郭永坤，朱彥陳，劉莉萍，黃 強(qiáng)

1.江西中醫(yī)藥大學(xué) 計(jì)算機(jī)學(xué)院，南昌 330004

2.江西中醫(yī)藥大學(xué) 網(wǎng)絡(luò)中心，南昌 330004

在人們的生活、生產(chǎn)中，數(shù)字圖像的處理已無(wú)處不在，例如醫(yī)療、軍事、工業(yè)、民用等各個(gè)領(lǐng)域圖像都被廣泛應(yīng)用。數(shù)字圖像處理的歷史可追溯至二十世紀(jì)二十年代。最早應(yīng)用之一是在報(bào)紙業(yè)。那么，什么是圖像處理。圖像處理（image processing）是指用計(jì)算機(jī)的手段對(duì)圖像進(jìn)行科學(xué)分析，以達(dá)到所需結(jié)果的技術(shù)，又稱(chēng)影像處理。圖像處理一般指數(shù)字圖像處理。數(shù)字圖像是指用攝像機(jī)、掃描儀等一系列輔助設(shè)備經(jīng)過(guò)拍攝得到的二維數(shù)組，該數(shù)組的元素稱(chēng)為像素，其值稱(chēng)為灰度值。然而，有些數(shù)字圖像往往存在著模糊區(qū)，給圖像的識(shí)別帶來(lái)了諸多不便，為了更加準(zhǔn)確地識(shí)別圖像，圖像增強(qiáng)技術(shù)應(yīng)運(yùn)而生。圖像增強(qiáng)技術(shù)是一種基本的圖像預(yù)處理手段，它改善原始圖像的視覺(jué)效果或某種程度的濾噪，以便于后續(xù)的圖像處理，其最終目的是為了提高圖像質(zhì)量，加強(qiáng)圖像判讀和識(shí)別效果。最早應(yīng)用在醫(yī)學(xué)圖像處理領(lǐng)域的圖像增強(qiáng)方法大多為簡(jiǎn)單的空間域圖像增強(qiáng)方法，對(duì)模糊的圖像進(jìn)行數(shù)字增強(qiáng)后再進(jìn)行圖像識(shí)別。由于起初對(duì)于醫(yī)學(xué)圖像的處理要求簡(jiǎn)單，一般采用一些空間域的手段即可，但是隨著醫(yī)學(xué)的發(fā)展，對(duì)于圖像處理的要求更加嚴(yán)謹(jǐn)，陸續(xù)出現(xiàn)了更多的基于空間域、頻域的圖像增強(qiáng)方法，增強(qiáng)的效果也因此得到了不同程度的改善。詳細(xì)的圖像增強(qiáng)方法分類(lèi)框架圖如圖1所示。隨著圖像處理領(lǐng)域研究的不斷深入，傳統(tǒng)的圖像增強(qiáng)方法已無(wú)法滿足要求。為此，本文對(duì)圖像增強(qiáng)方法進(jìn)行綜述分析，將其分為空域圖像增強(qiáng)方法和頻域圖像增強(qiáng)方法，并分別對(duì)這些方法的性能、效果進(jìn)行對(duì)比，以便為進(jìn)一步研究圖像增強(qiáng)算法或者改進(jìn)圖像增強(qiáng)方法提供參考與借鑒。

圖1 圖像增強(qiáng)方法分類(lèi)框架圖Fig.1 Classification framework of image enhancement method

1 空域圖像增強(qiáng)方法

空域是指組成圖像的像素的集合，空域的圖像增強(qiáng)直接作用于圖像中像素灰度值，基本上是以灰度映射為基礎(chǔ)進(jìn)行運(yùn)算處理的?；诳沼虻膱D像增強(qiáng)方法[1]主要有直方圖修正[2-3]、灰度變換[4-5]和空域?yàn)V波[6-9]等方法。

