选择性的综述各种图像增强技术

迪帕克·k·Pandey¹Rajesh Nema教授,²

PG学者(数字通信),电子系&沟通NIIST,印度博帕尔
教授和负责人,电子与通信工程系,NIIST,印度博帕尔

文摘

图像增强的原则目标是处理图像,这样的结果是比原始图像更适合。当图像清晰度很受周围的影响像照明、天气、或设备,用于捕获图像,因此,许多技术已经开发出被称为图像增强技术来恢复图像中的信息。数字图像增强技术提供了多个选择提高图像的视觉质量。这些技术的选择受多种因素的影响,如成像模块,任务和查看条件或显示设备。本文将概述图像增强的概念,以及常用的图像增强算法。本文主要关注的是在点处理方法,直方图处理和一些更复杂的算法,提出了目前由不同的人员使用直方图均衡化,曲波变换、网络和渠道部门概念和比较这些算法的输出图像质量。然后我们会发现一些重要的缺点之前提出的算法和他们的实验结果比较的基础上,指出了有效的未来研究方向得到更高的结果。

关键字

数字图像处理,处理,直方图均衡化,曲波变换,感知器网络和渠道部门,图像增强

介绍

图像增强的主要目的是修改图像的属性,使其更适合一个给定的任务和特定的观察者。在这个过程中,图像的一个或多个属性被修改和处理。属性的选择,他们将修改特定于给定的任务。这里observer-specific因素,如人类的视觉系统,如人体器官和观察者的经验,将引入主观性的选择应该使用图像增强方法。存在许多技术,可以提高数字图像而不破坏其内容。增强的方法大致可以分为以下两类:

1。空间域方法

2。频域方法

空间域的基本概念[1]是直接操作的值图像像素这样期望输出值就可以了。在数学形式,在空间域像素强度的值直接操纵如下方程给出,

G (x, y) = T [f (x, y)]。

在频域方法[2],图像增强的目的,首先在转移到频域图像傅里叶变换的使用。所有增强操作正在执行的傅里叶变换图像,然后进行傅里叶反变换得到的合成图像。为了执行这些增强操作修改的图像属性亮度,对比度或灰色的水平分布等。这意味着输出图像的像素值将根据修改转换函数应用于输入值。在频域图像增强可以做如下方程,

G (u, v) = H (u v) F (u, v)

G (u, v)增强图像,F (u, v)是输入图像和H (u, v)传递函数。

图像增强仅仅意味着,将输入图像“f”转换为输出图像“g”使用转换函数“T”。在图像像素的值“f”和“g”可以用“r”和“s”,分别。这些是相关的表达式,

s = T(右)

其中T是函数调用转换函数用于将一个像素值r映射到一个像素值。这个变换的结果映射到灰度范围作为我们这里只有灰度数字图像。我将只考虑灰度图像。一个数字灰度图像可以有像素值在0到255的范围。

本文讨论了基本的图像增强技术。论文将提供图像增强的概念的概述,以及算法通常用于这一目的。本文主要关注的是在点处理方法,直方图处理和一些更复杂的算法,使用直方图均衡化,曲波变换,感知器网络和渠道部门概念、图像融合的概念,本研究的基础上,我们将试图找出可能为未来的研究设计一个高效的算法,提高图像的质量。

以前的方法

点处理操作

点处理操作也称为强度变换函数是最简单和基本的空间域操作,这些操作只进行单像素。处理图像的像素值依赖于原始图像的像素值。点处理方法可以分为四大类,

1)- - -转换的一个形象:在图像-[3],创建实际的图像的负面形象。为此目的的像素灰度值出现在一个图像是倒负面形象。假设我们有一个8位的数字图像大小M x N,然后从原始图像每个像素值中减去从255 g (x, y) = 255 - f (x, y) 0≤x < M和0≤x <归一化灰度N, s = 1.0 - r。负面形象有助于增强白色或灰色的细节嵌入在黑暗地区的形象。

2)-阈值转换:[4]尤其适用于分割阈值转换中,我们想要从背景孤立感兴趣的对象。图像阈值分离的过程(对象)的一个图像的信息从它的背景,因此,阈值应用到灰度级或彩色文档扫描图像。阈值可以分为两大类:全球和地方。全局阈值的方法选择一个阈值对整个文档图像,这通常是基于估计的背景水平强度图像的直方图;这就是为什么thersholding被认为是一个点处理操作。局部自适应阈值为每个像素使用不同的值根据当地信息。当地阈值技术用于文档图像非均匀背景照明或复杂的背景,如水印中发现安全文件如果全局阈值方法无法区分前景和背景。

