数字图像增强算法分析(3)

%124%

交通科技与经济 第13卷

小得多,如果映射合适,总可以使得

k=0

i

r k

与 Q k=0

i+1

部分像素灰度级被均衡化分布,动态范围得到提高,大大改善了原始图像的对比度。高频部分fH(x,y)含有原始图像的少部分灰度信息,这少部分灰度信息包含着图像细节和图像噪声。

3)将低频信息和高频信息合并。将低频信息和高频信息进行合并,设合并后的图像为g(x,y),则

g(x,y)=f L(x,y)+fH(x,y),

由于

f L(x,y)=HE[fl(x,y)],

所以

g(x,y)=HE[fL(x,y)]+fH(x,y).(10)

合并后的图像g(x,y)与原始图像相比,既提高了整体图像的对比度,又强化了图像细节,但是含有高频部分的图像噪声。

4)将合并后的图像进行中值滤波。可对合并后的图像g(x,y)进行中值滤波,滤除图像中的噪声。中值滤波是一种非线性统计滤波器,是抑制噪声的非线性处理方法。它是从一维信号中的滤波技术&中值滤波技术发展而来的。对于一维信号,可以在图像画面中开一个一维的小窗口,使其包含奇数个像素。按像素的灰度值从小到大排列起来,然后用中间灰度值代替原排列的中间像素的灰度值。窗口然后从左到右移动,直到边界。窗口下移一行,再从左到右进行。2.3 分析比较

2.3.1 仿真实验结果分析

图4和图5是为了验证本文所述的处理方法对低对比度图像的增强效果而专门制作的CAD图像和RGB彩色图像。通过对比图(b)和图(c)可以发现,用本文所述的方法处理的图像,层次感的增强效果明显好于用直方图均衡化方法处理的结果,整体效果更是远比原始的直方图均衡化效果好的多[1 10]。

2.3.2 分析其优缺点

本文的均衡化算法在一定程度上改善了图像的整体效果,而且图像噪声的到了很好的抑制。图像在层次感上明显好于原图像,最大的有点就是在目视条件下图像的失真程度有所改善,使原图像的灰度丢失率明显下降。就这个效果来说这个算法可以用来处理一些曝光不足的照片,不过用这个处理照片的实用性还待考究,因为他需要相当的专业素养。但同时也有很大的不足之处,对灰度比较接近的图块之间的边界处的处理结果显示的不如原始直方图均衡化结果好。

(9)

r k

之间的差距相对变大。满足上述条件的映射关Q

系很多,本文采用对数映射关系,其作用是使得灰度变换函数中的

k=0

i

k

项尽可能分散开,从而使得变Q

换后的灰度也分散开,尽可能减少被周围灰度淹没的现象发生。

在传统算法中采用式(1)进行灰度转换,其灰度转换规则不能充分利用灰度的低值部分,如原始图像中的灰度为0,极易被转换成非0灰度值,且灰度为0的像素在原始图像中所占比重越大,其转换后的值也就越大。因此将转换规则修正为

i-1

fi=(n-1)%

Q=

k=0

r /Q-kk

r i,(6)

m-1k=0

r .

由式(6)所确定的灰度转换可以使转换后的灰度值分布于整个灰度空间,这样可以将原始图像中的最大灰度值和最小灰度值分别映射成0灰度值和图像格式可以提供的最大灰度值n-1,从而拓展了所使用的灰度空间。

第三步首先,用分频滤波器将图像分成低频和高频两个部分,只对低频分量进行直方图均衡化,然后,将处理过的低频部分和高频部分进行合并,再对合并后的信息进行中值滤波,去除噪声,得到最终增强的图像,既保留了图像整体对比度和细节信息,又去除了噪声放大的问题。

1)将原始图像分频。由于高斯低通滤波器在时域和频域上都具有比较好的平滑性能,因此,采用高斯低通滤波器对图像进行分频,这样不会导致图像的细微结构发生极性反转。设原始图像为f(x,y),经过分频处理后,图像f(x,y)被分为两部分:低频部分fL(x,y)和高频部分fH(x,y)。低频部分fL(x,y)含有原始图像的大部分灰度信息,高频部分fH(x,y)含有图像的少部分灰度信息。原始图像f(x,y)与低频部分fL(x,y)、高频部分f(x,y)间的关系可表示为

f(x,y)=fH(x,y)+fL(x,y).

(7)

2)将低频部分进行直方图均衡化。对低频部分fL(x,y)进行直方图均衡化(HE)处理。设均衡化之后的低频图像为f L(x,y),则

f L(x,y)=HE[fl(x,y)].

(8)

此时,低频图像f L(x,y)包含着的原始图像的大

H