3种不同灰度图像增强算法比对

在简要阐述直方图均衡化、平滑、锐化3种图像增强算法的基础上,分别用这3种算法处理灰度图像,比对它们对图像的处理效果,分析3种方法在图像增强处理能力的优劣之处。结果发现,直方图均衡化可以均衡图像的灰度等级,提高图像的对比度,但是图像的细节损失;图像平滑可以减少或消除图像的噪声,使图像突兀的地方变得不明显,但是会使图像模糊;图像锐化使图像的边缘、轮廓变得清晰,但是图像的信噪比有所下降。     

基于直方图的图像增强技术在图像处理中的应用

基于直方图的图像增强是图像处理中常用的一种技术,对改善图像的视觉特征具有很明显的效果。本文主要讨论了直方图均衡化和规定化技术的相关原理,同时以一组灰度图像为例,得到了MATLAB处理前后的对照图像及其直方图。从实验结果可以明显看出:均衡化处理后的图像视觉效果得到了很大程度的改善,原始图像密集的灰度分布变得比较均匀,图像对比度明显增强。直方图规定化使图像中原来看不清楚的细节变得容易观察,视觉冲击感加强。     

基于直方图均衡的导弹目标图像增强方法对比研究

针对雾霾、夜色等不利天气条件下,电视制导导弹获取的目标图像存在噪声大、对比度低、颜色失真、重要特征不明显等问题,采用直方图均衡化方法对导弹目标图像进行增强处理,分别使用常规直方图均衡化算法、局部直方图均衡化算法和对比度受限自适应直方图均衡化算法完成了导弹目标的图像增强。仿真结果显示,对比度受限自适应直方图均衡化算法在处理灰度图像方面效果良好,不仅能够增强图像对比度,同时保护图像中的一些细节,还能快速地完成对图像的处理,适用于导弹目标图像增强工作。     

一种改进的处理雾天降质图像的增强算法

子块部分重叠的局部直方图均衡算法(POSHE)用于雾天图像增强时,因为输出的图像亮度不可调整,致使有的图像处理后整体偏暗,部分细节不够清晰,为此,该文以POSHE为基础,利用抛物线直方图均衡化方法,实现雾天图像增强.实验表明该方法在对雾天降质图像处理时,可以达到局部细节清晰化和全局对比度增强的效果,并且亮度可方便调整.     

基于直方图变换的弹痕图像增强技术及实现

对弹痕图像比对和识别系统中的一个重要问题弹痕图像增强进行研究,给出了基于直方图的弹痕图像均匀化和规定化2种增强算法.实验结果显示,这种算法对于暗、弱信号的弹痕图像的目标识别和图像增强有着良好的处理效果,尤其是组映射规则的规定化交换算法可与设计良好的规定直方图相结合,可实现图像局部对比度的增强.使一些原本观察不到的细节能变得清晰可辨.     

X线医学图像的对比度增强方法与实现

在分析了直方图均衡化、规定化和局部对比度增强三种图像增强方法的基础上,将直方图规定化和局部对比度增强方法相结合,对X线医学图像进行增强处理．实验结果表明该方法的增强效果优于直方图均衡化、规定化处理方法的增强效果,既提高了图像的整体对比度,又突出了图像的局部细节．     

拓片、考古图片等的图像的复原

根据数字图像的基本原理,利用图像增强技术,在空域和频域中对图像进行处理.通过直方图均衡、带通滤波、亮度/对比度调节以及边缘检测等技术,对拓片、考古图片等图像进行复原处理.     

基于粒子群优化的红外图像增强方法

为解决低照度条件下红外图像边缘模糊、对比度差等问题,提出了一种红外图像增强算法。用粒子群优化算法(particle swarm optimization,PSO)结合伽马校正方法,将灰度标准方差融入评价函数,熵、边缘内容、灰度标准方差被用作每个粒子的目标函数,来评估所获得的红外图像增强结果,通过寻找最优伽马值对图像进行全局增强,实现了对红外图像的细节增强。实验结果表明,与传统直方图均衡(histogram equalization,HE)算法、自适应直方图均衡(adaptive histogram equalization,AHE)算法、限制对比度的自适应直方图均衡算法(contrast limited adaptive histogram equalization,CLAHE)相比,该算法的峰值信噪比(peak signal-to-noise ratio,PSNR)、均方误差(mean-square error,MSE)、结构相似性(structural similarity index,SSIM)指标为所有对比算法中最优,PSNR、SSIM分别提升了约56. 97%和18. 01%,SSIM优化了约18. 01%。通过该改进算法来处理红外图像,可以显著提高图像对比度,使图像细节更丰富,视觉效果得到很大改善。     

医学数字图像增强方法的研究

利用直方图均衡和小波变换对医学数字图像增强方法进行探讨和研究。实验结果表明，小波变换方法使原图像中较模糊、对比度差的细节得到增强，纹理清晰，层次感强，其处理结果优于传统的直方图均衡图像增强方法。     

一种改进的局部对比度图像增强算法

基于加权自适应直方图均衡法,本文提出了一种局部对比度增强算法.它既考虑了图像细节的增强,也考虑了噪声的抑制.针对图像中不同区域存在对比度差异的情况,通过参数设置使高对比度的区域细节增强较少,而低对比度的区域则加大增强细节的力度,从而改善图像视觉效果.由于在图像的增强处理过程中,忽略了对应于原图像中梯度小于某一域值ε的像素的计算,从而减少了图像增强需要的计算量.实验表明算法是有效的.     