3)-对数转换:日志转换地图[5]窄范围的低灰度级值输入到更大范围的输出值。这是相反即逆日志转换执行相反的转换。等特定条件的日志功能非常有用当输入灰度级值可能会有一个非常大范围的值。

有时处理图像的动态范围远远超过显示设备的能力,在这些类型的情况下只能看到最亮的部分图像在显示屏幕上。为了解决这一问题的有效途径的动态范围压缩像素值是使用对数转换,这可以表达的,

g (x, y) = c。日志(1 + r))

c是常数和假设r≥0。

这个变换地图缩小范围的低层次的灰度强度到更大范围的输出值。日志转换用于扩大黑像素的值和压缩的明亮的像素值。日志里叶反变换函数是用来扩大高像素的值在一个图像压缩darker-level值。日志里叶反变换函数映射的各种高级灰度强度为窄范围的高水平的输出值。

4)-权力法转换:权力法转换函数表达的,

s = crγ

幂律变换函数也称为伽马校正[6]。对于不同的γ值可以获得不同程度的增强。我们可以观察到不同显示监视器显示图像在不同强度和清晰的帽子,每个显示器都有内置在它与某些伽马伽马校正范围,所以一个好的监控自动纠正所有的图像显示在最好的对比给用户最好的体验。日志转换函数之间的区别和使用幂律函数的幂律函数一个家庭可能的变换曲线可以通过获得不同的γ,区别图像-公式,对数公式和幂律公式是,在形象-它不是必要的结果映射到灰度范围(0,l - 1)。输出L-1-r自动下降的范围(0,l - 1),但对日志和幂律转换生成的值通常是相当独特,根据控制参数γ和对数尺度。因此这些值的结果应映射回灰度范围得到有意义的输出图像。

直方图处理

图像增强的直方图处理作为基本操作。直方图只是阴谋每个灰度级出现的频率从0(黑色)到255(白色)。直方图处理应该预处理的初始步骤。直方图表示的频率出现的灰度图像,这意味着它告诉我们如何在图像单个像素的值分布。可以作为任何图像的直方图

h (rk) = nk / N

nk和nk强度水平和图像的像素数量分别为强度nk。

1)直方图均衡化:直方图均衡化[7]是一种基本的技术来增强图像的外观。这种技术的图像增强目的图像的直方图拉伸使其分布均匀。假设我们有一个图像的暗色,结果其直方图将偏向于低端的灰度和图像细节是压缩成黑暗的直方图。现在如果我们能伸出的暗灰色的水平最终产生更均匀分布的直方图图像会变得更加清晰。直方图均衡化自动确定一个变换函数试图产生一个输出图像与一个统一的直方图。一般来说;直方图均衡化可分为三种类型,全球直方图均衡化(GHE),自适应直方图均衡化(AHE)和基于块的直方图均衡化(BHE)。在全球直方图均衡化(GHE),每个像素分配一个新的强度值是基于先前的累积分布函数(cdf)。执行全局直方图均衡化(GHE)的原始直方图灰度图像需要平衡的。从输入图像获得累计直方图需要平衡的255通过创建新的强度。在自适应直方图均衡化(AHE)基于局部数据的直方图是平衡的。

2)——增强:以前的直方图均衡化和直方图匹配的方法是全球性的,结果不是马克,所以当地增强[7]是存在的。在这个定义正方形或长方形的邻里(面具)和移动中心从像素到像素。为每个社区,计算直方图的点。获取直方图均衡化/规范功能。地图的像素灰度集中在附近。它可以使用新的像素值和先前的直方图来计算下一个直方图。

亮度保持Bi-HE (BBHE)

为了克服上述缺点引入了他和摘要LHE方法Y.-T提出的新算法。金正日“亮度保持Bi-Histogram均衡(BBHE)”[8]。BBHE方法的本质是将原始图像分解为两个子图片,以及为此目的而使用图像的平均灰度,然后应用切(古典)方法在每个子图片。BBHE算法的最终目标是保持给定图像的平均亮度,对比增强。BBHE首先将输入图像分解成两个子图片基于输入图像的均值。子图片是一组样本小于或等于平均而另一个是大于平均值的样本。然后BBHE用于使得车内外的独立子图片基于各自的直方图与正式的样品集的约束映射到范围从最低灰度平均值和样本的输入在后者被映射到范围从均值最大灰度。换句话说,子图片之一是平衡的范围均值和其他子图像是平衡的范围从基于各自的直方图的均值。因此产生的平衡的情况下被对方在输入有界的意思是,有影响的保留图像的平均亮度。

