影象增強技術基礎、評價指標及其經典演算法
影象增強技術基礎、評價指標及其經典演算法
轉載自：https://blog.csdn.net/zyk1120102464/article/details/78167443
影象增強技術基礎及其經典演算法
第一章 影象的基礎知識
1.影象訊號的基本概念
1.1. 數字影象的基本型別
1.1.1點陣圖
點陣圖是使用二維畫素矩陣來表示的影象，每個畫素的亮度資訊或者顏色資訊用灰度或RGB分量表示。每一個畫素值所佔的位元位可以是1、4、8、16、24、位等，位數越高所包含的資訊就越豐富。與其不同的是向量圖。
1.1. 2.二值影象
二值影象有黑白兩種顏色構成，也叫黑白影象，其影象畫素值只有0和1兩個值。
1.1.3.灰度影象
二值影象是一種灰度影象的特殊情況。灰度影象在黑色和變色之間加入了2g-2個顏色深度（g表示位元位數）。
1.1.4.索引影象
索引影象世界上就是把畫素的值作為顏色的索引序號，可以根據這個序號能找到該畫素對應的實際顏色。同時可以根據需要定義很多索引影象，常用的有熱金屬色、偽彩圖像等。s
1.1.5.RGB彩色影象
自然界中幾乎所有的顏色都可以有三原色（RGB）組合而成，RGB影象應用了這一原理。RGB影象有紅綠藍三個分量組成，一般的RGB影象畫素每個顏色分量8位，共24位，理論上行可以合成224中不同的顏色。
1.2. 影象的彩色模型
①RGB——加色混合色彩模型
②CMY——減色混合色彩模型
③YUV模型和YIQ模型——應用於電視傳播系統的色彩模型
④YCbCr顏色空間
⑤HIS——資料額色彩模型
1.3. 影象的解析度
①空間解析度：影象的大小
②灰度級解析度：每個畫素所佔的位數
2.人眼的視覺原理
2.1相對視敏度
人眼對輻射功率相同而波段不同的光產生的亮度感覺不同。感覺最亮的是黃綠色（波長為555nm），下圖為白天正常光照下的相對視敏度曲線
2.2明暗視覺
不同亮度下，人眼的視敏度曲線會發生變化。弱光條件下，視敏度曲線會向左移。
2.3對比靈敏度
研究表明，人眼剛能分辨的強度差ΔI是背景I的函式，有時採用相對辨別門限ΔI/I或稱之韋伯比（Weber Ratio）來表示辨別情況。ΔI/I在相當寬的強度範圍內近似為常數，約等於0.02，但當照明強度過高或過低時則不成立。圖2 給出了韋伯比與照明強度的關係。由於人眼的韋伯比的作用，加之當人眼適應了某種恆定的背景亮度後，對黑白的感覺範圍相應縮小，所以人眼對高亮度背景和低亮度背景中的影象細節的敏感度比較低，而對中亮度背景中的影象細節的敏感度比較高。因此，可以根據人眼的視覺特性對灰度影象的直方圖進行改進，將影象的灰度調整到人眼視覺觀察的最佳範圍，從而使影象更有利於人眼的觀察和識別。
2.4可見度閾值和馬赫帶消影
可見度閾值時指人眼剛好能識別的干擾值，低於該閾值的干擾值就是覺察不來的。
所謂"馬赫帶效應（Mach band effect）"是指視覺的主觀感受在亮度有變化的地方出現虛幻的明亮或黑暗的條紋，馬赫帶效應的出現是人類的視覺系統造成的。生理學對馬赫帶效應的解釋是：人類的視覺系統有增強邊緣對比度的機制。
2.5影象質量的評估標準與方法
2.5.1主觀評價
主觀直接反應人眼的感覺。
2.5.2客觀評價
通過計算恢復影象偏離原始影象的誤差來衡量恢復影象的質量，最常用的有均方誤差和峰值信噪比：
（n代表畫素的位數）
第二章 常用影象增強技術
1.空域影象增強
1.1灰度變換
空域增強方法可表示為
表示增強後的影象，表示增強前的影象；表示增強操作。若是定義在每個上的，是點操作。常見的變換有：
1.1.1線性變換
1.1.2非線性變換（對數變換、冪次變換等）
1.2直方圖（Histogram）均衡
直方圖均衡以概率統計為基礎進行增強處理。以橫軸表示直方圖的灰度級，縱軸表示對應灰度級的畫素個數，就可得到影象的直方圖，直方圖提供了原圖的灰度值分佈情況和整體描述；通過改變直方圖的形狀可以達到增強影象對比度的效果。
基於直方圖的灰度變換,是調整影象直方圖到一個預定的形狀。例如,一些影象由於其灰度分佈集中在較窄的區間，對比度很弱,影象細節看不清楚。如：
此時,可採用影象灰度直方圖均衡化處理,使得影象的灰度分佈趨向均勻,影象所佔有的象素灰度間距拉開,加大影象反差，改善視覺效果,達到增強目的。增強後的影象如下：
直方圖灰度變換後，直方圖佔據整個影象灰度值的允許範圍，增加了影象的動態範圍，細節清楚了。
直方圖均勻化處理的思路：
①將原始影象灰度級歸一化在之間，即；
②設
直方圖均勻化處理實際上就是尋找一個灰度變換函式
再建立原象素
主要是要求處理後圖像灰度分佈的概率密度函式均為