一种改进的局部对比度图像增强算法

基于加权自适应直方图均衡法,本文提出了一种局部对比度增强算法.它既考虑了图像细节的增强,也考虑了噪声的抑制.针对图像中不同区域存在对比度差异的情况,通过参数设置使高对比度的区域细节增强较少,而低对比度的区域则加大增强细节的力度,从而改善图像视觉效果.由于在图像的增强处理过程中,忽略了对应于原图像中梯度小于某一域值ε的像素的计算,从而减少了图像增强需要的计算量.实验表明算法是有效的.     

一种用于夜间图像增强的算法

为了提高夜间图像的清晰度,文中提出了一种适用于此类图像增强的新算法,其特点为： １） 将对比度增强算法与直方图均衡算法级联,使得图中的局部信息与全局信息在增强时都能被利用; ２） 经对各种函数的实际处理效果进行比较,提出了一个适合夜间图像增强的对比度变换函数。实践证明新方法在处理夜间图像时能得到比较理想的结果     

基于直方图均衡与小波变换的超声图像增强

针对超声图像对比度低、成像质量差的问题,提出了一种基于小波变换的直方图均衡算法,用于超声图像对比度增强,并使信息熵有很大提高。直方图均衡可以使图像灰度分布接近均匀,提高图像对比度,但图像的信息量会有一定程度的损失。本算法首先对图像作直方图均衡,然后通过对小波变换的一级或二级近似系数的非线性增强处理,使图像灰度分布更加均匀,损失的信息熵也得到很大提高。通过多幅的超声图像的实验结果证明,该算法效果明显,处理后的图像细节清晰可辨,边界信息也得到了保留。该算法对于超声图像临床视觉检查,以及图像目标识别、组织分割等都有很大好处。     

基于MATLAB的图像增强技术的研究

图像增强的目的是要改善图像的视觉效果,加强图像判读和识别效果,满足某些特殊分析需要。MATLAB实现图像增强方式分为空域法和频域法,阐述了对比度增强、直方图均衡化、巴特沃斯滤波等方法,并进行了对比。图像经过处理之后,提高视觉效果,突出重要位置并弱化不需要的细节,使计算机容易处理。     

基于CLAHE的X射线行李图像增强

提出了一种基于对比度受限自适应直方图均衡化(CLAHE)的X射线行李图像增强算法.首先使用一种背景区域快速填充方法降低背景噪声的干扰,然后采用CLAHE技术增强图像的对比度,最后采用一套组合锐化方案增强图像的细节.实验结果表明,使用所提方法能够快速有效地增强X射线行李图像的对比度,突出行李物品的细节.     

一种改进的基于频域的红外图像细节增强方法

在传统红外图像增强算法的基础上,给出了一种红外图像细节增强方法,以加强红外图像的细节特征,提高图像的识别精度.首先,对原始红外图像进行傅立叶变换,然后通过频域高斯滤波及反傅立叶变换得到低频图像和高频图像;其次,对低频图像采用对比度受限的自适应直方图均衡处理得到低频增强图像,对高频图像进行非锐化掩蔽及灰度变换得到高频增强图像;最后,将低频增强图像与高频增强图像进行加权融合,实现对红外图像的细节增强.     

基于空间变换和直方图均衡的彩色图像增强方法

提出了一种基于空间变换和直方图均衡的彩色图像增强方法。该方法首先将彩色图像从RGB空间转换到HSI空间,然后在I空间使用对比度受限的局部直方图均衡方法进行图像增强。通过仿真实验证明,该方法既能最大程度的保留彩色图像的色彩信息,又能提高彩色图像对比度,并凸显细节。     

基于局部信息的图像增强方法研究

在图像处理过程中,使用直方图均衡化、全局对比度拉伸等基于图像全局信息的图像增强算法,难以实现图像局部细节对比度的增强,即不能实现物体轮廓的增强。为此,本文主要对基于局部直方图均衡化、Lee算法的图像局部增强算法和MSR算法进行研究,通过算法的改进来实现图像局部增强的效果。     

一种非均匀照明彩色图像自适应校正方法

为解决非均匀照明条件下彩色图像亮度不均、细节丢失、对比度低等问题,提出一种非均匀照明彩色图像自适应校正方法研究非均匀照明图像的自适应增强.首先,提出一种双伽马校正直方图均衡(bilateral Gamma adjustment histogram equalization,BIGAHE)算法处理HSV颜色空间的V通道,来调整图像全局对比度和亮度,同时使用构建的自适应拉伸函数对S通道进行非线性拉伸以提高图像整体饱和度,然后利用对比度受限的自适应直方图均衡算法(contrast limited adaptive histo-gram equalization,CLAHE)对L?a?b?颜色空间中L?通道进行局部对比度增强,得到最终增强图像.实验结果表明,与现有流行的图像增强方法相比,该算法的平均梯度(mean gradient,MG)、熵(entropy)指标为所有对比算法中最优,对比度改善指数(contrast improvement index,CII)在所有方法中排名第二.可见该算法能够有效提高非均匀照明图像亮度和对比度,提供更多的细节增强,同时避免过度增强,保持图像的自然性,获得更好的增强效果.     

人眼视觉特性与粗糙集结合的X射线图像增强算法

针对X射线图像的低亮度及噪声造成的图像对比度差和图像模糊的问题,提出了一种采用粗糙集理论和人眼视觉系统特性的图像增强算法(HREM).先将原始图像进行灰度拉伸,再结合人眼视觉系统特性,利用粗糙集理论将图像分成边缘细节图像和平滑图像,然后对边缘细节图像做指数变换增强,对平滑图像做直方图均衡化,最后将处理好的两子图进行重叠,同时消除重叠后图像的随机脉冲噪声.实验结果表明,HREM方法不仅能较好地保持图像的边缘细节信息,有效地增强原图像的对比度,而且消噪能力强,整体视觉效果好.