圖像增強(qiáng)的定義

圖像增強(qiáng)是采用一系列技術(shù)去改善圖像的視覺效果,或?qū)D像轉(zhuǎn)換成一種更適合于人或機(jī)器進(jìn)行分析和處理的形式。例如采用一系列技術(shù)有選擇地突出某些感興趣的信息，同時抑制一些不需要的信息，提高圖像的使用價值。

圖像增強(qiáng)方法

圖像增強(qiáng)方法從增強(qiáng)的作用域出發(fā)，可分為空間域增強(qiáng)和頻率域增強(qiáng)兩種。

空間域增強(qiáng)是直接對圖像各像素進(jìn)行處理；

頻率域增強(qiáng)是對圖像經(jīng)傅立葉變換后的頻譜成分進(jìn)行處理，然后逆傅立葉變換獲得所需的圖像。

注：傅立葉變換常用于將圖像由空間域變換為頻率域，詳見：數(shù)字圖像處理（三）—— 圖像變換原理分析

一、圖像增強(qiáng)的點(diǎn)運(yùn)算

（一）灰度變換

灰度變換可調(diào)整圖像的灰度動態(tài)范圍或圖像對比度，是圖像增強(qiáng)的重要手段之一。

1. 線性變換

令圖像f(i，j)的灰度范圍為[a,b]，線性變換后圖像g(i，j)的范圍為[a′,b′]，如圖，g(i，j)與f(i，j)之間的關(guān)系式為

在曝光不足或過度的情況下，圖像灰度可能會局限在一個很小的范圍內(nèi)。這時在顯示器上看到的將是一個模糊不清、似乎沒有灰度層次的圖像。
下圖是對曝光不足的圖像采用線性變換對圖像每一個像素灰度作線性拉伸?？捎行У馗纳茍D像視覺效果。

2. 分段線性變換

為了突出感興趣目標(biāo)所在的灰度區(qū)間，相對抑制那些不
感興趣的灰度區(qū)間，可采用分段線性變換。

設(shè)原圖像 $f(x,y)$ 在,感興趣目標(biāo)的灰度范圍在 $[a,b]$ ,欲使其灰度范圍拉伸到 $[c,d]$ ,則對應(yīng)的分段線性變換表達(dá)式為

通過細(xì)心調(diào)整折線拐點(diǎn)的位置及控制分段直線的斜率，可對任一灰度區(qū)間進(jìn)行拉伸或壓縮

顯示案例：

3. 非線性灰度變換

當(dāng)用某些非線性函數(shù)如對數(shù)函數(shù)、指數(shù)函數(shù)等，作為映射函數(shù)時，可實現(xiàn)圖像灰度的非線性變換。

對數(shù)變換

對數(shù)變換的一般表達(dá)式為

這里 a,b,c 是為了調(diào)整曲線的位置和形狀而引入的參數(shù)。當(dāng)希望對圖像的低灰度區(qū)較大的拉伸而對高灰度區(qū)壓縮時，可采用這種變換，它能使圖像灰度分布與人的視覺特性相匹配

指數(shù)變換

指數(shù)變換的一般表達(dá)式為

這里參數(shù)a,b,c用來調(diào)整曲線的位置和形狀。這種變換能對圖像的高灰度區(qū)給予較大的拉伸。

（二） 直方圖修整法

灰度直方圖反映了數(shù)字圖像中每一灰度級與其出現(xiàn)頻率間的關(guān)系,它能描述該圖像的概貌。通過修改直方圖的方法增強(qiáng)圖像是一種實用而有效的處理技術(shù)。

直方圖修整法包括直方圖均衡化及直方圖規(guī)定化兩類。

1. 直方圖均衡化

直方圖均衡化是將原圖像通過某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方法。

設(shè)r和s分別表示歸一化了的原圖像灰度和經(jīng)直方圖修正后的圖像灰度。即

在[0,1]區(qū)間內(nèi)的任一個r值，都可產(chǎn)生一個s值，且

T?作為變換函數(shù)，滿足下列條件：
① 在 $0\le r\le 1$ 內(nèi)為單調(diào)遞增函數(shù)，保證灰度級從黑到白的次序不變；
② 在 $0\le r\le 1$ 內(nèi)，有 $0\le T(r)\le 1$ ，確保映射后的像素灰度在允許的范圍內(nèi)。

反變換關(guān)系為

由概率論理論可知，如果已知隨機(jī)變量r的概率密度為
$p_r(r)$,而隨機(jī)變量 $s$ 是 $r$ 的函數(shù)，則 $s$ 的概率密度$p_s(s)$可以由$p_r(r)$求出。

