图像增强Image Enhancement：采用某种技术手段，改善图像的视觉效果，获奖图像转换成更适合人眼观察和机器分析、识别的形式，以便从图像中获取更有用的信息。1
空间域图像增强：针对图像自身，以对图像的像素直接处理为基础的方法；
点处理，模板处理；频率域图像增强：以修改图像的傅里叶变换为基础的方法；
高、低通滤波，同态滤波。
另外还有彩色图像的增强。
1.空间域图像增强
1.1基于灰度变换的图像增强
属于点处理技术，这部分内容参考之前的笔记点运算部分内容 ,有线性变换、幂次变换等。
1.2基于直方图处理的图像增强
灰度级直方图统计了不同灰度级出现的概率。
I=imread('marketspace.jpg');I=rgb2gray(I);% I=double(uint8(I));for i=1:256h(i)=sum(sum(I==i-1));endsubplot(1,2,1);imshow(I);subplot(1,2,2);plot(h);
直方图均衡化
直方图均衡化处理，使得图像的灰度分布趋向均匀，图像所占有的像素灰度间距拉开，进而加大图像反差，达到增强目的。适用于一些由于灰度分布集中在较窄区间内的图像。
I=imread('marketspace.jpg');I=rgb2gray(I);K=32;H=histeq(I,K);figure;subplot(2,2,1);imshow(I);subplot(2,2,2);imshow(H);hold on;subplot(2,2,3),hist(double(I),16),subplot(2,2,4),hist(double(H),16),
结果：
分析：
变换后直方图趋于平缓，灰级减少，灰度合并；原图像含像素多的几个灰级间隔被拉大，压缩的只是像素少的几个灰度级，实际视觉能接收的信息量增强了。可以看到增强的效果还是不错的，图中云层部分的细节有所增强。
1.3空间域滤波增强
属于模板处理技术，对图像进行滤波以去除图像噪声或增强图像细节。
空间域平滑滤波器
图像平滑（去噪）：抑制噪声、改善图像质量，通过积分使图像边缘模糊。
I=rgb2gray(imread('11.png'));figure;subplot(1,5,1),imshow(I),title("原始图像");N=imnoise(I, 'salt & pepper', 0.06);subplot(1,5,2),imshow(N),title("加椒盐噪声后的图像");% 1）均值滤波S=imfilter(N,fspecial('average', 5));subplot(1,5,3),imshow(S),title("5*5领域平滑");% 2）超限像素平滑法T=20;[m,n]=size(I);C=zeros(m,n);for i=1:mfor j=1:nif abs(I(i, j)-S(i,j))>TC(i,j)=S(i,j); % if |I(x,y)-S(x,y)|>T then G(x,y)=S(x,y)elseC(i,j)=I(i,j); % if |I(x,y)-S(x,y)|<=T then G(x,y)=I(x,y)endendendsubplot(1,5,4),imshow(uint8(C));title("超限像素平滑法");% 3）高斯平滑线性滤波法G=imfilter(N, fspecial('gaussian', [3 3], 0.9), 'replicate');subplot(1,5,5),imshow(G),title("高斯平滑滤波");
结果：
分析：
（1）超限像素平滑是对局部平滑法的一种改进，对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。
随着邻域增大，去噪能力增强，但模糊程度也增大。
（2）高斯滤波器，对于高斯噪声的去噪效果较好。
空间域锐化滤波器
图像锐化：增强图像的边缘和轮廓，通过微分使图像边缘清晰。
I=rgb2gray(imread('11.png'));figure;subplot(1,5,1),imshow(I),title("原始图像");N=imnoise(I, 'salt & pepper', 0.02);subplot(1,5,2),imshow(N),title("加椒盐噪声后的图像");S=imfilter(N, fspecial('sobel'));subplot(1,5,3), imshow(S),title("Sobel滤波");L=imfilter(N, fspecial('laplacian', 0.2));subplot(1,5,4),imshow(L),title("拉普拉斯滤波");G=imfilter(N, fspecial('log', [5 5], 0.5));subplot(1,5,5),imshow(G),title("高斯-拉普拉斯滤波");