1.1 直方圖修正圖像增強(qiáng)算法

圖像直方圖是圖像處理中一種十分重要的圖像分析工具，它反映的是一幅圖像中各灰度級(jí)像素出現(xiàn)的頻率與灰度級(jí)間的關(guān)系。其目的是，增大反差，突出圖像細(xì)節(jié)，從而達(dá)到圖像增強(qiáng)。直方圖修正可分為直方圖均衡化和直方圖規(guī)定化兩種方式，直方圖均衡化HE[10]又稱(chēng)直方圖平坦化，主要用于增強(qiáng)動(dòng)態(tài)范圍偏小的圖像的對(duì)比度。直方圖規(guī)定化HS[11]主要是依據(jù)目標(biāo)圖像均衡化，可看作是直方圖均衡化的改進(jìn)。如圖2所示，直方圖均衡化后圖像整體對(duì)比度更強(qiáng)，灰度分布較均勻（以藏藥臭蚤草植物圖像為例），如圖3所示，直方圖規(guī)范化后圖像整體目標(biāo)性更強(qiáng)（以川百合植物圖像為例）。直方圖修正算法對(duì)灰度級(jí)相對(duì)集中、背景和前景都太亮或者太暗的圖像處理效果較好，但對(duì)含有噪聲的圖像效果不明顯，并且均衡化處理后可能會(huì)造成灰度級(jí)減少，易產(chǎn)生一些偽影，對(duì)比度過(guò)分增強(qiáng)。為此，紀(jì)平等人[12]提出一種改進(jìn)自適應(yīng)直方圖均衡化算法，先采用加權(quán)平均值，再用濾波器處理噪聲，消除噪聲的影響，從而提高了圖像增強(qiáng)的效果，但存在著兩個(gè)明顯的缺陷：（1）計(jì)算復(fù)雜度增加了，造成了大量的空間浪費(fèi)現(xiàn)象。（2）算法運(yùn)行在很大程度上存在著人工的干擾。Chang等人[13]提出了各種針對(duì)特定問(wèn)題的基于HE的方法，解決增強(qiáng)圖像中的偽影問(wèn)題。但針對(duì)特定問(wèn)題時(shí)，可能會(huì)造成過(guò)擬合現(xiàn)象。Zahedi等人[14]提出了一種新的顏色直方圖均衡化方法，該方法基于一維直方圖定義了一個(gè)新的三維累積分布函數(shù)，以解決產(chǎn)生的偽影問(wèn)題。但該方法同樣受到顏色通道之間相關(guān)性的影響較大。Ling等人[15]提出了一種用于暗圖像增強(qiáng)的自適應(yīng)擴(kuò)展分段直方圖均衡算法（AEPHE），以解決過(guò)度增強(qiáng)或增強(qiáng)不足問(wèn)題。但如果原始圖像的灰度空間很小時(shí)，會(huì)造成擴(kuò)展分段不合理，致使圖像增強(qiáng)效果降低。

圖2 直方圖均衡化Fig.2 Histogram equalization

圖3 直方圖規(guī)定化Fig.3 Histogram specification

1.2 灰度變換圖像增強(qiáng)算法

灰度變換[16]可使圖像動(dòng)態(tài)范圍限制縮小，圖像對(duì)比度增大，圖像清晰度增高，以改善圖像視覺(jué)效果?；叶茸儞Q一般可以分為線性、分段線性和非線性變換三類(lèi)。線性變換[17]是通過(guò)建立灰度映射來(lái)調(diào)整資源圖像的灰度，對(duì)圖像的灰度做線性擴(kuò)張或壓縮，從而達(dá)到圖像增強(qiáng)的目的。其主要包括反色變換、上移變換和對(duì)比度變換等等。分段線性變換[18]是指在一些明亮段拉伸，在另一些明亮段壓縮，以調(diào)節(jié)圖像的對(duì)比度，其目的是為了突出某些有用的信息。其主要包括灰度拉伸、灰度窗口變換等。非線性變換[19]是通過(guò)壓縮不關(guān)注部分，只對(duì)關(guān)注部分進(jìn)行處理。其主要包括對(duì)數(shù)變換[20]、冪次變換[21]、分段函數(shù)變換[22]等等。為了更加明顯區(qū)分三類(lèi)算法的不同，分別選用其代表算法線性變換-反色變換LIT、分段線性變換-對(duì)比度拉伸PL-TCS和非線性變換-伽馬變換NL-TGT展示三類(lèi)變換的效果，如圖4所示（以藏藥刺花蓮子草植物圖像為例）。相比于直方圖，灰度變換的方法算法較為簡(jiǎn)單，映射函數(shù)選擇較為靈活，得到了廣泛應(yīng)用，如張志偉等人[23]利用一種基于冪律灰度變換的改進(jìn)型分段冪律曲線模型，對(duì)水下焊縫圖像處理，以有效提高焊縫邊緣信息的對(duì)比度。但在低灰度和高灰度區(qū)域存在像素點(diǎn)較少的圖像，灰度拉伸效果有很大的影響；并且存在灰度值孤立點(diǎn)，會(huì)導(dǎo)致存在分段點(diǎn)有一邊拉伸效果不明顯，圖像整體偏暗或者偏亮的現(xiàn)象。華尉然等人[24]采用伽馬灰度變換對(duì)非暗區(qū)域處理，使得圖像亮度、清晰度低圖像能清晰表現(xiàn)出夜間場(chǎng)景中事物輪廓，從而增加圖像增強(qiáng)效果。但是對(duì)于界定上下限灰度的臨界值不易選取，對(duì)增強(qiáng)圖像效果的影響很大。Ding等人[25]采用Radon變換消除了噪聲的影響，從而增強(qiáng)成像質(zhì)量差的圖像效果。但是也大大增加了內(nèi)存的消耗，增加了軟硬件的容量風(fēng)險(xiǎn)。