假定隨機(jī)變量s的分布函數(shù)用$F_s(s)$表示，根據(jù)分布函數(shù)
定義

利用密度函數(shù)是分布函數(shù)的導(dǎo)數(shù)的關(guān)系，等式兩邊對s求導(dǎo)，有：

可見，輸出圖像的概率密度函數(shù)可以通過變換函數(shù)$T(r)$控制原圖像灰度級的概率密度函數(shù)得到,因而改善原圖像的灰度層次,這就是直方圖修改技術(shù)的基礎(chǔ)。

從人眼視覺特性來考慮，一幅圖像的直方圖如果是均勻分布的，即 $P_s(s)=k$ (歸一化時 $k=1$ )時，該圖像色調(diào)給人的感覺比較協(xié)調(diào)。因此將原圖像直方圖通過 $T(r)$ 調(diào)整為均勻分布的直方圖，這樣修正后的圖像能滿足人眼視覺要求。

因為歸一化假定

有

兩邊積分得

上式表明，當(dāng)變換函數(shù)為r的累積直方圖函數(shù)時，能達(dá)到直方圖均衡化的目的。

對于離散的數(shù)字圖像，用頻率來代替概率,則變換函數(shù) $T(r_k)$ 的離散形式可表示為:

上式表明，均衡后各像素的灰度值 $s_k$ 可直接由原圖像的直方圖算出

一幅圖像的 $s_k$與 $r_k$ 之間的關(guān)系稱為該圖像的累積灰度直方圖。

直方圖均衡化示例

2. 直方圖規(guī)定化

在某些情況下，并不一定需要具有均勻直方圖的圖像，有時需要具有特定的直方圖的圖像，以便能夠增強(qiáng)圖像中某些灰度級。

直方圖規(guī)定化方法就是針對上述思想提出來的。直方圖規(guī)定化是使原圖像灰度直方圖變成規(guī)定形狀的直方圖而對圖像作修正的增強(qiáng)方法。

可見，它是對直方圖均衡化處理的一種有效的擴(kuò)展。直方圖均衡化處理是直方圖規(guī)定化的一個特例。

對于直方圖規(guī)定化，下面仍從灰度連續(xù)變化的概率密度函數(shù)出發(fā)進(jìn)行推導(dǎo)，然后推廣出灰度離散的圖像直方圖規(guī)定化算法。

假設(shè) $p_r(r)$和 $p_z(z)$ 分別表示已歸一化的原始圖像灰度分布的概率密度函數(shù)和希望得到的圖像的概率密度函數(shù)

首先對原始圖像進(jìn)行直方圖均衡化，即求變換函數(shù)：

假定已得到了所希望的圖像，對它也進(jìn)行均衡化處理，即

它的逆變換是

這表明可由均衡化后的灰度得到希望圖像的灰度。
若對原始圖像和希望圖像都作了均衡化處理，則二者均衡化的 $p_s(s)$ 和 $p_v(v)$ 相同，即都為均勻分布的密度函數(shù)。

由 $s$ 代替 $v$ 得 $z=G^{?1}(s)$

這就是所求得的變換表達(dá)式。根據(jù)上述思想，可總結(jié)出直方圖規(guī)定化增強(qiáng)處理的步驟如下：

①對原始圖像作直方圖均衡化處理；
②按照希望得到的圖像的灰度概率密度函數(shù) $p_z(z)$，求得變換函數(shù) $G(z)$ ；
③用步驟①得到的灰度級 $s$ 作逆變換 $z=G?1(s)$ 。

經(jīng)過以上處理得到的圖像的灰度級將具有規(guī)定的概率密度函數(shù) $p_z(z)$ 。

采用與直方圖均衡相同的原始圖像數(shù)據(jù)（64×64 像素且具有8 級灰度），其灰度級分布列于表中。給定的直方圖的灰度分布列于表中。 對應(yīng)的直方圖如下：

利用直方圖規(guī)定化方法進(jìn)行圖像增強(qiáng)的主要困難在于要構(gòu)成有意義的直方圖。圖像經(jīng)直方圖規(guī)定化，其增強(qiáng)效果要有利于人的視覺判讀或便于機(jī)器識別

