基于巴特沃斯低通濾波器的圖像增強(qiáng)

1、基于巴特沃斯低通濾波器的圖像增強(qiáng)    l引言在進(jìn)行圖像處理的過程中，獲取原始圖像后，首先需要對圖像進(jìn)行圖像預(yù)處理，因?yàn)樵讷@取圖像的過程中，往往會(huì)發(fā)生圖像失真，使所得圖像與原圖像有某種程度上的差別。在許多情況下，人們難以確切了解引起圖像降質(zhì)的具體物理過程及其數(shù)學(xué)模型，但卻能估計(jì)出使圖像降質(zhì)的一些可能原因，針對這些原因采取簡單易行的方法，改善圖像質(zhì)量。由于噪聲、光照等原因，使圖像質(zhì)量不高，為了改善視覺效果或便于人、機(jī)器對圖像的分析理解，一l 引 言在進(jìn)行圖像處理的過程中，獲取原始圖像后，首先需要對圖像進(jìn)行圖像預(yù)處理，因?yàn)樵讷@取圖像的過程中，往往會(huì)發(fā)生圖像失

2、真，使所得圖像與原圖像有某種程度上的差別。在許多情況下，人們難以確切了解引起圖像降質(zhì)的具體物理過程及其數(shù)學(xué)模型，但卻能估計(jì)出使圖像降質(zhì)的一些可能原因，針對這些原因采取簡單易行的方法，改善圖像質(zhì)量。由于噪聲、光照等原因，使圖像質(zhì)量不高，為了改善視覺效果或便于人、機(jī)器對圖像的分析理解，一般都需要對圖像進(jìn)行增強(qiáng)處理，但這個(gè)過程并沒有統(tǒng)一的標(biāo)準(zhǔn)。圖像增強(qiáng)一般不能增加原圖像信息，只能針對一些成像條件，把弱信號突出出來，使一些信息更容易分辨。     圖像增強(qiáng)的方法比較多，可以大概分為對比度增強(qiáng)，直方圖增強(qiáng)、平滑和銳化14大類，其中，直方圖均衡是圖像增強(qiáng)的經(jīng)典方法，

3、因?yàn)槠溆行院秃唵我子眯砸殉蔀閳D像增強(qiáng)最常用的方法，他又分為全局均衡和局部均衡2種。全局的直方圖均衡2.3是對整幅圖像進(jìn)行均衡，使其灰度分布均勻，讓每一個(gè)灰度等級上的象素個(gè)數(shù)基本相等，算法簡單、計(jì)算量小、容易實(shí)現(xiàn)，但對圖像細(xì)節(jié)部分增強(qiáng)不夠；局部直方圖均衡4.5則可以增強(qiáng)圖像內(nèi)部細(xì)節(jié)信息，得到很好的增強(qiáng)效果。Yin6通過對小波分解各個(gè)分量進(jìn)行直方圖均衡，然后重構(gòu)得到處理后圖像，SMPi-zer2提出自適應(yīng)直方圖均衡算法，這也是一種局部均衡算法。在對全局直方圖均衡和局部直方圖均衡詳細(xì)分析的基礎(chǔ)上，本文提出了一種基于Buterworth低通濾波的圖像增強(qiáng)方法。由于Buterworth低通濾波器在抑制

4、噪聲的同時(shí)，圖像邊緣模糊程度大大減小，且沒有振鈴效應(yīng)?；谝陨咸攸c(diǎn)，用Buterworth低通濾波器將低頻分量和高頻分量分離，低頻分量進(jìn)行均衡后，再將兩部分融合，實(shí)現(xiàn)圖像的增強(qiáng)。2直方圖均衡化直方圖均衡化8是灰度變換的一個(gè)重要應(yīng)用，他是以累計(jì)分布函數(shù)變換為基礎(chǔ)的直方圖修正法。一幅均勻量化的自然圖像的灰度直方圖通常在低值灰度區(qū)間上頻率較大，這樣的圖像的較暗區(qū)域中的細(xì)節(jié)常?？床磺宄?。為使圖像變清晰，一個(gè)自然的想法是使圖像的灰度動(dòng)態(tài)范圍變大，并且讓灰度頻率較小的灰度級經(jīng)變換后其頻率變的大一些，從而使象素個(gè)數(shù)增多，即應(yīng)使變換后的圖像灰度直方圖在較大的動(dòng)態(tài)范圍內(nèi)趨于均衡，產(chǎn)生一幅灰度級分布具有均勻概率密

