图像增强算法综述【文献综述】

《图像增强算法综述【文献综述】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

毕业论文文献综述电子信息工程图像增强算法综述摘要：在当今生活中图像处理技术得到了广泛的应用，如军事，医学成像和视频监控等领域，但在有些应用中，图像的质量会有所下降，有些无法看清楚细节而有些连概貌都无法看清。所以，在对图像进行分析之前，必须先对图像质量进行改善，一般来说改善的方法有两种：图像增强和图像复原。图像处理的方法有许多种，往往结合各种处理方法才能得到需要的效果。本文阐述了图像增强技术的概念，应用以及各种实现方法，图像增强是一种重要预处理手段，它的速度快，计算量大，能改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，改善图像质量、丰富信息量。在现实的处理中，受到了越来越多的关注。关键词：图像处理；图像增强；FPGA1图像处理的概述图像处理是指用计算机对图像进行去噪、分类、识别、复原、校正、增强以及统计分析等加工的技术过程[1]。有时在图像的传输和转换中会有噪声，严重影响了图像的质量和观看效果，所以去噪是很有必要的[2，5]。低通滤波法可以去除图中的噪声，高通滤波法可以增强边缘高频信号，使图像变得清晰，图像去噪效果如图1所示。图1图像去噪效果图像复原是对的扫描线漏失、错位等的改正，把图像重建成理想图像的过程。图像复原过程如图2所示。 图2复原后的图片图像处理一般指的是数字图像处理。如用扫描仪经过采样和数字化处理后得到的一个大的二维数组则为数字图像，数组的元素称为像素，他的值叫做灰度值，是一个整数。图像处理的内容包括图像压缩，增强复原，匹配描述和识别。其中图像增强、图像编码、图像复原、图像数字化、图像分割和图像分析等都属于图像处理。图像处理的每个内容之间都是相互有联系的。一种图像处理系统往往需要结合运用几个图像处理技术才能得到有用的处理结果。2图像增强的定义图像增强是指增强图像中有用的信息，能使模糊的图像变得清晰,增加对比度，丰富信息量，修正几何畸变，改善图像的效果，针对某些场合。有目的的调整图像整体或局部的特性，突出了一些有用的特性，并使图像变得清晰，或把图像转换为比较适合人或机器分析的形式[4]，图像增强效果如图3所示。图3图像增强效果增强数位影像从而提取真实图像是在一些应用中的目标，这种转变被称为图像增强。在图像的增强中，并不要求忠实的反应原始图像[5]。图像增强可以使人们看到的图像质量变好，但是不一定追究图像质量下降的原因。图像增强的通用理论是不存在的，由于接受者是人，处理结果的质量主要取决于人们的心理、爱好、文化素养等因素，对于结果的评价是相对的，所以对图像质量的评价是非常主观的[6]。常用的增强方法有许多种。2.1灰度等级直方图处理可以使加工后的图像在某一灰度范围内有更好的对比度；当目标轮廓不清，且提取困难时可使图像灰度级的动态范围增大，使轮廓变得清晰[7]，对比度增大，使背景和目标的区别变大，从而使背景图像分离出来进行处理。直方图均衡化的对比效果如图4所示。原始图像直方图均衡化后原始图像直方图均衡化后直方图图4直方图均衡化的对比效果 从上述效果图可以看出虽然图像变清晰了，直方图分布更均匀了，在每个灰度级上图像都有像素点。但是直方图均衡化存在着两个缺点[8]：1、变换后图像的灰度级减少，某些细节消失。2、某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。2.2干扰抑制通过低通滤波、多图像平均、施行某类空间域算子等处理，抑制叠加在图像上的随机性干扰。如基于图像处理的微分梯度方法预先对数字全息图进行空间域的图像增强操作可以消除全息再现时的零级衍射的干扰[9]。