1.前言：

圖像增強(qiáng)問題的基本目標(biāo)是對圖像進(jìn)行一定的處理，使其結(jié)果比原圖更適合用于特定的應(yīng)用領(lǐng)域。

在圖像增強(qiáng)領(lǐng)域，圖像增強(qiáng)問題主要通過時(shí)域和頻域兩種方法進(jìn)行處理。時(shí)域方法通過直接在圖像上作用算子來解決。頻域上通過修改傅里葉變換系數(shù)來解決。這兩種方法的優(yōu)劣還是十分明顯的，時(shí)域方法速度快但是會失去很多點(diǎn)點(diǎn)間的關(guān)聯(lián)性信息；頻域方法可以很詳細(xì)的分離出點(diǎn)點(diǎn)間的相關(guān)信息，但是比較耗時(shí)，需要做傅里葉正反變換，計(jì)算量很大。

2.小波分析的優(yōu)勢

小波分析是對時(shí)域和頻域的權(quán)衡結(jié)果。傅里葉分析在所有點(diǎn)的分辨率都是原始圖像的尺度，對于問題本身的要求，我們可能并不需要這么大的分辨率，而單純的進(jìn)行時(shí)域分析又顯得十分的粗糙。小波的靈活性在于我們可以選擇任意的分解層數(shù)，盡量減少計(jì)算量。

小波變換將一份圖像分解成大小、位置和方向都不同的分量。在做逆變換之前可以改變小波變換域中某些系數(shù)的大小，從而實(shí)現(xiàn)圖像增強(qiáng)的目標(biāo)。

3.低頻系數(shù)增強(qiáng)，高頻系數(shù)衰減

<span style="font-size:18px;">clear all; load sinsin subplot(121);image(X); %畫出原始圖像 colormap(map); xlabel('(a)原始圖像'); axis square %下面進(jìn)行圖像的增強(qiáng)處理 %用小波函數(shù)sym4對X進(jìn)行2層小波分解 [c,s]=wavedec2(X,2,'sym4'); sizec=size(c); %對分解系數(shù)進(jìn)行處理以突出輪廓部分，弱化細(xì)節(jié)部分 for i=1:sizec(2)if(c(i)>350)c(i)=2*c(i);elsec(i)=0.5*c(i);end end xx=waverec2(c,s,'sym4'); %下面對處理后的系數(shù)進(jìn)行重構(gòu) %畫出重構(gòu)后的圖像 subplot(122);image(xx); colormap(map); xlabel('(b)增強(qiáng)圖像'); axis square</span><span style="font-size:24px;"> </span>

4.鈍化處理

所謂的鈍化操作，就是保留圖像的低頻部分。在時(shí)域中，我們可以直接進(jìn)行平滑濾波；在頻域中，直接提取低頻成分就好。 clear all; load chess % 讀入chess信號 % 分別保存用DCT方法和小波方法的變換系數(shù) blur1=X; blur2=X; % 對原圖像做二維離散余弦變換 subplot(221);image(wcodemat(X,192)); colormap(gray(256));xlabel('(a)原始圖像'); subplot(222);image(wcodemat(X,192)); colormap(gray(256));xlabel('(b)原始圖像'); ff1=dct2(X); % 對變換結(jié)果在頻域做BUTTERWORTH濾波 for i=1:256for j=1:256ff1(i,j)=ff1(i,j)/(1+((i*j+j*j)/8192)^2);end end % 重建變換后的圖像 blur1=idct2(ff1); % 對圖像做2層的二維小波分解 [c,l]=wavedec2(X,2,'db3'); csize=size(c); % 對低頻系數(shù)進(jìn)行放大處理，并抑制高頻系數(shù) for i=1:csize(2);if(c(i)>300)c(i)=c(i)*2;elsec(i)=c(i)/2;end end % 通過處理后的小波系數(shù)重建圖像 blur2=waverec2(c,l,'db3'); % 顯示三幅圖像 subplot(223);image(wcodemat(blur1,192)); colormap(gray(256));xlabel('(c)采用DCT方法鈍化圖像'); subplot(224);image(wcodemat(blur2,192)); colormap(gray(256));xlabel('(d)采用小波方法鈍化圖像'); 運(yùn)行結(jié)果： 采用DCT在頻域做濾波的方法得到的鈍化結(jié)果更為平滑，這是因?yàn)镈CT的方法分辨率很高。而小波方法在很多地方有不連續(xù)現(xiàn)象，因?yàn)槲覀儗ο禂?shù)做放大或抑制在與之兩側(cè)有間斷，而且分解層數(shù)很低，沒有完全分離出頻域的信息。

5.銳化處理

銳化的目標(biāo)與鈍化剛好相反，是為了突出高頻信息，抑制低頻信息。 clear all; load chess; % 讀入chess信號 % 分別保存用DCT方法和小波方法的變換系數(shù) blur1=X; blur2=X; subplot(221);image(wcodemat(X,192)); colormap(gray(256));xlabel('(a)原始圖像'); subplot(222);image(wcodemat(X,192)); colormap(gray(256));xlabel('(b)原始圖像'); % 對原圖像做二維離散余弦變換 ff1=dct2(X); % 對變換結(jié)果在頻域做BUTTERWORTH濾波 for i=1:256for j=1:256ff1(i,j)=ff1(i,j)/(1+(32768/(i*i+j*j))^2);end end % 重建變換后的圖像 blur1=idct2(ff1); % 對圖像做2層的二維小波分解 [c,l]=wavedec2(X,2,'db3'); csize=size(c); % 對高頻系數(shù)進(jìn)行放大處理，并抑制低頻系數(shù)for i=1:csize(2);if(abs(c(i))<300)c(i)=c(i)*2;elsec(i)=c(i)/2;end end % 通過處理后的小波系數(shù)重建圖像 blur2=waverec2(c,l,'db3'); subplot(223);image(wcodemat(blur1,192)); colormap(gray(256));xlabel('(c)采用DCT方法銳化圖像'); subplot(224);image(wcodemat(blur2,192)); colormap(gray(256));xlabel('(d)采用小波方法銳化圖像'); 圖像處理結(jié)果：

總結(jié)

以上是生活随笔為你收集整理的小波的秘密9_图像处理应用:图像增强的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。