最小平均亮度误差Bi-Histogram均衡

南达科他州。陈和a . Ramli最小均亮度误差Bi-Histogram均衡(MMBEBHE)[9]算法克服BBHE方法的局限性。因为仍有情况下由BBHE处理不好。MMBEBHE提供最大亮度保存。BBHE方法将输入图像的直方图为两个基于输入独立意味着均衡之前。然而,使用输入的意思是作为阈值水平将直方图并不能保证给最大亮度保存。这里描述的亮度保护是基于客观测量称为绝对平均亮度误差)的(。安贝认为。它被定义为输入和输出之间的绝对差的意思是:

AMBE = (X, Y) = Mx -我

意味着更好的降低。安贝认为亮度保存。

E。基于直方图均衡化的Multiple-Peak图像

风扇,吴斤[10],增强图像的对比提出了“一种改进的基于直方图均衡化的图像对比度增强Multiple-Peak图像”,专门为Multiple-Peak图像。在这个过程中,输入的图像是由高斯滤波器卷积与最优参数。然后,原直方图可以分为不同区域的图像的直方图谷值。最后,我们使用该方法来处理图像。该方法具有良好的程度相比其他方法的简单性和适应性。

为了减少噪声的干扰,提高输入图像的质量,在这个工作风机杨和金吴提出使用高斯滤波器卷积图像首先。高斯滤波器减少了相邻元素之间的亮度差异。它还可以减少阻塞的效果。

使图像增强的处理更多的定意和自适应,首先分析了图像直方图。图像直方图可以分为几个子层由当地最低灰度图像的直方图。

为了克服他的缺点,提出了一个新的算法来计算PDF格式如下:

其中N是图像中像素的总数,N K是灰度的像素数量rK和L的总数可能在图像灰度值吗

依赖图像亮度保持直方图均衡化

通过p Rajavel[11],提出“image-dependent亮度保持直方图均衡化(IDBPHE)技术”来增强图像对比度,同时保留图像的亮度。依赖图像亮度保持直方图均衡化(IDBPHE)技术使用包装离散曲波变换(WDCvT)和直方图匹配技术。一个简单的图IDBPHE和相应的步骤所示。

•区域识别和分离:曲波变换用于识别原始图像的明亮的区域。

•直方图计算和匹配:

——原始图像的直方图和像素的直方图属于确定计算区域。

——修改原始图像的直方图确定区域的直方图。

图像像素相关性的线性感知器网络(IPILN)

Murli D。Vishwakarma提出“图像像素相关性的线性感知器网络”(IPILN) [12]。IPILN使用高斯滤波器,曲波变换和感知器网络。基本上这种技术涉及到三个步骤下面解释图像的对比度增强。

1。图像过滤:高斯滤波器用于从输入图像获取一行图像。

2。图像变换:变换是一个过程,用于把一个信号从一个域到另一个没有信息的损失。在我们的方法,我们使用多分辨率曲波变换。将行形象,曲波变换使用这是一个多向变换。

3所示。感知器网络:调整输入图像的重量,使用感知器网络的概念。在感知器网络调整体重,不同的学习因素是使用从0到1

通过渠道部门Content-Aware暗图像增强

属拉米雷斯里维拉,Byungyong Ryu Oksam崔,“Content-Aware暗图像增强通过渠道部门”,[13]提出了内容感知的算法(它们提高暗图像,提高边缘,和细节出现在变形区域,并给予高度的保护平滑的平面区域。这个算法产生一个临时转换为每个图像,通过映射函数适应每个图像特征产生最大的增强。他们专门分析了对比图像的边界和纹理区域,然后分组完成共同特征的信息。这些团体被用来模型内的关系图像,从中提取转换功能。上述整个过程的结果自适应混合通过考虑人类视觉系统特性,提高图像中的细节。

该算法增强的外观:人脸,蓝天有或没有云不引入构件但无法从阴影恢复信息或黑暗地区近黑的图像强度。

即一个方法来提高基于图像融合,图像增强的结果

肖颖方,Jingao Liu温泉谷,谊文,“一个方法来提高基于图像融合的图像增强的结果,”[14]提出了一种方法来改善增强与清晰度评价结果与图像融合方法。正如我们所知,图像增强可以提高信息的感知。在该算法首先图像取自真实的场景,然后应该分成几个区域根据需要提高。作为一个特殊的增强方法改善某些地区实际上恶化的其他地区不需要改进或增强。在这个算法提出了一种方法来改善增强与清晰度评价结果与图像融合方法。

