基于小波变换的图像增强方法及应用

论文编码：论文编码：GT20033411584GT20033411584 本科生毕业论文本科生毕业论文 基于小波变换的图像增强方法及应用基于小波变换的图像增强方法及应用 论 文 作 者： 刘 垹 专业（方向）： 刑事科学技术(公安图像) 年 级： 2003 级 学 号： 20035272 指 导 教 师： 毕阿华 完 成 日 期： 2007 年 5 月 10 日 基于小波变换的图像增强方法及应用 I 摘要摘要 随着计算机技术和数码影像技术的发展，数码影像技术在公共安全领域中获得广泛 的应用，特别是关于数码影像技术在刑事案件现场记录和痕迹物证检验方面的应用规范 和技术创新成为当今刑事科学技术研讨的重要课题。在公安实践中，刑事案件的发生具 有随机性和突发性，有些案件现场属于夜间室外现场或者环境照度极低的室内现场，现 场的光线照度严重不足，这就容易导致现场拍摄的数码图像质量低下，这些图片往往都 达不到实际应用的需求，为公安后期侦查破案工作带来不必要的麻烦，因此提高数字图 像的质量对公安工作具有十分重要的意义。 基于小波变换是一种实用的数字图像处理技术，主要目的是增强图像细节特征的同 时兼顾人眼的视觉效果。事实上，一个良好的图像增强处理方法应当在保持原始图像边 缘、轮廓和细节特征清晰度的前提下，尽可能有选择的突出观察者感兴趣的细节，提高 图像视觉质量，这就是研究数字图像增强处理所要追求的目标。本文着重介绍的是利用 高频加强法突出图像的细节特征，实验结果表明该种方法能有效的提高数字图像质量， 满足公安工作的实际应用。可以预见，有效地解决图像质量低下的问题，并增强图像的 细节特征，将极大地提高刑事案件现场数码照片的质量，实现数码影像技术的应用价值， 更好地为打击犯罪、保障社会稳定服务。 关键词关键词：数码摄影 图像增强 小波变换 MATLAB 中国刑事警察学院本科毕业论文 II ABSTRACT Title: Image enhancement based on wavelet transform and its applications With the development of computer technology and digital imaging technology, digital imaging technology is widely applied in the public security field , especially for the application of standard digital imaging and innovation of technology on record and trace evidence examination of criminal cases has become an important topic in the study of criminal science and technology. In the practice of public safety, criminal case is random and burst, some cases happened outdoors at night or indoors in dim field, the intensity of light in the field is insufficient seriously ,which lead to the low quality of digital image about the scene, these pictures are not up to the demand of practical application, which bring unnecessary trouble for police on detecting work later, thus, improving the quality of digital image is of important significance to the work of public safety. The digital image processing technology based on the wavelet transform is practical, the main purpose is to enhance the details of the image features and keeping