圖4 灰度變換Fig.4 Gray scale transformation

1.3 空域?yàn)V波圖像增強(qiáng)算法

空域?yàn)V波可分為平滑濾波和銳化濾波，其中平滑濾波有均值濾波[26]、中值濾波[27]和高斯濾波[28]；銳化濾波有Soble[29]算子、Roberts[30]算子和Prewitt[31]算子濾波。平滑濾波是低頻增強(qiáng)的空間域?yàn)V波技術(shù)，其本質(zhì)上是一種低通濾波手段，它的目的是模糊圖像或者降低噪音，其濾波效果如圖5所示。銳化濾波的主要目的是為了突出灰度的過(guò)渡部分并補(bǔ)償缺失的輪廓，增強(qiáng)圖像的邊緣及灰度跳變的部分，使圖像變得清晰。與平滑濾波不同的是，銳化濾波器是使用鄰域的微分作為算子，增大鄰域間像素的差值，使圖像的突變部分更加明顯，濾波效果如圖6所示（以藏藥甘青青蘭植物圖像為例）。兩者效果相反，互為補(bǔ)充，從原始圖像中減去平滑濾波器的結(jié)果能得到銳化濾波器的效果，而從原始圖像中減去銳化濾波器的結(jié)果則可以得到平滑濾波器的效果。現(xiàn)階段已有大量平滑濾波和銳化濾波相關(guān)研究文獻(xiàn)，如王云艷等人[32]利用Sobel算子提取出邊緣掩膜，再利用平滑濾波處理提取細(xì)節(jié)，兩者結(jié)合可得到效果更好的邊緣細(xì)節(jié)增強(qiáng)圖像。但存在圖像邊緣信息過(guò)分增亮的現(xiàn)象。對(duì)于平滑過(guò)程中產(chǎn)生的細(xì)節(jié)模糊問(wèn)題，馮策等人[33]提出了自適應(yīng)的非銳化掩模深度圖像增強(qiáng)算法，只提取出不含噪聲的高頻部分，克服了經(jīng)典非銳化掩模算法放大高頻噪聲的缺點(diǎn)。但該方法在修復(fù)較大缺失過(guò)程中比較耗時(shí)，濾波窗口的尺寸不滿足實(shí)時(shí)性的需求。為解決圖像亮度、對(duì)比度低的問(wèn)題，田文利[34]提出了基于濾波與銳化的遙感圖像增強(qiáng)算法，建立了基于Sobel與Laplacian的圖像銳化增強(qiáng)算子，以增強(qiáng)圖像對(duì)比度。但是沒(méi)有考慮到在兩次銳化中極易丟失一些信息，可能會(huì)導(dǎo)致最后的增強(qiáng)圖像信息不完整。

圖5 平滑濾波效果圖Fig.5 Smoothing filtering effect

圖6 銳化濾波效果圖Fig.6 Effect of sharpening filtering

2 頻域圖像增強(qiáng)算法

頻域增強(qiáng)[35-39]是利用圖像變換方法將原來(lái)的圖像空間中的圖像以某種形式轉(zhuǎn)換到其他空間中，然后利用該空間的特有性質(zhì)進(jìn)行圖像處理，最后再轉(zhuǎn)換回原來(lái)的圖像空間中，從而得到處理后圖像的過(guò)程。頻域處理法的基礎(chǔ)是卷積定理，它采用傅里葉變換的方法實(shí)現(xiàn)對(duì)圖像的增強(qiáng)處理。在頻域空間，圖像的信息表現(xiàn)為不同頻率分量的組合，如果能讓某個(gè)范圍內(nèi)的分量或某些頻率的分量受到抑制而讓其他分量不受影響，使得輸出圖像的頻率分布有規(guī)律地變化，以達(dá)到增強(qiáng)圖像的目的。常用的頻域增強(qiáng)方法有低通/高通濾波和同態(tài)濾波。