圖?、? 是將圖像 (A) 按圖 (b) 的直方圖進(jìn)行規(guī)定化得到的結(jié)果及其直方圖。通過對比可以看出圖 ? 的對比度同

圖（B) 接近一致，對應(yīng)的直方圖形狀差異也不大。這樣有利于影像融合處理，保證融合影像光譜特性變化小。

二、圖像的空間域平滑

任何一幅原始圖像，在其獲取和傳輸?shù)冗^程中，會受到各種噪聲的干擾，使圖像惡化，質(zhì)量下降，圖像模糊，特征淹沒，對圖像分析不利。

為了抑制噪聲改善圖像質(zhì)量所進(jìn)行的處理稱圖像平滑或去噪。它可以在空間域和頻率域中進(jìn)行。本節(jié)介紹空間域的幾種平滑法。

（一）局部平滑法

局部平滑法是一種直接在空間域上進(jìn)行平滑處理的技術(shù)。假設(shè)圖像是由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關(guān)性，而噪聲則是統(tǒng)計獨(dú)立的。因此，可用鄰域內(nèi)各像素的灰度平均值代替該像素原來的灰度值，實現(xiàn)圖像的平滑。

設(shè)有一幅 $N\times N$ 的圖像 $f(x,y)$，若平滑圖像為 $g(x,y)$ ,則有

式中 $x,y=0,1,\dots ,N?1$ ；
$s$ 為$（x,y）$鄰域內(nèi)像素坐標(biāo)的集合；
M表示集合s內(nèi)像素的總數(shù)。

可見鄰域平均法就是將當(dāng)前像素鄰域內(nèi)各像素的灰度平均值作為其輸出值的去噪方法。

例如，對圖像采用 $3\times 3$ 的鄰域平均法，對于像素$（m,n)$ ，其鄰域像素如下：

其作用相當(dāng)于用這樣的模板同圖像卷積。

設(shè)圖像中的噪聲是隨機(jī)不相關(guān)的加性噪聲，窗口內(nèi)各點(diǎn)噪聲是獨(dú)立同分布的，經(jīng)過上述平滑后，信號與噪聲的方差比可望提高M(jìn)倍。

這種算法簡單，但它的主要缺點(diǎn)是在降低噪聲的同時使圖像產(chǎn)生模糊，特別在邊緣和細(xì)節(jié)處。而且鄰域越大，在去噪能力增強(qiáng)的同時模糊程度越嚴(yán)重。

為克服簡單局部平均法的弊病，目前已提出許多保邊緣、細(xì)節(jié)的局部平滑算法。它們的出發(fā)點(diǎn)都集中在如何選擇鄰域的大小、形狀和方向、參加平均的點(diǎn)數(shù)以及鄰域各點(diǎn)的權(quán)重系數(shù)等，下面簡要介紹幾種算法。

1. 超限像素平滑法

對鄰域平均法稍加改進(jìn)，可導(dǎo)出超限像素平滑法。它是將 $f(x,y)$ 和鄰域平均 $g(x,y)$ 差的絕對值與選定的閾值進(jìn)行比較，根據(jù)比較結(jié)果決定點(diǎn)$（x,y）$的最后灰度$g\prime (x,y)$ 。
其表達(dá)式為

這算法對抑制椒鹽噪聲比較有效，對保護(hù)僅有微小灰度差的細(xì)節(jié)及紋理也有效?？梢婋S著鄰域增大，去噪能力增強(qiáng)，但模糊程度也大。 同局部平滑法相比，超限像元平滑法去椒鹽噪聲效果更好

2. 灰度最相近的K個鄰點(diǎn)平均法

該算法的出發(fā)點(diǎn)是：在n×n的窗口內(nèi)，屬于同一集合體的像素，它們的灰度值將高度相關(guān)。因此，可用窗口內(nèi)與中心像素的灰度最接近的K個鄰像素的平均灰度來代替窗口中心像素的灰度值。這就是灰度最相近的K個鄰點(diǎn)平均法。

較小的K值使噪聲方差下降較小，但保持細(xì)節(jié)效果較好；而較大的K值平滑噪聲較好，但會使圖像邊緣模糊。

實驗證明，對于3×3的窗口，取K=6為宜。

3. 最大均勻性平滑

為避免消除噪聲引起邊緣模糊，該算法先找出環(huán)繞圖像中每像素的最均勻區(qū)域，然后用這區(qū)域的灰度均值代替該像素原來的灰度值

4. 有選擇保邊緣平滑法

該方法對圖像上任一像素 $(x,y)$ 的5×5鄰域，采用9個掩模，其中包括一個 3×3 正方形、4 個五邊形和 4 個六邊形。計算各個掩模的均值和方差，對方差進(jìn)行排序，最小方差所對應(yīng)的掩模區(qū)的灰度均值就是像素$（x,y) $的輸出值。