the visual effect as well. In fact, a good image enhancement processing method should keep the edge ,contour and detail feature definition of the original image first, then, select outstanding details that observers are interested , improve the image visual quality, this is the goal of studying the enhancement of digital image. The mainly content of this paper is using the method of high frequency enhancement to make the image feature outstanding, the experimental results show that this method can improve the image quality effectively, satisfy the practical application of public security. We can predict that solving the problem of low image quality effectively, and enhancing the image details will improve the quality of crime scene photos in criminal case ,making the value of application in digital imaging technology come true, providing the better service for fighting against crime and preserving the stability of society. Key words: Digital Photography, Image enhancement, Wavelet transform, MATLAB 中国刑事警察学院本科毕业论文 III 目录目录 引言引言 .1 1 1 数字图像数字图像增强处理增强处理.2 1.1 数字图像增强处理的概念.2 1.2 数字图像增强处理的主要方法.2 1.3 数字图像处理技术的发展状况.3 2 2 小波变换原理与应用小波变换原理与应用.3 2.1 小波变换的概念及原理.3 2.2 小波变换在数字图像处理方面的应用.5 3 基于小波变换的图像增强方法基于小波变换的图像增强方法.6 3.1 基于小波变换的增强图像原理.6 3.2 基于小波变换的图像增强方法实现.7 4 实验结果及分析实验结果及分析.10 4.1 实验器材与检材.10 4.2 实验方法与步骤.11 4.3 实验结果分析.12 结论结论 .15 参考文献参考文献 .16 致谢致谢 .18 中国刑事警察学院本科毕业论文 第第 1 1 页页 引言 目前，在公安实践工作中，视听资料作为新刑事诉讼法所规定的第七类证据使得公 安图像技术具有在侦查中为破案提供犯罪线索，收集犯罪证据和为判案提供必要依据的 现实意义，但是现场拍摄的数字图像由于客观条件的限制，我们所得到的数字图像常常 伴随着 图像对比度低、质量低下和图像识别率不高的问题，有些甚至达不到公安实际应用的需 求， 因此，利用图像增强技术我们可以把我们对数字图像感兴趣的部分，有选择的、尽可能 的凸显出来，或将我们不感兴趣的部分有选择的进行削弱或者除去，以求达到观察者的 需求，充分体现数字图像的细节特征。虽然目前国内外有很多种图像增强技术，这些技 术可以很好的提高图像的对比度，观察效果也比较理想，但这些图像增强技术在提高对 比度的同时也放大了噪声对数字图片的干扰。 小波变换是一种快速发展的信号分析方法，能从多尺度、多角度提取数字图像的信 号特征，并且能实现信噪分离，因此在实际公安工作中发挥着至关重要的作用，小波变 换继承与延拓了“短时傅立叶变换局部化”的思想，同时也克服了窗口大小不随频率变 化等缺点，能够提供一个随频率改变的时间频率窗口，是进行信号时频分析和处理比 较理想的一种方法。小波通过变换能把所关心的和感兴趣的细节特征充分的表现出来， 使之容易观察。