷检测的准确性。

评价指标

评价小波基阈值去噪的图像增强效果，可以使用以下指标：

*信噪比(SNR)：反映图像增强后的信噪比提升程度。

*峰值信噪比(PSNR)：反映图像增强后的峰值信噪比提升程度。

*结构相似性指数(SSIM)：反映图像增强后保留结构信息的相似性。

结论

小波基阈值去噪是一种有效的图像增强技术，可以有效去除图像中的噪声，同时保留重要特征。通过适当的阈值选择，小波基阈值去噪可以显著提高图像的视觉质量和便于后续处理。在图像增强实践中，小波基阈值去噪已成为一种重要的技术手段。第四部分基于小波基的图像锐化技术关键词关键要点【基于小波基的图像锐化技术】

1.小波变换可以将图像分解成多个频率子带，每个子带包含某一特定频率范围内的图像信息。

2.通过调整不同子带的系数，可以增强图像的特定频率成分，从而实现图像锐化。

3.小波基的局部性可以有效保留图像的边缘和纹理细节。

【空间域小波锐化技术】

基于小波基的图像锐化技术

图像锐化是图像处理中一项重要的技术，旨在增强图像中细节和边缘的清晰度。基于小波基的图像锐化技术是一种有效的方法，利用小波变换将图像分解为不同频率和方向的子带，并针对特定子带进行处理。

小波变换

小波变换是一种时频分析工具，它将信号分解为一组称为小波基的函数。小波基在时域和频域上具有良好的局部化特性，能够捕获信号的局部特征。

小波基的图像锐化算法

基于小波基的图像锐化算法一般分为以下步骤：

1.小波分解：将原始图像分解为一系列小波子带。不同的小波子带对应不同频率和方向的信息。

2.子带处理：针对不同的子带采用不同的锐化策略。高频子带包含图像的边缘和细节，需要进行锐化以增强清晰度。低频子带包含背景信息，通常不需要锐化。

3.小波重构：将处理后的子带重构回原始图像。

小波基图像锐化技术

基于小波基的图像锐化技术有多种，其中一些常用的方法包括：

1.小波系数小阈值化

这种方法将小波系数的绝对值与阈值进行比较。低于阈值的小波系数被设置为零，从而消除噪声和模糊。保留高于阈值的小波系数，并进行反小波变换以锐化图像。

2.高频子带增强

该方法专注于增强小波分解中高频子带中的细节。可以采用各种算法来增强子带，例如乘以一个放大因子或应用非线性函数。

3.小波变换域反卷积

这种方法将图像在小波变换域中反卷积到高通滤波器。反卷积操作可以消除图像中的模糊，从而提高锐度。

4.方向性小波锐化

该方法利用了小波基的方向性特性。它可以针对特定方向的小波系数进行锐化，以增强边缘和纹理的清晰度。

图像锐化效果评价

常用的图像锐化效果评价指标包括：

*峰值信噪比（PSNR）：衡量锐化图像与原始图像之间的差异。

*结构相似性指数（SSIM）：评估锐化图像与原始图像之间的结构相似度。

*视觉信息保真度指标（VIF）：评估锐化图像对视觉质量的影响。

应用

基于小波基的图像锐化技术广泛应用于各种图像处理领域，例如：

*医学影像增强

*遥感图像处理

*监控图像增强

*文档图像处理

优点

基于小波基的图像锐化技术具有以下优点：

*多尺度处理能力，能够针对不同频率和方向进行锐化。

*方向性，可以针对特定方向的边缘和纹理进行锐化。

*噪声抑制能力，可以有效去除图像中的噪声和模糊。

局限性

基于小波基的图像锐化技术也存在一些局限性：

*计算复杂度相对较高，尤其对于大图像。

*可能产生伪影，例如振铃效应。

*选择合适的小波基和锐化参数需要经验。第五部分小波基系数的图像融合小波基系数的图像融合

小波基系数的图像融合是一种基于小波变换的高级图像融合方法。其原理是将多幅待融合图像分解为小波系数，然后将不同尺度和方向上的小波系数进行融合，最后重构为融合后的图像。