該方法以方差作為各個區(qū)域灰度均勻性的測度。若區(qū)域含有尖銳的邊緣，它的灰度方差必定很大，而不含邊緣或灰度均勻的區(qū)域，它的方差就小，那么最小方差所對應(yīng)的區(qū)域就是灰度最均勻區(qū)域。因此有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區(qū)域邊界的細(xì)節(jié)。另外，五邊形和六邊形在$（x,y）$處都有銳角，這樣，即使像素$（x,y）$位于一個復(fù)雜形狀區(qū)域的銳角處，也能找到均勻的區(qū)域。從而在平滑時既不會使尖銳邊緣模糊，也不會破壞邊緣形狀。

5. 空間低通濾波法

鄰域平均法可看作一個掩模作用于圖像 $f(x,y)$ 的低通空間濾波，掩模就是一個濾波器，它的響應(yīng)為 $H(r,s)$，于是濾波輸出的數(shù)字圖像 $g(x,y)$ 用離散卷積表示為

常用的掩模有

掩模不同，中心點(diǎn)或鄰域的重要程度也不相同，因此，應(yīng)根據(jù)問題的需要選取合適的掩模。但不管什么樣的掩模，必須保證全部權(quán)系數(shù)之和為單位值，這樣可保證輸出圖像灰度值在許可范圍內(nèi)，不會產(chǎn)生“溢出”現(xiàn)象。

6. 中值濾波

中值濾波是對一個滑動窗口內(nèi)的諸像素灰度值排序，用中值代替窗口中心像素的原來灰度值，因此它是一種非線性的圖像平滑法

它對脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時能有效保護(hù)邊緣少受模糊。但它對點(diǎn)、線等細(xì)節(jié)較多的圖像卻不太合適。

對中值濾波法來說，正確選擇窗口尺寸的大小是很重要的環(huán)節(jié)。一般很難事先確定最佳的窗口尺寸，需通過從小窗口到大窗口的中值濾波試驗，再從中選取最佳的

離散階躍信號、斜升信號沒有受到影響。離散三角信號的頂部則變平了。對于離散的脈沖信號，當(dāng)其連續(xù)出現(xiàn)的次數(shù)小于窗口尺寸的一半時，將被抑制掉，否則將不受影響。

一維中值濾波的概念很容易推廣到二維。一般來說，二維中值濾波器比一維濾波器更能抑制噪聲。

二維中值濾波器的窗口形狀可以有多種，如線狀、方形、十字形、圓形、菱形等（見圖）。

不同形狀的窗口產(chǎn)生不同的濾波效果，使用中必須根據(jù)圖像的內(nèi)容和不同的要求加以選擇。從以往的經(jīng)驗看，方形或圓形窗口適宜于外輪廓線較長的物體圖像，而十字形窗口對有尖頂角狀的圖像效果好。

圖(a)為原圖像；圖(b)為加椒鹽噪聲的圖像；圖?和圖(d)分別為3×3、5×5模板進(jìn)行中值濾波的結(jié)果。

可見中值濾波法能有效削弱椒鹽噪聲，且比鄰域、超限像素平均法更有效

三、圖像空間域銳化

在圖像的識別中常需要突出邊緣和輪廓信息。圖像銳化就是增強(qiáng)圖像的邊緣或輪廓。

圖像平滑通過積分過程使得圖像邊緣模糊，圖像銳化則通過微分而使圖像邊緣突出、清晰。

（一）梯度銳化法

圖像銳化法最常用的是梯度法。 對于圖像f(x，y)，在(x，y)處的梯度定義為

梯度是一個矢量，其大小和方向為

對于離散圖像處理而言，常用到梯度的大小，因此把梯度的大小習(xí)慣稱為“梯度”。并且一階偏導(dǎo)數(shù)采用一階差分近似表示，即

Sobel 與 Prewitt 算子

為在銳化邊緣的同時減少噪聲的影響，Prewitt 從加大邊緣增強(qiáng)算子的模板大小出發(fā)，由2x2擴(kuò)大到3x3來計算差分，如圖(a)所示。

Sobel 在 Prewitt 算子的基礎(chǔ)上，對 4-鄰域采用帶權(quán)的方法計算差分，對應(yīng)的模板如圖(b)。

根據(jù)梯度計算式就可以計算 Roberts、Prewitt和Sobel梯度。一旦梯度算出后，就可根據(jù)不同的需要生成不同的梯度增強(qiáng)圖像。