可以预见，基于小波变换的图像增强方法将在很大程度上改善数字图像 的质量使图像增强技术更好的服务于公安工作，为打击犯罪，维护社会稳定提供有力的 技术支持。 随着科技的不断发展，国内外出现了很多图像增强的方法，虽然这些图像增强方法 在处理数字图像时也具有一定的效果，但是这些图像增强方法只是增强分解后代表的小 波系数，对数字图像的低频分量并没有做出与之相对应的改变，因此导致了处理后的数 字图像灰度基本上没有什么太大的变化，这就决定了这些图像处理方法在处理低对比度 数字图像时效果不是很理想，同时，这些方法也并未考虑到人眼的视觉效果。而小波变 换恰恰为解决这一问题提供了可行性，小波变换因其具有良好的多分能力及相关性较强 的特点，能使数字图像实现很好的信噪分离，在增强图像细节特征的同时能有效的抑制 噪声带来的干扰。小波分析以其在空间域和频率域具有良好的局部化特征的优势，可以 在增强数字图像质量的同时提高图像对比度，使图像更容易被我们所鉴别，更有利于观 察者观察图像的细节特征，成为处理低对比度疑难图像的理想方法。 本课题所提出的基于小波变换的图像增强方法可以很好地提高图像的对比度和完成 图像的去噪，使图像的细节特征更为明显，同时还兼顾了人眼的视觉效果，是一种比较 基于小波变换的图像增强方法及应用 第第 2 2 页页 理想的图像增强方法。随着数字图像技术的快速发展和在公安、司法领域广泛应用，利 用数字图像处理方法增强和分析疑难图像，为案件的侦查破案提供强有力地技术支持， 已成为打击犯罪的必然趋势，因此，将基于小波变换的图像增强方法运用到公安实践中， 总结一般性规律，从而指导公安实践工作，具有着重要的现实意义。 1 1 数字图像增强处理数字图像增强处理 1.11.1 数字图像增强处理的概念数字图像增强处理的概念 数字图像增强的概念是指是有选择的去突出所选择的数字图像中的某些特定的细节 信息，对某些我们不感兴趣或不需要的细节信息，进行有选择的削弱或除去的的图像处 理方法。这么做的要达到的目的就是运用一系列的数学方法去增强图像，常用的变换手 段有选择的去提高图像中的对比和清晰程度。图像中的对象通常是指痕迹检验鉴定所要 研究的目标，顾名思义就是各类痕迹物证，如行为人的相貌，书证，犯罪嫌疑人指纹、 足迹和犯罪所用的工具，而图像中的载体主要是指承载对象的各类课题，例如各类光滑 镜面，浅色、深色和疑难客体等。 在计算机自动识别技术中，采用增强技术进行预处理，使原始图像信息转化成为一 种更适合于机器感知、理解和分析的形式，以提高机器处理分析的质量。 1.21.2 数字图像增强处理的主要方法数字图像增强处理的主要方法 数字图像处理的增强的方法有很多种，但是从总体上来说，可以分为空间域和频率 域增强两种。 空间域图像增强是直接针对图像中的像素，对图像的灰度数值进行处理。空间域法 属于直接增强的方法，它包括扩展对比度的灰度变换和直方图变换、消除噪声的平滑法 和增强边缘的锐化法。灰度变换又可分为线性灰度变换和非线性灰度变换。非线性灰度 变换，一般是通过对图像空间域运算获得背景图像的估计值，然后和原始图像进行运算， 达到消除光照度不均匀的效果。非线性灰度变换可以按照预定的目标，依据背景图像灰 度分布和估计值，调整非线性变换函数曲线的形状、各个拐点的位置，校正图像检材的 灰度分布，增强图像检材的视觉效果和辨析程度，从中提取有使用价值的信息。在空间 域方法中，根据每次处理是针对单个像素还是小的子图像块有可分为两种：一种是基于 像素的图像增强，也叫点处理，点运算包含了直方图均衡，图像平均等方法，其中直方 图均衡常用于处理图像的对比度使之能满足观察者的需求，常用方法是调整光强值使其 尽可能均与分布于可用灰度值的区域内。图像平均法顾名思义就是对同一副画面的图像 多取几幅，而后取其平均值，以此来尽可能的减小噪声的干扰，这样可以简单的达到去 噪的目的。空域滤波是在图像空间内借助模板实行其领域操作完成的。空域滤波按其功 能可以分为图像平滑和图像锐化两个方面，压制、弱化或消除图像中的细节、突变、边 中国刑事警察学院本科毕业论文 第第 3 3 页页 缘和噪声,就是图像平滑化，图像平滑实际上属于低通滤波器，它可以将目标图像内的小 间断连接起来，常用的平滑滤波法主要中值滤波法等。图像锐化是实际上属于高通滤波 器，它可以通过强化图像的边缘细节特征达到增强图像的目的。频域滤波是变换域滤波 的一种，它是指将图像进行傅立叶变换后，在变换域中对图像的变换系数进行滤波处理， 处理完毕后再进行逆变换，获得滤波后的图像。 