基于小波变换的图像增强
来源:用户上传
作者:
摘要：在一个图像系统中，从图像的获取，到图像的发送、传输、接收、输出（显示）和复制等等，每一个环节都会产生干扰，都会使图像质量降低。如何对这些“降质”图像进行处理，满足实际需要，是图像处理的基本要求。图像增强是图像处理主要内容之一。现有的图像增强方法有很多种，但它们在增强图像的同时，往往会带来了比较严重的负效应。
关键词：小波变换；图像增强；图像对比度增强
中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599 (2011) 22-0000-01
Image Enhancement Based on Wavelet Transform
Zhou Xu
（Wulanchabu Branch,Chian Tietong,Wulanchabu 012000,Chian）
Abstract:An image system consists of acquisition,transmission,
reception and display,and every part of them can come about disturbance which makes equality of image degradation de.Elementary requirement of image enhancement is how to deal with these degraded images to meet our need.One of main contents of image processing is image enhancement.Now,there are many methods of image enhancement,but they will more or less bring bad effects when enhancing images.
Keywords:Wavelet transform;Image enhancement;Image contrast enhancement
一、引言
人类依靠自身的器官获取有关世界的各种信息来认识世界。据统计在人类获取的信息中，听觉信息约占20%，视觉信息约占60%，其他味觉、触觉、嗅觉总的信息加起来不超过20%。可见，作为获取和传递信息的重要媒体和手段―图像信息是十分重要的。
二、小波变换的基本思想
小波变换（Wavelet Transform）是八十年代后期发展起来的应用数学分支，与Fourie：变换、窗口Fourie变换（Gabor）相比，小波变换是时域和频域的局部变换，因而能有效地从信号中提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度分析（Multiscale Analysis），解决了Fourie变换所不能解决的许多困难，因而小波变换被誉为“数学显微镜”。小波变换是调和分析发展史上里程碑式的进展，成为国际上众多研究和学科领域共同关注的热点，并在相关领域取得了重要成果。
三、基于小波分析的图像增强算法
在图像增强的同时应考虑到噪声问题，所以对小波分解后高频部分的处理很重要。为此，设计合适的增益函数是关键的一步。
考虑到处理计算的复杂度，将增益函数作了简单的分类：
第一类是简单的增益函数，即常数k （j表示小波分解的级数），如果考虑到每个高频，就对每个方向的高频采用不同的常数，采用k （j表示小波分解的级数，i表示分解后不同方向的高频，即水平、垂直和斜方向的高频）。
第二类是比较复杂的增益函数，有分段线性函数和非线性函数。这两种增益函数考虑到图像的对比度，增强了那些不太清楚的细节，而对于已经很清楚的图像细节却没有增强，这样，图像处理后的整体效果比较好。对于这两者的讨论会在下面的算法中有详细的叙述。
所以，根据处理高频的增益函数，可以将图像增强分为两种：线性增强和非线性增强。
（一）非线性增强算法。线性增强仅仅增强尖锐的边缘，没有充分利用图像显示设备的有效动态范围，很难检测出图像中不太明显但很重要的特征。下面，通过一个非线性函数解决这个问题。非线性增强可以看成小波系数的一个线性映射 线性增强可以看成非线性增强的一个特例。下面依次讨论非线性增强所涉及到的具体问题。
（二）增益函数的设计。增益函数的设计是非线性增强中最为关键的一步，直接影响到处理的结果。根据有关文献，结合仿真试验，总结出一个增强算子必须做到以下几点：低对比度的区域应该得到比高对比度区域更多的增强；同时，不会模糊原有的边缘细节，还应去掉图像中的噪声（至少不会放大图像的噪声），即将增强与去噪有机地结合起来。
四、总结和展望
小波分析自八十年代以来，已经发展成为一个重要的数学分支，建立了基础的理论体系，并在实际应用中取得了一定的成果。和数字图像处理结合，是小波分析研究领域的重要内容之一。其中，把小波分析应用于图像增强的研究比较少。本文就是把基于小波分析的多分辨增强和灰度增强应用于图像处理。
在Lifting Scheme的研究中，最初让人们感兴趣的是它的计算量比较小易于实现。但是，随着研究的逐步深入，人们逐渐发现在如何根据信号或图像的特点来自适应地选择小波基，有它的特别之处。
数字图像处理与分析一直是个具有广泛应用前景的领域，并不断取得有价值的成果。图像增强就是其中的一个部分，虽然它研究的比较早经典的理论与技术己经成形，现在研究的不是很多，但是随着新的研究工具（小波分析就是一例）的发展，再次引起人们的注意，图像增强的研究也就不断地向前发展。在有关图像的研究领域中，一个很重要的问题至今仍然没有很好的解决，那就是图像质量的评价指标，如何将图像的主观质量和客观指标有效地统一起来，即主观质量定量化问题。可喜的是，小波分析由于在时频分析中有着独特的魅力，所以它能将图像方面的时频刻画和人眼的视觉特性能有效地结合。因此，基于小波分析的图像质量指标值得进一步研究。
参考文献：
[1]赵荣椿.数字图像处理导论.西安:西北工业大学出版社,1995年3月
[2]阮秋琦.数字图像处理学.北京:电子工业出版社,2001年8月
[3]胡广书.数字信号处理.北京:清华大学出版社,1997年10月
转载注明来源:https://www.xzbu.com/8/view-8729712.htm