• 第一種輸出形式

  $g(x,y)=grad(x,y)$

此法的缺點(diǎn)是增強(qiáng)的圖像僅顯示灰度變化比較徒的邊緣輪廓，而灰度變化比較平緩或均勻的區(qū)域則呈黑色。

• 第二種輸出形式

式中T是一個非負(fù)的閾值。適當(dāng)選取T，可使明顯的邊緣輪廓得到突出，又不會破壞原來灰度變化比較平緩的背景

• 第三種輸出形式

它將明顯邊緣用一固定的灰度級 $L_G$ 來表現(xiàn)。

• 第四種輸出形式

此方法將背景用一個固定的灰度級 $L_B$ 來表現(xiàn)，便于研究邊緣灰度的變化。

• 第五種輸出形式

這種方法將明顯邊緣和背景分別用灰度級 $L_G$ 和 $L_B$ 表示，生成二值圖像，便于研究邊緣所在位置。

（二）Laplacian 增強(qiáng)算子

Laplacian 算子是線性二階微分算子。即

對離散的數(shù)字圖像而言，二階偏導(dǎo)數(shù)可用二階差分近似，可推導(dǎo)出Laplacian算子

表達(dá)式為

Laplacian增強(qiáng)算子為：

KaTeX parse error: Unexpected character: '' at position 51: …[ f(x+1，y)+ f(x?1,y)+f(x，y+1)+ …

其特點(diǎn)是：
1、在灰度均勻的區(qū)域或斜坡中間 為 0，增強(qiáng)圖像上像元灰度不變；
2、在斜坡底或低灰度側(cè)形成“下沖”；而在斜坡頂或高灰度側(cè)形成“上沖”。

（三）高通濾波法

高通濾波法就是用高通濾波算子和圖像卷積來增強(qiáng)邊緣。常用的算子有：

四、圖像的頻率域增強(qiáng)

圖像增強(qiáng)的目的主要包括：①消除噪聲，改善圖像的視覺效果；②突出邊緣，有利于識別和處理。前面是關(guān)于圖像空間域增強(qiáng)的知識，下面介紹頻率域增強(qiáng)的方法。

假定原圖像為f(x，y)，經(jīng)傅立葉變換為F(u，v)。頻率域增強(qiáng)就是選擇合適的濾波器H(u,v)對F(u,v)的頻譜成分進(jìn)行處理，然后經(jīng)逆傅立葉變換得到增強(qiáng)的圖像g(x,y)。

頻率域增強(qiáng)的一般過程如下：

（一）頻率域平滑

圖像的平滑除了在空間域中進(jìn)行外，也可以在頻率域中進(jìn)行。由于噪聲主要集中在高頻部分，為去除噪聲改善圖像質(zhì)量，濾波器采用低通濾波器$H(u,v)$ 來抑制高頻成分,通過低頻成分，然后再進(jìn)行逆傅立葉變換獲得濾波圖像，就可達(dá)到平滑圖像的目的。常用的頻率域低濾波器 $H(u,v)$ 有四種：

1. 理想高通濾波器

二維理想高通濾波器的傳遞函數(shù)為

2. Butterworth低通濾波器

n階Butterworth濾波器的傳遞函數(shù)為：

它的特性是連續(xù)性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續(xù)性。因此采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度大大減小，沒有振鈴效應(yīng)產(chǎn)生。

3. 指數(shù)低通濾波器

指數(shù)低通濾波器是圖像處理中常用的另一種平滑濾波器。它的傳遞函數(shù)為：

采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度較用Butterworth濾波產(chǎn)生的大些，無明顯的振鈴效應(yīng)。

4. . 梯形低通濾波器

梯形低通濾波器是理想低通濾波器和完全平滑濾波器的折中。它的傳遞函數(shù)為：

梯形低通濾波器是理想低通濾波器和完全平滑濾波器的折中。它的傳遞函數(shù)為：

（二）頻率域銳化

1. 理想高通濾波器

二維理想高通濾波器的傳遞函數(shù)為

2. 巴特沃斯高通濾波器

n階巴特沃斯高通濾波器的傳遞函數(shù)定義如下

3. 指數(shù)濾波器

指數(shù)高通濾波器的傳遞函數(shù)為

4. 梯形濾波器

梯形高通濾波器的定義為

四種濾波函數(shù)的選用類似于低通。理想高通有明顯振鈴現(xiàn)象，即圖像的邊緣有抖動現(xiàn)象；Butterworth高通濾波效果較好，但計算復(fù)雜，其優(yōu)點(diǎn)是有少量低頻通過，H(u，v)是漸變的，振鈴現(xiàn)象不明顯.