结果：
2.频率域图像增强
频率域处理工作主要是：
g(x,y)=f(x,y)∗h(x,y)\ g(x,y)=f(x,y)*h(x,y)\, g(x,y)=f(x,y)∗h(x,y)
2.1频率域平滑滤波器
I=rgb2gray(imread('11.png'));figure;subplot(2,2,1),imshow(I),title("原始图像");N=imnoise(I, 'salt & pepper', 0.02);subplot(2,2,2),imshow(N),title("加椒盐噪声后的图像");NF=fftshift(fft2(N));[m,n]=size(N);H=zeros(m,n);% 1)理想低通滤波T=105;for i=1:mfor j=1:nif sqrt((i-m/2)^2+(j-n/2)^2)<TH(i,j)=1;endendendL=NF.*H;L=ifft2(ifftshift(L));subplot(2,2,3),imshow(uint8(real(L))),title("理想低通滤波");% 2）巴特沃斯低通滤波器T=105;N=2;for i=1:mfor j=1:nd=sqrt((i-m/2)^2+(j-n/2)^2);h=1/(1+(d/T)^(2*N));H(i,j)=h*NF(i,j);endendB=ifft2(ifftshift(H));subplot(2,2,4),imshow(uint8(real(B))),title("巴特沃斯滤波");
结果（为了显示两种滤波器的效果区别，对图像进行了局部放大）：
分析：
（1）理想低通滤波器会产生振铃现象使图像变得模糊，相对而言，巴特沃斯滤波器没有陡峭的变化，图像边缘的模糊程度减小。
（2）阈值T越大，图像的模糊程度越低。
2.2频率域锐化滤波器
程序和上一个程序类似，只是公式稍有调整。
% 1)理想高通滤波T=35;for i=1:mfor j=1:nif sqrt((i-m/2)^2+(j-n/2)^2)>TH(i,j)=1;endendendL=NF.*H;L=ifft2(ifftshift(L));subplot(2,2,3),imshow(uint8(real(L))),title("理想低通滤波");% 2）巴特沃斯高通滤波器T=35;N=2;for i=1:mfor j=1:nd=sqrt((i-m/2)^2+(j-n/2)^2);h=1/(1+(T/d)^(2*N));H(i,j)=h*NF(i,j);endendB=ifft2(ifftshift(H));subplot(2,2,4),imshow(uint8(real(B))),title("巴特沃斯滤波");
结果：
分析：
（1）巴特沃斯高通滤波器的效果较于理想高通滤波器好一点；
（2）阈值T的值越小，锐化程度越高。
2.3同态滤波器
同态滤波把频率滤波和灰度变换结合：
首先对非线性混杂信号做对数运算，把两个相乘的分量变为两个相加的分量，它们分别代表图像的高频和低频分量；然后用线性滤波方法处理；最后做逆运算，恢复处理后图像。
可以应用于消除光照不足带来的影响，同时又不损失图像细节。
I0=rgb2gray(imread('astronaut.jpg'));I1=log(double(I0)+1);I2=fft2(I1);[m,n]=size(I2);N=2;c=2;T=7;rh=2;rl=0.5;for i=1:mfor j=1:nd=sqrt(i^2+j^2);h=rl+(rh-rl)*(1/(1+(T/(c*d))^(2*N)));I2(i,j)=I2(i,j)*h;endendI3=ifft2(I2);I4=(exp(I3)-1);figure,subplot(1,2,1),imshow(I0);subplot(1,2,2),imshow(uint8(real(I4)));
结果：
分析：
（其实觉得这个结果没有很好，而且实验了很多照片，也没有找到效果好的）结果就是增强了图片的对比度，而且，阈值T越大，曝光度越小。
出自杨杰主编的《数字图像处理及MATLAB实现（第2版）》 ↩︎