频率域图像增强是将原始图像进行傅立叶变换，变换后的图像经过频率域滤波器处 理，最后再由傅立叶逆变换得到增强后的图像，得到的图像由于频率域滤波器的不同分 为图像锐化和图像平滑，图像锐化通过频率域高通滤波，图像的细节分布于频率域的高 频区域，加强图像的高频分量可使图像轮廓清晰，使图像达到锐化的目的。图像平滑通 过低通低通滤波器，图像的噪声分布于频率域的高频区域，通过对噪声高频的削减，使 图像达到平滑的目的。 1.1.3 3 数字图像处理技术的发展状况数字图像处理技术的发展状况 数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计 算机对其进行处理的过程。数字图像处理最早出现于 20 世纪 50 年代，当时的电子计算 机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。 数字图像处理作为一门学科大约形成于 20 世纪 60 年代初期，早期图像处理是为了 改善图像的质量，其对象是人，目的是改善人眼的视觉效果，便于对目标图像进行识别、 辨认。图像处理中，输入的是质量低的图像，输出的是质量高的图像。常用的图像处理 方法有图像增强、图像复原、图像压缩等。 图像处理技术首次获得实际成功应用是在 1964 年对月球表面图片进行图像处理，此 后，图像处理技术又成功的对火星、土星等星球的星球表面图像进行复杂的图像处理， 直接推动了数字图像处理这门学科的诞生。数字图像处理在医学研究方面同样取得了里 程碑式的发展，1972 年英国工程师 Housfiedld 基于图像重建原理发明了用于头颅诊断的 X 射线计算机断层摄影装置并与 1979 年获得了诺贝尔奖。随着科技的不断进步，数字图 像处理技术向更高、更深层次发展，人们对数字图像的视觉效果的要求也越来越高，直 至 70 年代末 Marr 提出的视觉计算理论，该理论成为其后十余年计算机视觉领域的主导 思想。 20 世纪 90 年代初开始，数字图像处理技术获得了突飞猛进的发展，法国科学家 J.MOLET 于 1984 年在分析地震波的局部特征时首先提出小波这一术语，随着人们对小波 深入的研究，Mallat 于 1988 年成功的将小波分析应用于图像的分解与重构。时至今日， 图像处理技术在生物医学、遥感、工业、军事及公安侦察、航空航天、电子商务、通信 技术等领域中发挥着越来越重要的作用。 随着科技的不断发展，数字图像处理技术的应用领域也将随之不断扩大，未来数字 图像处理技术的发展趋势大致可以归纳成以下几点：a. 数字图像技术将向着更高速、智 能化、高分辨率的方向发展；b. 逐步完善数字图像处理技术的理论体系；c. 数字图像 朝着三维成像或多维成像的方向发展；d. 新理论的问世及新算法的研究；e. 更为注重 基于小波变换的图像增强方法及应用 第第 4 4 页页 人眼的视觉效果。 对于公安工作而言，现场拍摄的数字图像质量低下的原因是多变的，低质图像给后 期的检验鉴定工作带来不必要的麻烦，所以利用图像处理技术对低质图片进行处理显得 尤为重要，但是采用传统的图像增强方法很难达到令人满意的效果，小波能从多尺度、 多角度提取数字图像的信号特征，并且能实现信噪分离，因此在实际公安工作起到至关 重要的作用。 2 小波变换的原理与应用 2.12.1 小波变换的概念及原理小波变换的概念及原理 传统的信号理论建立在 Fourier 分析基础之上，然而 Fourier 变换作为一种全局性 的变化具有一定的局限性。在实际应用中人们开始对 Fourier 变换进行各种改进，小波 分析由此产生了。小波分析是一种新兴的数学分支，它是泛函数、Fourier 分析、调和分 析、数值分析多者完美的结晶；在应用领域，特别是在信号处理、图像处理、语音处理 以及众多非线性科学领域，它被认为是继 Fourier 分析之后的又一有效的时频分析方法。 小波变换与 Fourier 变换相比，是一个时间和频域的局域变换，因而能有效地从信号中 提取信息，通过伸缩和平移等运算功能对函数或信号进行多尺度细化分析，可以解决 Fourier 变换无法解决的许多难题。 上世纪 80 年代，法国地质物理学家 Jean Morlet 在分析地质震动波的过程中，面对 传统 Fourier 变换无法适应需要的窘境，以经验为基础，提出了“Morlet 小波基” 。1986 年著名数学家 Meyer 对 Morlet 方法进行了系统研究，首次在理论上建立了确定的函数， 构造出了真正的小波基。随后，Mallat 成功将多尺波分析的思路引入到小波分析中，提 出了小波变换的快速分解与重构算法，即 Mallat 算法。