2.3边缘锐化通过高通滤波、差分运算或某种变换，使图形的轮廓线增强，也增强了灰度跳变的部分。使图像变得清晰。图像变得模糊，有的是因为受到了平均或积分运算因此，逆运算可以使图像变得清晰，如微分运算。高频分量的衰退也会导致图像模糊，所以高通滤波器可以使图像增强。图像锐化对比如图5所示。图5图像锐化对比2.4伪彩色处理处理灰度图像，然后对各个像素点的灰度值做进一步为彩色变换，使黑白图像转换为彩色图像，从而使人们易于分析和检测图像包含的信息。由于计算机可以分辨上千种色彩而人眼只能分辨二十几种色彩。伪彩色处理可以使人眼接收到的信息量变多，这是一种视觉效果明显又不太复杂的图像增强技术。伪彩色处理技术不仅适用于航空摄影和遥感图像，也可以用于X光片和云图的判读等处理中[10]。3图像增强的原理原始图片直方图均衡化后频域低通滤波后滤波处理后图6处理过程 图像增强可以解决原始图像边缘模糊，对比度低等问题。图像处理中的变换属于图像输入—图像输出模式，而在图像分析中的操作属于图像输入—数字信息输出模式。而图像处理技术基本与图像生成的过程无关。用频域或空间域都可以进行图像增强的处理。问题不同应该用不同的处理方法，大多数频域处理都可以转换成空间域的卷积，他们是同理的。图像增强与感兴趣的物体的特性与观察者的习惯有很强的针对性[11]。其处理过程效果如图6所示。3.1频域处理频域处理法就是在某种变换域内，对图像的变换值进行运算，然后通过逆变换获得图像增强的效果用直方图增强处理是典型的频域方法，适用于软件系统实现。用频域法是把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强[12]。利用频域处理速度快但需要较好的数学功底。如下式f(x,y)是输入图像函数，F(u，v)是f(x,y)变换后的函数，G(u，v)是频域处理后的函数，g(x,y)是G(u，v)反变换后的函数。输入f(x,y)正变换F(u，v)频率域处理G(u，v)反变换输出g(x,y)3.2空间域处理硬件处理适合用空间域处理。空间域处理是非常直观的，容易理解，但是速度比较慢，空间域算法中局部求平均值法和中值滤波法可以减弱或消除噪声。空域算法有点运算算法和邻域去噪算法。空间域处理可由下式定义[13]：G(x,y)=T[f(x,y)}]f(x,y)是输入图像，G(x,y)是处理后图像。T是对f的一种操作。其定义在(x,y)的领域。另外T能对输入图像进行操作[13]。输入f(x,y）空域处理输出G(x,y)3.2.1点运算算法点运算算法就是灰度级校正、灰度变换和直方图修正等，可以使图像成像均匀，增强对比度，并扩大动态范围。点运算可以用下式表示，其中A（x,y）是原图像像素点灰度值，B(x,y)是变换后图像像素点灰度值。F(D)是灰度变换函数。B(x,y)=f[A（x,y）]3.2.2邻域增强算法邻域增强算法分为图像平滑和锐化两种。平滑用于消除噪声，但是容易使边缘模糊，常用算法有均值滤波和中值滤波。而锐化可以突出图像的边缘，使之便于识别。常用算法有梯度法、算子、高通滤波、掩模匹配法、统计差值法等。3.3频域和空间域结合 空间域算法是直接在图像所在的空间里进行处理的，而频率域是原空间的图像转到其它空间，然后按该空间的特性进行处理，最后再转回原空间[13]。而结合两种方法比用任何一种方法的效果都要好。4图像增强的实现通过一些手段对图像附加一些信息或变换数据，突出一些需要的特征并掩饰不需要的特征，使图像与视觉响应特性相匹配，这就实现了图像的增强。4.1DSP的实现用DSP来实现图像增强需要利用仿真器，从PC机中读入原始图像，将图像数据存入到DSP指定的单元中，然后初始化图像，再对图像的每个像素进行统计，然后得到原图像的直方图。然后进行直方图的调整，计算出新的直方图数据，最后把该直方图映射到新的存储空间。这样就完成了图像的增强，流程图如图7所示。