2.1 低通/高通濾波圖像增強(qiáng)算法

低通濾波[40]是一種過(guò)濾方式，規(guī)則為低頻信號(hào)能正常通過(guò)，而超過(guò)設(shè)定臨界值的高頻信號(hào)則被阻隔、減弱。常用的低通濾波有理想低通濾波、巴特沃斯低通濾波和高斯低通濾波，其濾波效果如圖7所示。與低通濾波正好相反，高通濾波通高頻抑低頻。能檢測(cè)噪聲的急促變化，證實(shí)圖像的邊緣信息，常用的高通濾波有理想高通濾波、巴特沃斯高通濾波和高斯高通濾波，其濾波效果如圖8所示。低通/高通濾波常用于指紋識(shí)別、人臉識(shí)別、醫(yī)學(xué)影像、圖像模糊、信號(hào)處理等領(lǐng)域，如Yang等人[41]提出了一種新穎的指紋圖像增強(qiáng)濾波器設(shè)計(jì)方法，即改進(jìn)的Gabor濾波器（MGF），用于指紋識(shí)別，解決了偽影問(wèn)題，但也很可能丟失一些重要信息。Mohammad等人[42]開(kāi)發(fā)了一種新算法，用于在不同光照條件下進(jìn)行人臉識(shí)別，采用低通和高通濾波采集面部圖像特征再進(jìn)行分類(lèi)識(shí)別，但對(duì)于什么條件下采用低通和高通濾波采集特征，沒(méi)有精準(zhǔn)的界限。Xia等人[43]提出了一種圖像增強(qiáng)與自適應(yīng)組合低通濾波和模糊增強(qiáng)方法對(duì)圖像增強(qiáng)和噪聲過(guò)濾，以提高效果和適應(yīng)性，但大大增加了算法的復(fù)雜度，運(yùn)行時(shí)間較長(zhǎng)。Deng等人[44]針對(duì)毫米波圖像被重模糊和噪聲的影響，提出了一種改進(jìn)的頻率空間非線性外推方法，以提高毫米波圖像的質(zhì)量和降低噪聲，但非線性濾波器設(shè)計(jì)較復(fù)雜，且易受參數(shù)的影響。Liang等人[45]針對(duì)偏振去霧方法在不同的成像條件下處理模糊圖像不夠穩(wěn)健的問(wèn)題，提出了一種基于低通濾波的廣義極化除霧方法，增強(qiáng)了在不同的霧霾天氣和不同密度的散射水下環(huán)境中的有效性和魯棒性，但是沒(méi)有考慮偏置參數(shù)的影響。以上研究大部分都是針對(duì)某一缺點(diǎn)而做的改進(jìn)，但很少考慮到其他的方面，比如文獻(xiàn)[41]減少了偽影但也丟失了一些信息，其他研究大都如此，沒(méi)有綜合考慮各因素之間的相關(guān)性。