1988 年 Daubechies 又提出紧支 集光滑小波基，使小波理论进一步系统化。从此，小波分析及其应用引起了世人广泛关 注，并取得了瞩目的成就。 现实生活中，小波分析的应用领域非常广泛，包括数学领域的多个学科；信号分析、 图象处理；量子力学、理论物理；军事电子对抗与武器的智能化；计算机分类与识别； 音乐与语言的人工合成；医学成像与诊断；地震勘探数据处理；大型机械的故障诊断等 方面。例如，在数学方面，它已用于数值分析、构造快速数值方法、曲线曲面构造、微 分方程求解、控制论等。在信号分析方面的滤波、去噪声、压缩、传递等。在图象处理 方面的图象压缩、分类、识别与诊断，去污等。在医学成像方面的减少 B 超、CT、核磁 共振成像的时间，提高分辨率等。 （1）小波变换的定义 与傅立叶变换相似，小波变换也存在一维变换和二维变换。 设函数具有有限能量，即， xftf 2 L R 中国刑事警察学院本科毕业论文 第第 5 5 页页 则小波变换的定义如下 ).12( 1 )()()(, , dt a bt a tfdtttfbaW baf 其中，积分核为的函数族。 0atf 2 L Rdt a bt a ba 1 , 变换中，尺度参数制约小波函数的取值域宽，平移参数对应小波在时间轴上位移。LL ，支撑区具有伸展作用，反之有收缩作用。支撑区的伸和缩导致小波傅里叶变1a)(t 换频谱分别向高频端收缩和扩展。 （2）一维连续小波变换 若是一个实值函数且它的频谱满足以下条件：)(x)(s )2 . 2( )( 2 ds s s C 则被称作一个基本小波，或小波基函数，一组小波基函数表示为，它们)(x)( , x ba 是通过平移和伸缩基本小波来构造的：)(x )3 . 2()( 1 )( , a bx a x ba 式中，变量指出其沿轴的平移量，变量反映一个特定基函数的尺度，且bxa0a 与同为实数，则函数以小波为基的连续小波变换为：b)(xf)(x )4 . 2()()(),( , dxxxfbaW baf 除此之外，小波变换还有线性、能量守恒性，空间、尺度局部化、局部正则性等性 质。由于每个小波的波形是不一样的，各个小波的对称性，正则性，紧支撑性都不一样。 因此处理的信号或者图像不同的话，选择的小波基也不一样。常见的小波函数有Haar小 波、墨西哥草帽小波等。 2.2 小波变换在数字图像处理方面的应用小波变换在数字图像处理方面的应用 小波变换是当下十分流行的数字图像处理技术，小波以其多尺度、多角度提取图像信 号特征的特点在数字图像滤波处理、图像增强、图像融合、图像压缩等方面有着十分广 泛的应用。 （1）小波变换在图像滤波处理方面的应用 高通滤波及低通滤波增强图像实际上是分别利用高通滤波器和低通滤波器突出图像高 频部分或让图像低频通过以此达到突出图像细节特征或使图像达到平滑效果的方法，但 这类方法在某种程度上降低了图像的清晰程度，处理后图像的视觉效果不是很理想。例 如对数字图像进行去噪处理时，噪声和图像的细节信息同时存在于高频区域，所以传统 的去噪方法容易在去噪时使图像丢失一部分的细节信息。基于小波变换的图像去噪技术 在处理噪声时，可以提取、保存图像对视觉起主要作用的视觉信息，因此利用小波变换 对目标图像进行图像增强处理得出的图像细节特征比较明显，层次丰富，也兼顾了人眼 基于小波变换的图像增强方法及应用 第第 6 6 页页 的视觉效果。 （2）小波变换在图像增强方面的应用 当然图像质量低下的情况时有发生，而且免不了要发生。既然会出现这样的问题，那 么找到一种可以改善图像质量和增强图像画质的方法就很重要。如果采用传统的图像增 强方法很难达到令人满意的效果。如果使用小波变换处理这个问题，会有意想不到的效 果。从图像处理的角度看，小波变换存在以下若干个优点：a. 小波分解可以覆盖整个频 域；b. 小波变换通过选取合适的滤波器，可以极大的减小或去除所提取得不同特征之间 的相关性；c. 小波变换具有“变焦”特性，在低频段可用高频率分辨率和低时间分辨率， 在高频段，可用低频率分辨率和高时间分辨率；d. 小波变换实现上有快速算法。 这样看来，利用小波变换在数字图像处理方面应用的优势，可以帮助解决上面的问 题。小波变换可以将图像分解为位置、方向、大小都不相同的分量，在做逆变换之前通 过改变小波变换域里面的某些参数的大小，从而有选择的放大感兴趣的分量，减小不重 要部分，达到增强图像的目的。 （3）小波变换在图像融合方面的应用 传统的图像融合方法，往往只对两幅待融合的图像在在时域上进行算数运算而后融 合，并没有考虑到相应图像对应频率域的变化，因此得出的融合图像往往存在对比度较 差或图像存在噪声等一系列问题，而小波变化的图像融合技术因其具有良好的正交性与 对称性等特点。