图像增强包含哪些内容图像增强

图像增强的常用方法有哪些图像增强可分成两大类：频率域法和空间域法。
前者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。采用低通滤波（即只让低频信号通过）法，可去掉图中的噪声；采用高通滤波法，则可增强边缘等高频信号，使模糊的图片变得清晰。
后者空间域法中具有代表性的算法有局部求平均值法和中值滤波（取局部邻域中的中间像素值）法等，它们可用于去除或减弱噪声。
方法
图像增强的方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征，使图像与视觉响应特性相匹配。
在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。图像增强技术根据增强处理过程所在的空间不同，可分为基于空域的算法和基于频域的算法两大类。
灰度变换主要针对独立的像素点进行处理，由输入像素点的灰度值决定相应的输出像素点的灰度值，通过改变原始图像数据所占的灰度范围而使图像在视觉上得到改善。
1.1 线性灰度增强
线性灰度增强，将图像中所有点的灰度按照线性灰度变换函数进行变换。在曝光不足或过度的情况下，图像的灰度可能局限在一个很小的灰度范围内，这时图像可能会很模糊不清。利用一个线性单值函数对图像内的每一个像素做线性拓展，将会有效地改善图像的视觉效果。
图像增强的目的是图像增强就是指通过某种图像处理方法对退化的某些图像特征，如边缘、轮廓、对比度等进行处理，以改善图像的视觉效果，提高图像的清晰度，或是突出图像中的某些“有用” ，压缩其他“无用”信息，将图像转换为更适合人或计算机分析处理的形式。
图像增强可以分为两类：空间域法和频域法。
空间域可以简单地理解为包含图像像素的空间，空间域法是指空间域中，也就是图像本身，直接对图像进行各种线性或非线性运算，对图像的像素灰度值做增强处理。
频域法则是在图像的变换域中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。对其进行基于二维傅里叶变换的信号增强。
图像增强处理近年来,数字图像处理发展迅速,各种增强的方法层出不穷。以下仅介绍对地质应用较为有效的几种方法,其他方法可参考已出版的遥感数字图像处理的著作[3,4] 。
(一)反差增强
数字图像,从理论上讲,亮度取值范围可从0-255,但实际图像由于成像系统的特性、成像时的光照条件、以及像幅范围内地物间辐射差异的大小等各种原因,常常使大部分像元的亮度集中在比较窄的动态区间,致使图像的反差较小、色调单一(过“黑”或过“白”),难以从中区分出更多的地物信息,于是,改善和提高图像的对比度——反差增强,便成了数字图像增强首先遇到的一个问题。
反差增强也称反差扩展,或拉伸增强,是一种通过拉伸或扩展图像的亮度数据分布,使之占满整个动态范围(0—255),以达到扩大地物间亮度差异,分辨出尽可能多的亮度等级的一种处理技术。数字图像的亮度分布,一般可用一幅图像中不同灰级(亮度)像元所占的比例——直方图来表示(图版25) 。图4-15显示了一块占有8个灰级(0—7)的4×4小图像的直方图生成过程。可以看出它实际上是一种亮度分布函数(曲线) 。反差扩展归根到底就是通过改变这种分布曲线来达到增强的目的。
在反差扩展中,输出的像元值y,是输入的像元值(原图像)x的函数:
遥感地质学
按照函数关系的不同可有不同类型的扩展(见图4-16) 。在处理方法上可以分为两类,一类是使用函数变换对每个像元点进行变换处理,常用于有确定拉伸对象(地物目标)的情况下;另一类是改变像元间的亮度结构关系,即通过直方图调整改变图像的亮度结构。下面简单介绍实际操作中常用的几种方法。
图4-15 直方图制作示意图
图4-16 几种反差扩展
1.线性扩展
将原图像中像元的亮度按线性关系扩大,亮度扩展的范围可任意给定,具体应用时可选择图4-16A中各种不同的形式。一般来说,对整幅图像作全面而均匀的拉伸,可用简单线性扩展(图版27);当需要对某一灰度范围进行增强,可采用分段扩展。按给定的分段界限的不同,可扩展直方图中的任何一部分,但这种方法往往会造成分段点两侧亮度陡变,若分段点选择不当,还会歪曲地物的波谱特征,故在实际工作中应慎用。

图像增强包含哪些内容 图像增强

秒懂生活扩展阅读

图像增强包含哪些内容图像增强