图7流程图4.2FPGA的实现FPGA的并行处理方式和“流水线”结构非常适合用于图像处理，并且，其强大的编程和逻辑功能可以进行灰度拉升、平滑滤波、递归降噪以及灰度的变换等图像处理，实现视频图像的去噪和增强。所以，现在使用FPGA来实现图像处理的设计非常普遍[14]。如利用FPGA实现图像直方图均衡化流程如图8所示。图8流程图 首先统计原始图像的各级灰度值在FPGA内部使用blockram定义一个256字节的sram区域作为灰度记数表去统计每一级的灰度值，接着做灰度映射，把结果存到另一个256字节的sram区域这样就可以把灰度值映射到新的灰度级上[15]。5各种实现的比较用DSP来实现图像增强可以使硬件设备简单,实时性强，能够在一些便携式图像采集设备中得到应用，利用DSP芯片进行处理硬件电路简单且功耗较低，适合用于图像的预处理等过程[15]。FPGA有着高速并行，可重配置的架构和基于查找表的独特结构等优点，且具有丰富的寄存器资源，可满足高速系统的设计[14]拥有较高的密度和容量，还具有I/O多、功耗低等优点，但是他的布线复杂，导致时序延迟，只呈非固定式，延迟时间较长其功耗较大。总的来说每种方法都有其独特的优势和缺点，在实际应用中需要我们更具现实的情况采取最合适的方法来达到预期的效果。6总结通过学习了各种图像增强的算法，使我有了较深刻的概念，经过对几种图像增强算法的比较，我们了解了各种方法的优势与弱势，在今后处理图像的时候，我们可以灵活运用，结合各种算法的特点，取长补短，突破成规，使我们的成果更加具有实用性。参考文献[1]容观澳.计算机图像处理[M].北京:清华大学出版,2000,4.[2]边锋,陈兆峰，张士凯.图像的小波分析去噪[J].电脑应用技术,2008,74(5):12-14.[3]姚若河,黄继武.改进的直方图均衡化图像增强算法[J].铁道学报,1997,5(32):89-90.[4]4H.R.Tizhoosh1,G.Krell1,B.Michaelis1.LocallyadaptivefuzzyimageenhancementComputationalIntelligenceTheoryandApplications[J].1997,9,(7):94-105.[5]M.Chandrashekar,U.NareshKumar,K.SudershanReddy.InternationalJournalofElectronicEngineeringResearchISSN[J]2009,1(3):279-285.[6]万辉,杨有.一种改进的局部对比度图像增强算法[J].重庆文理学院学报(自然科学版)2007,1(3):56-57.[7]张建斌.高炮实弹射击中目标的自动提取[J].山西电子技术,2008,6(8):37-40.[8]曹叶,戎蒙恬.基于直方图均衡的图像增强及其FPGA实现[J].嵌入式应用,2005,7(3):45-48.[9]曾然,赵海发,刘树田.数字全息再现像中零级干扰噪声消除及图像增强研究[J].光子学报,2004,8(33):10-11.[10]李全越,王芳.图像的伪彩色处理[J].北大医学数字图像处理,2008,5(22):12-14. [11]刘春香,李洪.实时图像增强算法研究[J].中国光学和应用光学,2009,10(2):25-27.[12]刘锦辉,彭良玉,刘美华.基于Matlab的图像增强与复原技术在SEM图像中的应用[J],现代电子技术，2010,2(3):39-42.[13]许炜军,刘国中.空间域和频域相结合的图像增强技术及实现[J].中国测试,2009,7(4):35-36.[14]罗军,肖芳,毛雪莹.基于FPGA的方向滤波指纹图像增强算法实现[D].武汉:武汉大学硕士论文，2010.[15]邓恒淹.基于直方图均衡化图像增强的DSP实现[D].徐州:中国矿业大学硕士论文，2010.6.