在考虑时域的同时也考虑了频域，故基于小波变换的图像融合方法实现 了时域与频域的同步，同时其去融合方式与人眼视网膜图像算子融合方式相似，所以可 以获得人眼视觉特性更为接近的图像融合效果，因此从很大程度上改善了融合图像的图 像质量，另一方面图像融合的过程中融合规则的选取直接影响图像融合图片的质量，小 波变换的优势在于其可以把图像分解成不同频段的分解变换系数，构成代表原图像各类 特征的一系列矩阵。因此我们可以利用这一特点，运用不同的融合规则对图像各类特征 进行处理，从而达到最好的图像融合效果。 （4）小波变换在图像压缩方面的应用 图像压缩是一个很有发展前途的研究领域，一幅好的压缩图像要有合适的信噪比且 在压缩、传输及恢复的过程中图像的失真度小。而基于小波变换的图像压缩技术是把图 像进行多分辨率分析，进而将图像分解成不同频率的子图，这样有利于采用不同的编码 方法分别进行处理，从而获得符合要求的高压缩比图像。 3 基于小波变换的图像增强方法 3.13.1 基于小波变换的增强图像原理基于小波变换的增强图像原理 在科学研究和日常生活中我们常常面对二维现象，所以小波分析运用到二维信号处 理是顺理成章的事情，例如图像处理技术。 中国刑事警察学院本科毕业论文 第第 7 7 页页 （1）二维连续小波变换 ) 1 . 3( ),(),( ),(),( , 1 dxdy a cbyx ayxfcbaW cbaf 式中，而则称0,),(),( 22 RaRcbRLyxf),( ),(),( , 1 yx a cbyx a cbacba 为二维小波。 （2）二维离散小波变换 设二维离散图像信号，子空间序列是的)(),( 22 RLyxf)(),( 22 RLyxf zj V )( 2 )( 22 RL 多分辨率逼近。可以证明尺度函数的伸缩与平移构成的正交基组，且 ),(yx 2 V ，是一维尺度函数。在一定条件下的正交基：)()(),(yxyx),(yx 2 V )2 . 3(2,)2(2)2,2(2 ),(22),(2 22 znm jjj znm jjj mynxmynx jjj 于是信号在分辨率下的逼近由下式得到：),(yxf j 2 )3 . 3()2()2(),( 2 ),(222znm jjd mynxyxffB jjj 再定义三个小波函数： );()(),( )4 . 3();()(),( );()(, 3 2 1 yxyx yxyx yxyx ）（ 则的平移伸缩构成了正交补空间的规范正交基。),(yx i )5 . 3(m)2-yn,2-(xm),22-yn,2-(xm),22-yn,2-(x2S 2j zn)(m, -j-j3 2 -j-j-j2 2 -j-j-j1 2 -j 2 jjj 3.23.2 基于小波变换的图像增强方法的实现基于小波变换的图像增强方法的实现 图像增强的目的是增强我们感兴趣的细节特征，便于对目标的识别和处理，基于小波 变换的图像增强方法主要有以下几种： （1）梯度法 对图像函数，其在点上的梯度定义为矢量),(yxf),(yx )6 . 3(),( y F x F yxFG 则的梯度为：对于离散图像而言，可用一种),(yxFG 2 1 22 )()(),( y F x F yxFG 常用近似关系式是： )7 . 3()1,(),(), 1(),(),( 2 1 22 yxFyxFyxFyxFyxFG 基于小波变换的图像增强方法及应用 第第 8 8 页页 知道了梯度后可用以下方法确定输出。),(yxFG),(yxG a.直接以梯度值代替 )8 . 3(),(),(yxFGyxG 该种方法直截了当简单。但在均匀的区域，因为梯度值很小（极端),(kjF),(kjFG 情况下甚至为零） ，会表现出暗的特性。这在有些场合是不适宜的。 b.辅以门限判断 )9 . 3( );,( ),();,( ),( yxF TyxfGyxfG yxG 该方法基本上不破坏图像背景，又可以增强边缘。 c.给边缘规定一个特定的灰度值，即 )10 . 3 ( );,( ),(; ),( yxF TyxfGL yxG a （2）统计差值法 该方法是利用图像的局部统计特征（均值与方差）对图像边界做锐化的方法。基本 思路是在二维离散图像F中，令点处的灰度值为，以为中心，),(yx),(yxF),(kjF 区域内的灰度均值为是大于零的整数。于是有：) 12(12sr）（srkjFE,),( )11 . 