小波变换

小波变换是一种时频分析工具，可以将信号分解为不同频率成分。在图像处理中，小波变换可以将图像分解为多个尺度和方向上的子带。小波系数是描述子带中信号幅度和频率信息的数值。

小波基系数的融合

小波基系数的融合涉及以下步骤：

1.小波分解：将待融合图像分解为多个尺度和方向上的小波系数。

2.系数融合：对每个尺度和方向上的小波系数进行融合。常用的融合规则包括：

-最大值规则：选择系数绝对值最大的子带作为融合后的系数。

-平均规则：计算子带系数的平均值作为融合后的系数。

-加权平均规则：根据每个子带的重要性赋予不同的权重，然后计算加权平均值作为融合后的系数。

3.小波重构：将融合后的系数重构回图像域，得到融合后的图像。

优缺点

优点：

*小波基系数融合能够充分利用不同图像的互补信息，提高融合效果。

*允许对融合过程进行灵活的控制，例如通过调整尺度和方向上的权重。

*适用于不同类型的图像融合，包括多光谱图像融合、医学图像融合和遥感图像融合。

缺点：

*融合过程可能比较复杂，需要选择合适的融合规则和权重。

*小波分解和重构会引入一定的计算开销。

*可能产生伪影，特别是当待融合图像之间存在较大差异时。

应用

小波基系数的图像融合已广泛应用于各种领域，包括：

*医学图像融合：改善医学诊断和治疗。

*遥感图像融合：提高卫星和航空图像的分辨率和信息含量。

*多光谱图像融合：增强多光谱图像中不同波段的互补信息。

*图像增强：提高图像的对比度、锐度和噪声抑制。第六部分小波基在医学图像增强中的应用关键词关键要点【小波基在医学图像增强中的脑部图像增强】

*小波基可以有效去除脑部图像中的噪声，提高图像对比度，增强图像细节。

*小波基可以对脑部图像进行多尺度分析，提取不同尺度的图像特征，有利于病变区域的检测和诊断。

*小波基可以利用图像的纹理信息，增强图像的边界和边缘信息，提高图像的可视化效果。

【小波基在医学图像增强中的肺部图像增强】

小波基在医学图像增强中的应用

小波基在医学图像增强中已成为一种有力的工具，它可以有效改善图像质量，凸显感兴趣区域，并便于随后的分析和诊断。

图像降噪

小波基变换可以有效去除医学图像中的噪声，同时保持图像中感兴趣区域的细节。这是因为小波基具有良好的时频局部化特性，可以很好地分离出不同尺度上的图像信息。

通过应用阈值化或软阈值化技术，可以去除噪声系数较小的低频小波系数和高频小波系数，保留图像中具有重要信息的较大系数，从而实现降噪。

图像增强

小波基变换还可以用于增强医学图像中感兴趣区域的对比度，这有助于改善诊断的准确性。

可以通过调整不同尺度上小波系数的幅度来实现增强。例如，放大低频系数可以增强图像中平滑区域的对比度，而放大高频系数可以增强图像中边缘和细节的对比度。

图像融合

小波基变换可以用于融合来自不同模态或不同时间的医学图像，以创建一个具有互补信息的综合图像。

通过在小波域中对不同图像的系数进行加权平均，可以创建融合图像，其中包含来自所有输入图像的重要信息。这可以显著提高诊断的准确性，特别是在不同模态提供互补诊断信息的情况下。

