会计学图象增强技术(jìshù)概述方法(fāngfǎ)分类图像增强的一个(yīꞬè)应用背景(bèijǐng)知识象素点(x,y)的3x3邻域(línyù)灰度变换对比度增强(zēngqiáng)的灰度变换系数一些(yīxiē)基本的灰度变换三种基本类型(lèixíng)的函数在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。下图是对曝光不足的图像采用(cǎiyòng)线性变换对图像每一个像素灰度作线性拉伸。可有效地改善图像视觉效果。图象(túxiànꞬ)反转对数变换幂次变换(biànhuàn)一个(yīꞬè)典型运用：伽马校正幂次变换(biànhuàn)用于对比度增强幂次变换(biànhuàn)用于对比度增强分段(fēnduàn)线性函数对比度拉伸:提高图象(túxiànꞬ)的灰度级的动态范围通过细心调整折线(zhéxiàn)拐点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。获取(huòqǔ)变换函数的方法之一灰度切割(qiēgē)用算术(suànshù)、逻辑操作增强图象减法(jiǎnfǎ)处理：增强图象之间的差异图象相减在医学(yīxué)上的运用在运动(yùndòng)检测上的运用算法(suànfǎ)设计应注意的问题加法(jiāfǎ)运用的例子：图象平均处理空间(kōngjiān)滤波基础示意图线性滤波的通用(tōngyòng)公式3*3空间(kōngjiān)滤波摸板非线性滤波(lǜbō)程序实现应考虑(kǎolǜ)的问题任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行(jìnxíng)的处理称图像平滑或去噪。它可以在空间域和频率域中进行(jìnxíng)。本节介绍空间域的几种平滑法。4.5.1局部平滑法局部平滑法是一种直接在空间域上进行(jìnxíng)平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有式中x,y=0,1,…,N-1；s为（x,y）邻域(línyù)内像素坐标的集合；M表示集合s内像素的总数。可见邻域(línyù)平均法就是将当前像素邻域(línyù)内各像素的灰度平均值作为其输出值的去噪方法。其作用相当于用这样的模板同图像(túxiànɡ)卷积。设图像(túxiànɡ)中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高M倍。这种算法简单，但它的主要缺点是在降低噪声的同时使图像(túxiànɡ)产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。如图4.5.1(c)和(d)。(a)原图像(túxiànꞬ)(b)对(a)加椒盐噪声的图像(túxiànꞬ)(c)3×3邻域平滑(d)5×5邻域平滑4.5.2超限像素平滑法对邻域平均法稍加改进，可导出超限像素平滑法。它是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g´(x,y)。其表达式为这算法对抑制椒盐噪声(zàoshēng)比较有效，对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊程度也大。同局部平滑法相比，超限像元平滑法去椒盐噪声(zàoshēng)效果更好。两个(liǎnꞬꞬè)3*3的平滑滤波器掩模(a)原图像(b)对(a)加椒盐噪声的图像(c)3×3邻域平滑(pínghuá)(d)5×5邻域平滑(pínghuá)(e)3×3超限像素平滑(pínghuá)(T=64)(f)5×5超限像素平滑(pínghuá)(T=48)顶端黑方块大小为3，5，9，15，25，35，45，55个象素，边界相隔25个象素；底端字母大小在10到24点，增量(zēnꞬliànꞬ)为2；顶端字母为60点；垂线宽5高100，间隔20；圆直径25，边界相隔15，灰度级从黑到白，20%递增；噪声矩形50*120模糊(móhu)的一种运用：4.5.3灰度最相近的K个邻点平均法该算法的出发点是：在n×n的窗口内，属于同一集合体的像素，它们的灰度值将高度相关(xiāngguān)。因此，可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。这就是灰度最相近的K个邻点平均法。较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的