3 (),( ) 12)(12( 1 ),( rx rxm sy syn nmF sr yxFE )12 . 3 (),(),( ) 12)(12( 1 ),( 2 2 rx rxm sy syn yxFEnmF sr yx 为区域内的点。),(nm) 12)(12(sr 点锐化输出为 )13 . 3 ( ),( ),( ),( yx yxF yxG （3）反锐化掩模法 反锐化掩模法利用小波变换后图像被分离成四个子图，其低频子图中包含了原始图 像绝大部分信息，只损失了一些高高频成分的特点，将小波图像的低频子图取出而后扩 展至与原图大小相同，这样低频子图所包含的图像信息就相对丰富，但得出的图像一般 都比较模糊，再利用算法：进行处理。式中),(),(),(),(yxfyxfKyxfyxg 为原始图像，为人为模糊方法模糊所得到的图像，是常数，上式),(yxf),(yxf),(yxfK 中第二项相减，这样会使在图像的低频上损失很多分量，而高频则会较为完整的),(yxf 保留下来，当迭加倍的得到后，就提升了图像的高频成分。k),(),(yxfyxf),(yxf （4）高频加强法 高频加强法对小波分解图像进行线性运算处理，突出增强其中的高频成分，而后经过 小波反变换恢复图像。这种图像处理方法将图像的高频分量突出，这样可以使图像轮廓 中国刑事警察学院本科毕业论文 第第 9 9 页页 得到加强，使图像看起来较为清晰。高频加强法的实质是一种补偿图像轮廓的图像处理 方法。 设函数是一张量积空间其构成上的一个多分辨率分析，和分别是相应的尺 j v)( 2 RL 度函数和小波函数，为任意一图像的函数，则有分解： j Vf )14 . 3 (),(),(,),( 1 0 ,11 zn L jzn njnjjj yxDyxncyxf 如果引进一些加权值，则有： kj K , )15 . 3 (),(),(,),( 1 0 ,11 zn L jzn njnjnjjj yxKDyxncyxf 基于小波变换的图像增强方法及应用 第第 1010 页页 4 4 实验结果及分析实验结果及分析 4.1 实验器材与检材实验器材与检材 图像增强作为基本的图像处理技术，其目的是对图像进行加工，以得到具体应用来 说视觉效果更“好”更“有用”的图像。数字图像增强技术是面向我们所遇到的具体问 题的，因此，所谓“好”和“有用”的增强图像标准是不存在的，能具体应用到实践当 中，即为“好”和“有用”的图像,本实验的实验器材如下： 在物证检验摄影中，特别是红外摄影和紫外摄影，由于照明光源的局限性、被摄物 体局部表面的物理属性差异以及配光方法不当，常常造成被摄检材表面照度分布不均匀， 致使形成影像灰度反差较大，层次少，大量的有用信息湮没在高光区或低光区。图 1 为 现场拍摄的指纹图像由于图像对比度低，容易对后期检验鉴定工作带来不必要的麻烦， 因此利用数字图像增强技术对图像进行处理显得十分必要。 在现场勘查检验摄影中，受制于诸如现场拍摄环境、设备调试等因素，得到的图片 往往存在对比度低，颜色饱和度不高的问题。例如图 2 为雾天拍摄的现场图像，雾天空 气中含有大量的悬浮粒子由于这些粒子对光的散射作用，拍摄得到的数字图像存在对比 度低、景物模糊不清晰，对图像监控、识别造成了阻碍。 Matlab 全称是 Matrix Laboratory（矩阵实验室)与 Mathematica、Maple 并称为三 大数学软件，最初由 Cleve Moler 博士在 70 年代末讲授矩阵理论和数据分析等课程时编 写的软件包 Linkpack 与 Eispack 组成，其目的是为了使编程人员免去大量的重复矩阵运 算和基本数学运算等繁琐的编程工作。Matlab 以其编程效率高、扩展能力强、高效方便 的矩阵和数组运算、方便快捷的绘图功能及语句简单丰富的特点成为当下十分流行的数 学软件并且在工程计算、信号检测分析、图像处理等领域有着十分广泛的应用。 图 1 图 2 中国刑事警察学院本科毕业论文 第第 1111 页页 4.2 实验方法与步骤实验方法与步骤 本文实验使用 Matlab7.0 软件对现场拍摄的低对比度指纹图像、雾天图像利用进行高 频加强处理，观测高频加强处理后的图像效果。 