累計分佈函式能作為直方圖均衡的原因：假設下圖是一個640×480影象的累計分佈函式曲線。該曲線的低畫素值和高畫素值數量較少，所以曲線的兩端較為平坦；而在中間灰度值的畫素較多，所以曲線較為陡峭。基於此，直方圖均衡後應該能使中間值的畫素被拉伸，其它灰度值的畫素被壓縮。而圖中的累計分佈函式曲線恰好可以實現這一點。
例子：
設一幅影象64*64=4096個畫素(即N=4096)，共有8個灰度級(0-7)，採用累計分佈函式均衡化灰度級。
分佈情況如下：
| 灰度級 |
r0=0 |
r1 =1/7 |
r2 =2/7 |
r3 =3/7 |
r4 =4/7 |
r5 =5/7 |
r6 =6/7 |
r7 =1 |
| 畫素數 |
790 |
1023 |
850 |
656 |
329 |
245 |
122 |
81 |
| 概率 |
0.19 |
0.25 |
0.21 |
0.16 |
0.08 |
0.06 |
0.03 |
0.02 |
計算新的影象：
1.3空域濾波
1.3.1鄰域均值濾波
用於平滑噪聲，但在邊緣區域會造成模糊效應。
1.3.2中值濾波
中值濾波是基於統計排序，在平滑噪聲時對邊緣區域的保持效果要優於鄰域均值法，但計算時間較長。
1.3.3拉普拉斯模板
拉普拉斯模板主要用於影象銳化，缺點是對噪聲比較敏感。
拉普拉斯運算元是最簡單的各向同性微分運算元，具有旋轉不變性。一個二維影象函式 的拉普拉斯變換是各向同性的二階導數，定義為：
為了更適合於數字影象處理，將該方程表示為離散形式：
另外，拉普拉斯運算元還可以表示成模板的形式，如下圖所示。（a）表示離散拉普拉斯運算元的模板，（b）表示其擴充套件模板，（c）則分別表示其他兩種拉普拉斯的實現模板。從模板形式容易看出，如果在影象中一個較暗的區域中出現了一個亮點，那麼用拉普拉斯運算就會使這個亮點變得更亮。因為影象中的邊緣就是那些灰度發生跳變的區域，所以拉普拉斯銳化模板在邊緣檢測中很有用。一般增強技術對於陡峭的邊緣和緩慢變化的邊緣很難確定其邊緣線的位置。但此運算元卻可用二次微分正峰和負峰之間的過零點來確定，對孤立點或端點更為敏感，因此特別適用於以突出影象中的孤立點、孤立線或線端點為目的的場合。同梯度運算元一樣，拉普拉斯運算元也會增強影象中的噪聲，有時用拉普拉斯運算元進行邊緣檢測時，可將影象先進行平滑處理。
影象處理中的拉普拉斯運算元
影象銳化處理的作用是使灰度反差增強，從而使模糊影象變得更加清晰。影象模糊的實質就是影象受到平均運算或積分運算，因此可以對影象進行逆運算，如微分運算能夠突出影象細節，使影象變得更為清晰。由於拉普拉斯是一種微分運算元，它的應用可增強影象中灰度突變的區域，減弱灰度的緩慢變化區域。因此，銳化處理可選擇拉普拉斯運算元對原影象進行處理，產生描述灰度突變的影象，再將拉普拉斯影象與原始影象疊加而產生銳化影象。拉普拉斯銳化的基本方法可以由下式表示：
這種簡單的銳化方法既可以產生拉普拉斯銳化處理的效果，同時又能保留背景資訊，將原始影象疊加到拉普拉斯變換的處理結果中去，可以使影象中的各灰度值得到保留，使灰度突變處的對比度得到增強，最終結果是在保留影象背景的前提下，突現出影象中小的細節資訊。
2.頻域影象增強
2.1理想低通濾波器ILPF（Idea Low-Pass Filter）
傳遞函式：
式中，D0是一個規定的非負量，理想低通濾波器的截止頻率；
2.2巴特沃思低通濾波器BLPF（Butterworth Low-Pass Filter）
傳遞函式（n階）: 
H(u,v)降到1/2時取為截止頻率D0。
2.3高斯低通濾波器
與巴特沃思低通濾波器一樣，高斯低通濾波器也能避免振鈴效應。
2.4 Butterworth高通濾波器BHPF
3.影象客觀評價指標
3.1人眼視覺系統
①人眼分辨細節的能力與相對亮度成正比，而不是取決於整體亮度，這也是韋伯定律的基礎，因此相對於平坦區域，人眼對影象邊緣輪廓新的失真更加敏感。
②人眼對影象細節的銘感度與其背景的亮度有關，對中高亮度背景情況下的細節資訊較敏感，對低亮度和高亮度背景下的細節敏感度則較低。
③人眼對低頻下的噪聲敏感度要高於高頻區域，即人眼更容易感知平坦區域的噪聲，而不是邊緣區域的噪聲。
3.2歸一化灰度差
歸一化灰度差NID用來描述絕對亮度值與視訊影象質量的關係：
為人眼視覺的最佳平均灰度值127，為視訊影象的灰度均值。
3.3歸一化對比度
分別是第個影象分塊上的最大值和最小值，為視訊影象分塊個數。
3.4歸一化資訊熵
式中表示概率分佈密度，當時，零。顯然，均有均勻分佈直方圖的影象具有最大的資訊熵，僅有一個灰度值的影象的資訊熵最小。因此歸一化的資訊上NE表示為+
3.5綜合影象質量
越大表示影象質量越好。