图像分割

小波基变换可以用于分割医学图像中的不同组织或器官，这是诊断和治疗规划中的一项关键任务。

由于小波基具有良好的边界检测能力，可以利用不同尺度上的小波系数来识别图像中组织或器官的边界。通过应用阈值化或区域生长算法，可以提取分割后的目标区域。

具体应用案例

*胸部X射线图像：小波基变换可以去除胸部X射线图像中的噪声，并增强肺部结节等感兴趣区域的对比度。这有助于提高结核病和肺癌等疾病的早期诊断。

*CT图像：小波基变换可以增强CT图像中软组织和骨骼结构之间的对比度。这有助于诊断骨科疾病，如骨折和骨肿瘤。

*MRI图像：小波基变换可以去除MRI图像中的噪声，并增强脑组织和血管等感兴趣区域的对比度。这有助于诊断神经系统疾病，如中风和脑肿瘤。

*超声图像：小波基变换可以去除超声图像中的斑点噪声，并增强组织边界和病变区域的对比度。这有助于诊断心脏病和妇科疾病。

优势

*良好的时频局部化特性：可以有效分离出不同尺度上的图像信息。

*强大的去噪能力：可以去除噪声，同时保持图像中感兴趣区域的细节。

*图像增强能力：可以增强医学图像中感兴趣区域的对比度，便于诊断。

*图像融合能力：可以融合来自不同模态或不同时间的医学图像，以创建一个具有互补信息的综合图像。

*图像分割能力：可以分割医学图像中的不同组织或器官，这对于诊断和治疗规划至关重要。

结论

小波基变换在医学图像增强中具有广泛的应用，可以显著提高图像质量，凸显感兴趣区域，并便于随后的分析和诊断。随着医学影像技术的不断发展，小波基变换将继续发挥重要作用，为医学图像处理和临床诊断提供新的解决方案。第七部分小波基在遥感图像增强中的应用关键词关键要点【小波基在遥感图像增强中的应用】

【趋势和前沿】：小波基在遥感图像增强中显示出巨大潜力，为提高空间分辨率、信噪比和可识别性提供了有价值的工具。

1.噪声去除：小波基的多尺度分析允许有效识别和分离图像中的噪声分量。通过选择适当的小波基，可以保留图像的边缘和纹理特征，同时去除噪声。

2.图像融合：小波基可以用于融合不同传感器或不同时序获取的图像，以增强图像的整体质量。通过在小波域中对图像进行加权平均或融合规则，可以保留每个输入图像中的互补信息，从而得到更清晰、信息更丰富的合成图像。

3.超分辨率重建：小波基的稀疏表示特性有利于超分辨率重建，即将低分辨率图像重建为高分辨率图像。通过对小波系数进行去噪和插值，可以恢复丢失的高频信息，增强图像的细节和纹理。

4.纹理增强：小波基可以用来增强图像的纹理特征，突出感兴趣区域。通过选择特定的小波基和分解层，可以有选择地对纹理分量进行放大，改善图像的可视化效果，便于识别和分析。

5.边缘检测：小波基的局部化特性使其成为图像边缘检测的有效工具。通过选择具有方向敏感性的滤波器，可以提取图像中的边缘，包括细微和高对比度的边缘，增强图像结构信息。

6.特征提取：小波基可以作为图像特征提取的强大工具。通过计算图像的小波系数，可以提取形状、纹理和空间关系等重要特征，为图像分类和目标识别任务提供有价值的信息。小波基在遥感图像增强中的应用

简介

遥感图像通常受噪声、模糊和光照不均匀等因素影响，降低了图像质量和可解释性。小波基是一种强大的图像处理工具，因其在处理多尺度信息方面的能力而被广泛应用于遥感图像增强。

小波基变换

小波基变换是一种数学变换，将图像分解为一系列低频和高频分量。低频分量捕获图像的整体结构，而高频分量表示细节和纹理。

图像去噪

小波基变换可用于有效去除遥感图像中的噪声。噪声通常表现为高频分量，因此可以通过阈值化或软阈值化高频系数来去除。阈值化的目的是将系数低于阈值的设置为零，而软阈值化则将系数缩减到阈值以下。

图像融合

小波基变换还可以用于融合来自不同传感器或模式的遥感图像。通过将不同分辨率或波段的图像分解为小波基系数，可以结合每个分量的优势信息，生成融合后的图像，具有增强的细节和空间分辨率。