5、度的圖像，擴(kuò)展象素的取值動(dòng)態(tài)范圍。     傳統(tǒng)的直方圖均衡算法(HE)是利用全局圖像信息，對給定的數(shù)字圖像進(jìn)行對比度增強(qiáng)處理，其處理過程如下：(1)計(jì)算原圖像的灰度級直方圖；(2)求原圖像各灰度級的累積概率分布函數(shù)，并由此構(gòu)造灰度轉(zhuǎn)換函數(shù)；(3)根據(jù)灰度轉(zhuǎn)換函數(shù)將原圖像所有象素灰度值映射到輸出圖像，得到增強(qiáng)圖像。這種直方圖均衡方法限制了圖像中某些局部區(qū)域的對比度拉伸力度，使某些細(xì)節(jié)與背景之間的對比度難以得到有效增強(qiáng)，甚至出現(xiàn)蛻化。3局部直方圖均衡化算法全局的直方圖均衡使直方圖在整個(gè)灰度級上的分布趨于均勻，取得一定的增強(qiáng)效果，但忽略了細(xì)節(jié)的信息甚至出現(xiàn)細(xì)

6、節(jié)信息的丟失，局部直方圖均衡則可以較好地解決這一問題，突出細(xì)節(jié)信息。在一幅圖像中，圖像高頻分量對應(yīng)于圖像的細(xì)節(jié)信息，而低頻分量對圖像的整體視覺效果有著決定性的影響。對一幅圖像進(jìn)行分頻9，得到高頻分量和低頻分量，然后對低頻分量用傳統(tǒng)算法進(jìn)行直方圖均衡，高頻分量乘以一個(gè)加權(quán)系數(shù)，再將處理得到的結(jié)果進(jìn)行融合，得到最終的處理結(jié)果，實(shí)現(xiàn)對原圖像的增強(qiáng)。通過實(shí)驗(yàn)，證明了其有效性。整個(gè)處理過程分為以下幾步：31 分頻對一幅圖像來說，能量主要集中在低頻分量中，而噪聲和圖像細(xì)節(jié)信息主要集中在高頻分量中。在圖像處理過程中，將兩種分量分離開，進(jìn)行不同的操作與處理，可以取得更佳的處理效果。分頻的目的就是將輸入圖像的高

7、頻分量和低頻分量分開。進(jìn)行分頻時(shí)，既可以選擇高通濾波器又可以選擇低通濾波器，都能達(dá)到分頻的目的。本文實(shí)驗(yàn)的過程中使用的是低通濾波器。在諸多低通濾波器中，Buterworth低通濾波器沒有"振鈴"現(xiàn)象，而且能夠提高圖像的細(xì)節(jié)清晰度，所以，本文算法采用的是Buter-worth低通濾波器，文獻(xiàn)9采用的是高斯低通濾波器。Buterworth低通濾波器(BLPF)傳遞函數(shù)：式中D。為截止頻率， ，在D(u，V)=D。處，；"為階數(shù)，取正整數(shù)，用來控制衰減速度。本文Buterworth低通濾波器截止頻率D。，一50，階數(shù)n一2。該2階Buterworth低通濾波器如圖1所示。對一幅輸入圖像f(r，y)，可將其分解為高頻分量fh(x，y)和低頻分量f1(x，y)，如下式所示：將圖像f