多分辨率图像增强技术研究与实现(8)

图像增强

多分辨率图像增强技术研究与实现

而模板运算是在每个像素点的邻域内进行的。

点运算中效果比较好的是直方图均衡化，它是统计意义上的增强方法，对于成像过程中曝光不足或者曝光过度造成的图像明显偏暗或偏亮等现象，有很好的效果。图像的灰度直方图是图像中各像素对应的灰度等级分布的近似概率密度函数。灰度直方图均衡化是经典的图像增强技术，其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其灰度分布成为均匀或基本均匀的。直方图均衡化的意义是：通过处理以后使得分布在每一个灰度等级上的像素个数相等或基本相等。但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果；而且，当灰度直方图有多个波峰时，它将使图像增强过度，使得输出图像有较严重的噪声出现。为此，史延新提出了变换的直方图均衡算法”１，有效拟制了传统直方图均衡化图像在高灰度区使人眼感觉过亮的问题。张懿为了改善直方图均衡对低灰度层密集分布图像的处理效果，通过分析图像直方图均衡理论对同一灰度像素在处理后映射到同一灰度的过程中存在的理论缺陷，提出了一种高效的、自适应的算法…，该算法首先对图像进行常规的直方图均衡处理，然后对处理后所形成的图像灰度在一个较大的灰度范围内进行映射，保证变换后的图像有较大的灰度动态范围，最后对结果进行适当的亮度修正，保证变换图像整体有较高的对比度，便于观察图像的细节。通过实验证明，改进后的算法可以明显地改善直方图均衡处理低灰度层密集分布图像的效果，同时具有较高的算法效率，适合在实时图像处理系统中采用。

灰度变换，简而言之就是改变灰度的动态范围，从而增强某些灰度级的细节部分。变换函数包括：线性函数、分段线性函数和非线性函数等。函数的选择取决于具体的成像系统和应用场合。

灰度级校正是针对成像过程中受到光照、光学系统等的不均匀性影响导致某些部分较暗或较亮的图像，具体的方法如下：

设原来的图像为ｆ（ｘ，Ｙ），不均匀降质图像为ｇ（ｘ，Ｙ），代表降质性质的函数为ｅ（ｘ，ｙ）。则降质过程可以描述为

ｇ（ｘ，Ｊ，）＝ｅＣｘ，ｙ）ｆ（ｘ，），）（卜１）所以，只要获得降质函数，就不难重建原来的图像。最简单的方法是用一个灰度级全部为常数Ｃ的图像来标定测量此降质系统的降质函数，即假设此降质系

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新人文社科多分辨率图像增强技术研究与实现(8)全文阅读和word下载服务。