选择算法的性能比较

在本节中,我们首先将研究的主要优点和限制所有以上提出的算法。在研究的优点和限制,我们将比较以上算法的参数如PSNR(峰值信噪比)(绝对平均亮度误差)的和。安贝认为以上算法的实验结果的基础上,将尝试找出最好的一个。

这些优点和局限性的基础上,解释了在表1,实验结果在表2中,我们将试图找出未来研究的可能方向,这样我们就可以设计一个高效的算法,提高图像质量。

在本节中,我们将比较结果上面解释的一些算法和将试图找出哪些算法最适合增强的目的。为比较和PSNR的我们需要两个参数。安贝认为。

)的绝对平均亮度误差(。安贝认为是用来评估的程度的亮度保存。更好的更小。安贝认为。AMBE计算,

AMBE = (X, Y) = Mx -我

的Mx是指输入和输出图像的均值。

峰值信噪比(PSNR)用来评估对比度增强的程度,更大的PSNR更好。PSNR值计算,

和更高的PSNR值的方法具有较小。安贝认为被认为是良好的算法。比较的目的在这里,我将考虑直方图均衡化,IDBPHE & IPILN multi-histogram均衡。

结论和未来的工作

上述讨论的结论是古典方法对比拉伸损失的一些细节信息的图像增强过程中,直方图均衡化给出更好的结果但不能保留原始图像的亮度。很多其他算法,如加入,BBHE MMBEBHE,基于直方图均衡化和Multiple-Peak图像,IPILN、内容清楚算法和图像融合方法,提出了对保存原始图像的亮度和对比度增强给伟大的PSNR值的和低。安贝认为。某种程度上,这些算法实现他们的目标。但我们知道没有任何特定的参数或参考点现有的参数可以作为参考宣布任何图像质量是好是坏。如果输出图像的算法有利于我们的眼睛然后算法说好看,否则这不是马克。尽管这些我们已经设计了一些参数的比较,的任何算法的有效性。安贝认为PSNR值,计算成本和计算时间的算法。茶酶参数可用于选择一种算法对实时应用程序。尽管每一种算法的有效性,分别应用,在实践中我们应该设计一个这样的组合来实现更有效的图像增强方法。所以从上面的解释很清楚,还有更为广泛的未来在这一领域的研究工作为开发新的高效算法特别利用离散小波变换(DWT),因为小波变换图像去噪的非常好的技术和输入图像总是面临着噪声在图像处理。内容意识到技术是无法提高的黑暗区域图像但是图像融合技术克服了这一局限性和增强图像的所有地区。我们通过结合DWT与图像融合技术可以更有效的图像增强技术的目的。

引用

钱德Bhabatosh Dwijest Dutta Majumder,数字图像处理和分析2002年。
拉曼Maini和Himanshu Aggarwal“全面审查的图像增强技术”杂志的计算,卷2,问题3,2010年3月。
R。Shanmugalakshmi和S。安纳”基本的数字图像处理,“培生教育印度,2007年。
. Haralick,低速齿轮夏皮罗,电脑和RobotVision,卷1,艾迪生韦斯利,阅读,马,1992年。
r, r .卷和伞齿轮Schunck,机器视觉,麦格劳-希尔国际版,1995年版。
w·k·普拉特,数字图像处理,普伦蒂斯霍尔出版社,1989。
a·拉斐尔·c·冈萨雷斯和理查德·e·伍兹,“数字图像处理”,第3版,普伦蒂斯霍尔出版社,2009。
Y.-T。金,“使用亮度对比度增强保护bi-histogram均衡,IEEE反式。在消费电子、43卷,没有。1、1997年2月。
南达科他州。陈和a . Ramli“最小均亮度误差bi-histogram均衡增强相比,“IEEE反式。在消费电子、49卷,没有。4,2003年11月。
杨粉丝,吴斤”一种改进的基于直方图均衡化的图像对比度增强Multiple-Peak图像“IEEE国际会议在2010年计算机设计和应用程序”
P。Rajavel“依赖图像亮度保持直方图均衡化”IEEE消费电子,卷。56岁,2010年5月2号。
Murli D。Vishwakarma IJARCS“图像像素相关性的线性感知器网络”,卷2,没有。4、2011。
属拉米雷斯里维拉,Byungyong Ryu Oksam崔”内容知道暗图像增强通过渠道分工和“IEEE图像处理,问题2012卷21日。
数字图像处理课程指出,交流Bovik电气工程部门,美国德克萨斯奥斯汀分校,1995年。