指數(shù)高通效果比Butterworth差些，振鈴現(xiàn)象不明顯；梯形高通會產(chǎn)生微振鈴效果，但計算簡單，較常用。

一般來說，不管在圖像空間域還是頻率域，采用高頻
濾波不但會使有用的信息增強(qiáng)，同時也使噪聲增強(qiáng)。因此
不能隨意地使用。

五、彩色增強(qiáng)技術(shù)

人眼的視覺特性 ：

• 分辨的灰度級介于十幾到二十幾級之間 ；
• 彩色分辨能力可達(dá)到灰度分辨能力的百倍以上。

彩色增強(qiáng)技術(shù)是利用人眼的視覺特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩色的分布，改善圖像的可分辨性

• 彩色增強(qiáng)方法可分為偽彩色增強(qiáng)和假彩色增強(qiáng)兩類

（一）偽彩色增強(qiáng)

偽彩色增強(qiáng)是把灰度圖像的各個不同灰度級按照線性或非線性的映射函數(shù)變換成不同的彩色，得到一幅彩色圖像的技術(shù)。使原圖像細(xì)節(jié)更易辨認(rèn)，目標(biāo)更容易識別。

偽彩色增強(qiáng)的方法主要有密度分割法、灰度級一彩色變換和頻率域偽彩色增強(qiáng)三種。

1. 密度分割法

密度分割法是把灰度圖像的灰度級從0（黑）到 $M_0$（白）分成 $N$ 個區(qū)間 ,給每個區(qū)間Ii指定一種彩色 $C_i$ ，這樣，便可以把一幅灰度圖像變成一幅偽彩色圖像。

該方法比較簡單、直觀。缺點(diǎn)是變換出的彩色數(shù)目有限

2. 空間域灰度級一彩色變換

根據(jù)色度學(xué)原理，將原圖像 $f(x,y)$ 的灰度范圍分段，經(jīng)過紅、綠、藍(lán)三種不同變換$T_R(?)$、$T_G(?)$ 和 $T_B(?)$ ，變成三基色分量 $I_R(x,y)$、$I_G(x,y)$ 、$I_B(x,y)$，然后用它們分別去控制彩色顯示器的紅、綠、藍(lán)電子槍，便可以在彩色顯示器的屏幕上合成一幅彩色圖像。

3.頻率域偽彩色增強(qiáng)

頻率域偽彩色增強(qiáng)方法的步驟為：
1）把灰度圖像經(jīng)傅立葉變換到頻率域，在頻率域內(nèi)用三個不同傳遞特性的濾波器分離成三個獨(dú)立分量；

2）然后對獨(dú)立分量進(jìn)行逆傅立葉變換，便得到三幅代表不同頻率分量的單色圖像，接著對這三幅圖像作進(jìn)一步的處理
（如直方圖均衡化）；

3）最后將它們作為三基色分量分別加到彩色顯示器的紅、綠、藍(lán)顯示通道，得到一幅彩色圖像

（二）假彩色增強(qiáng)

假彩色增強(qiáng)是對一幅自然彩色圖像或同一景物的多光譜圖像，通過映射函數(shù)變換成新的三基色分量，彩色合成使感興趣目標(biāo)呈現(xiàn)出與原圖像中不同的、奇異的彩色。

假彩色增強(qiáng)目的：一是使感興趣的目標(biāo)呈現(xiàn)奇異的彩色或置于奇特的彩色環(huán)境中，從而更引人注目；一是使景物呈現(xiàn)出與人眼色覺相匹配的顏色，以提高對目標(biāo)的分辨力。

多光譜圖像的假彩色增強(qiáng)可表示為

將可見光與非可見光波段結(jié)合起來，通過假彩色處理，就能獲得更豐富的信息，便于對地物識別。

對于自然景色圖像，通用的線性假彩色映射可表示為

例如采用以下的映射關(guān)系

則原圖像中綠色物體會呈紅色，藍(lán)色物體會呈綠色，紅
色物體則呈蘭色。

偽彩色增強(qiáng)與假彩色增強(qiáng)有何區(qū)別文章來源地址http://www.zghlxwxcb.cn/news/detail-415375.html

到了這里，關(guān)于【計算機(jī)視覺】數(shù)字圖像處理（四）—— 圖像增強(qiáng)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！