图像锐化

小波基变换可用于锐化遥感图像，增强图像的细节和对比度。通过增强高频系数，可以突出图像中细微的结构和边缘。

光照校正

小波基变换还可以用于校正遥感图像中的光照不均匀性。通过对图像进行多尺度分解，可以分离图像的光照分量和反射分量，并重新调整光照强度，以获得均衡的照明条件。

图像配准

小波基变换可用于配准不同模式或来源的遥感图像。通过将图像分解为小波基系数，可以充分利用图像的局部特征，实现图像的精确配准。

实验结果

小波基变换在遥感图像增强中已取得了许多令人印象深刻的结果。例如：

*应用小波基去噪技术，可以有效去除高光谱遥感图像中的噪声，提高了图像质量和信噪比。

*利用小波基融合技术，可以将全色和多光谱图像融合在一起，生成具有高空间分辨率和丰富光谱信息的融合图像。

*通过小波基锐化技术，可以增强合成孔径雷达（SAR）图像的细节和纹理信息，提高了图像的可解释性。

*使用小波基光照校正技术，可以有效均匀遥感图像中的光照强度，提高了图像的视觉效果和可比性。

*借助小波基配准技术，可以将不同视角或来源的遥感图像配准在一起，实现图像的无缝拼接和叠加分析。

结论

小波基变换作为一种多尺度图像处理工具，在遥感图像增强中发挥着至关重要的作用。它能够有效去除噪声、融合图像、锐化细节、校正光照和配准不同模式的图像，从而极大地提高遥感图像的质量和可解释性，为遥感应用提供了强大的支持。第八部分二维小波基在图像增强中的展望关键词关键要点【融合多模态信息】

1.探索图像融合方法，利用不同模态信息（如多光谱、红外）增强图像信息。

2.开发融合小波基，融合不同模态图像的互补信息，提高图像质量。

3.优化融合策略，考虑图像噪声和特征提取，以获得更清晰、更丰富的增强图像。

【基于深度学习的小波变换】

二维小波基在图像增强中的展望

随着图像处理技术的高速发展，二维小波基在图像增强领域展现出广阔的应用前景，为实现更精准、高效的图像增强提供了强有力的工具。以下为二维小波基在图像增强中的展望：

1.噪声消除：

二维小波基具有出色的去噪能力。小波基变换可以将图像分解为不同尺度和方向的子带，而噪声通常集中在高频子带中。通过对高频子带进行软阈值去噪或非线性去噪，可以有效去除噪声，同时保留图像的边缘和纹理细节。

2.图像锐化：

二维小波基可以用于图像锐化，增强图像的边缘和特征信息。通过对低频子带进行小幅度锐化，同时抑制高频子带的噪声，可以有效提高图像的清晰度和对比度，改善图像的视觉效果。

3.边缘检测和分割：

小波基变换可以提取图像中的边缘信息。利用小波基的各向异性特征，可以检测不同方向的边缘和纹理结构。通过对边缘信息进行增强或抑制，可以实现图像分割，提取感兴趣的目标区域。

4.图像融合：

二维小波基在图像融合中发挥着重要作用。通过对不同图像进行小波基分解，提取各自的特征信息，然后在不同的子带上进行融合，可以生成包含两幅图像优势特征的融合图像，提高图像的质量和信息量。

5.图像超分辨率重建：

二维小波基可用于图像超分辨率重建，将低分辨率图像转换为高分辨率图像。通过多尺度小波基变换，可以提取图像中的低频和高频信息。然后，通过插值和反变换，可以恢复缺失的高频信息，提高图像的分辨率。

6.图像去模糊：

二维小波基可以用于图像去模糊，去除图像中的运动模糊或聚焦模糊。通过小波基变换，可以将模糊图像分解为不同尺度的分量。针对不同尺度的分量，使用不同的去模糊算法，可以有效恢复图像的清晰度。

7.图像压缩：

二维小波基可用于图像压缩，在保留图像质量的同时，大幅度降低文件体积。通过小波基变换，可以将图像分解为不同尺度的分量，并根据分量的重要性进行量化和编码。这样可以去除图像中的冗余信息，实现高效的图像压缩。

8.其他应用：

除了上述应用外，二维小波基在图像增强中还具有其他广泛的应用，包括：

*图像去斑

*图像对比度增强

*图像增强

*图像纹理分析

*图像分类

*图像检索

发展趋势：

未来，二维小波基在图像增强中