利用 Matlab 编制图像高频加强程序如下： clc; clear all; close all; warning off all; filename = fullfile(pwd, f:/a3.jpg); x = imread(f:a3.jpg); if ndims(x) = 3 x = rgb2gray(x); end sz = size(x); if sz(1) 800 rate = 800/sz(1); x = imresize(x, rate, bilinear); end % 小波分解 coef,scf = img_wavedec2(x,1,bior3.7); Lo_D,Hi_D = wfilters(wname,d); lf=length(Lo_D); imshow(x); r,c=size(x); xlabel(维数 : ,num2str(r),*,num2str(c); xd=double(x); rx,cx=size(x); o2sa,f1sa,rsx=sizcoef(rx,cx,lf,N); a=o2sa,f1sa,rsx; coef=; scf=rx,cx; for i=1:N cA,cV,cH,cD=mydwt2(xd,Lo_D,Hi_D); cA,cV,cH,cD=mydwt2(xd,Lo_D,Hi_D); xd=cA; outmp=cV;cH;cD; scf=size(cV);scf; coef=outmp;coef; end coef=cA;coef; scf=size(cA);scf; plotcoef(N,wname,coef); plotcoef2one(N,wname,coef,rsx); % 高频增强 coef = hf_enhancement(coef); 基于小波变换的图像增强方法及应用 第第 1212 页页 if nargin 2 sz = size(coef1); if sz(1) 300 k = 2; else k = 3; end end for i = 2 : length(coef) end % 小波重构 xrec = img_waverec2(coef,scf,1,bior3.7); Lo_R,Hi_R = wfilters(wname,r); yr,yc=size(coef); decdim=(yr-1)/3; if decdimrecdim error(Reconstruction level can not larger than decomposition level ( declev = ,num2str(decdim), ) end rcA=coef1; for i=1:recdim rcV=coef(i-1)*3+2; rcH=coef(i-1)*3+3; rcD=coef(i-1)*3+4; rcA=myidwt2(rcA,rcV,rcH,rcD,Lo_R,Hi_R,scf(i+2,:); end xrec=rcA; plotxrec(decdim,recdim,xrec) 4.3实验结果分析实验结果分析 本文实验以实践中最常见的图像作为检材，拍摄两张原始图片，利用 MATLAB 软件分 别对其进行高频加强处理。最后通过比对实验结果，分析该种方法处理低对比度图像的 优点。 中国刑事警察学院本科毕业论文 第第 1313 页页 （1）指纹图像增强处理 （2）现场雾天图像增强处理 图 3 原始指纹图像 图 5 高频加强法实验结果 图 6 指纹图像小波分解 图 图 6 原始现场雾天图像 基于小波变换的图像增强方法及应用 第第 1414 页页 原图像由于受制于客观因素的影响，造成数字图像对比度较低、视觉效果不理想， 为检验鉴定工作带来阻碍。利用小波变换的高频加强法对原始图像进行增强处理，实验 结果表明基于小波变换的图像增强方法在小波分解和重构的基础上，将原始图像的高频 分量尽可能的突出，从实验结果图上可以明显的看出经过高频增强法的处理，原始图像 中的模糊细节变得清晰，对比度得到增强，图像质量得到提高，便于人们对目标图像的 判断于识别，为后期的检验鉴定工作提供了可靠的依据。 图 7 现场雾天小波分解图像 图 8 高频加强法实验结 果 中国刑事警察学院本科毕业论文 第第 1515 页页 结论 通过以上的实验，我们针对图像低对比度的特点，总结出基于小波变换的图像增强 方法，以及后期利用 Matlab 软件对低对比度数字图像进行高频增强处理。实验结果表明， 采用小波变换的高频增强法较传统的图像增强方法有着明显的优势，小波变换依靠其多 尺度的特征对细节信息进行区分处理，避免了传统图像增强方法处理中需要不断对滤波 器的窗口大小进行调整来选取增强效果的繁琐工作。另一方面由于小波变换的多分辨率 特征对原始图像进行增强处理得出的图像层次感强、细节部分比较清晰，增强效果比较 明显，为图像的识别判断提供了可靠的依据，但高频加强法也具有一定的局限性，高频 加强法只是注重突出了图像的细节