圖7 低通濾波效果圖Fig.7 Effect diagram of low-pass filtering

圖8 高通濾波效果圖Fig.8 High pass filtering effect

2.2 同態(tài)濾波圖像增強(qiáng)算法

同態(tài)濾波[46-47]簡(jiǎn)稱(chēng)為HF算法，是一種在頻域中進(jìn)行的圖像對(duì)比度增強(qiáng)和壓縮圖像亮度范圍的特殊方法。其能夠減少低頻并且增加高頻，從而能減少光照變化并銳化邊緣細(xì)節(jié)。同態(tài)濾波的特點(diǎn)是壓縮灰度范圍，同時(shí)增強(qiáng)對(duì)比度，其濾波效果如圖9所示。為了更好地解決對(duì)比度低和顏色偏差問(wèn)題，Yu等人[48]提出了一種基于彩色線模型和同態(tài)濾波的水下圖像增強(qiáng)方法。該方法在定量分析、定性分析、色彩準(zhǔn)確度分析、合成水下圖像恢復(fù)等四個(gè)方面均優(yōu)于當(dāng)前最先進(jìn)的方法，盡管如此，但是也大大增加了計(jì)算的復(fù)雜度，常規(guī)的計(jì)算方式已經(jīng)不能滿足它的需要，最好使用并行運(yùn)算的方式。為了解決磁共振MR圖像通常存在椒鹽噪聲以及對(duì)比度低的問(wèn)題，黃雪冰等人[49]提出了自適應(yīng)加權(quán)重復(fù)值濾波算法，通過(guò)在空域和頻域針對(duì)不同側(cè)重點(diǎn)分步進(jìn)行濾波，去除椒鹽噪聲，提高對(duì)比度，增強(qiáng)MR圖像。但是該方法有效度不高，同態(tài)濾波參數(shù)的設(shè)置也需要進(jìn)一步測(cè)試和調(diào)整。為了解決低照度圖像問(wèn)題，Zhang等人[50]提出了一種圖像顏色增強(qiáng)方法來(lái)提高圖像的亮度和質(zhì)量，采用局部空間同態(tài)濾波提高亮度，梯度域方差來(lái)抑制噪聲，最終達(dá)到增強(qiáng)圖像的效果。但沒(méi)有考慮到對(duì)比度和信息丟失的問(wèn)題，可能會(huì)造成圖像的視覺(jué)效果并不清晰。

圖9 同態(tài)濾波效果圖Fig.9 Homomorphic filtering effect

3 圖像增強(qiáng)算法評(píng)價(jià)與對(duì)比

3.1 圖像增強(qiáng)效果主觀評(píng)價(jià)

本文編程實(shí)現(xiàn)了上述兩大類(lèi)圖像增強(qiáng)算法，包括直方圖均衡化算法、直方圖規(guī)定化算法、線性變換、分段線性變換、非線性變換、均值濾波、中值濾波、高斯濾波、Soble算子、Roberts算子、Prewitt算子、低通濾波、高通濾波和同態(tài)濾波等17種圖像增強(qiáng)算法，采用同一圖像進(jìn)行測(cè)試，增強(qiáng)效果如圖10所示。

圖10 不同算法得到的增強(qiáng)圖像及其對(duì)應(yīng)的直方圖Fig.10 Enhanced images obtained by different algorithms and their corresponding histograms

由圖10可知，從增強(qiáng)圖像和其直方圖可以看出，HE算法通過(guò)拉大圖像動(dòng)態(tài)范圍達(dá)到了圖像增強(qiáng)的目的，因此對(duì)于動(dòng)態(tài)范圍較大的原始圖像增強(qiáng)效果不明顯?；叶茸儞Q類(lèi)算法能夠使得圖像整體的亮度值分布較均勻。平滑濾波算法能夠使得圖像增強(qiáng)后更符合人眼視覺(jué)效果。銳化濾波算法能夠使得圖像增強(qiáng)后對(duì)比度更加明顯。頻域?yàn)V波類(lèi)算法圖像增強(qiáng)的效果不佳，說(shuō)明該原始圖像不適宜用該類(lèi)方法進(jìn)行圖像增強(qiáng)。HF算法效果最好，增強(qiáng)細(xì)節(jié)的同時(shí)也提高了人眼視覺(jué)的效果。

3.2 圖像增強(qiáng)效果客觀評(píng)價(jià)

本文采用圖像的對(duì)比度、信噪比和信息熵對(duì)增強(qiáng)后的圖像質(zhì)量進(jìn)行評(píng)價(jià)。圖像對(duì)比度的計(jì)算公式如下：

式中，δ2(i,j)即相鄰像素間的灰度差，Pδ(i,j)即相鄰像素間的灰度差為δ的像素分布概率。

圖像的信噪比計(jì)算公式如下：式中，Gt為圖像目標(biāo)區(qū)域最大的灰度值，Gb為圖像背景區(qū)域的灰度均值，σ為圖像背景區(qū)域像素灰度值的標(biāo)準(zhǔn)差。

圖像信息熵的計(jì)算公式如下：

式中，p(k)為灰度級(jí)k的概率密度，M為最大的灰度級(jí)。

分別采用以上公式計(jì)算圖像的對(duì)比度、信噪比和信息熵，計(jì)算結(jié)果見(jiàn)表1和表2。

由表1和表2可以看出，直方圖均衡化算法能有效提升原始圖像的對(duì)比度，但由于合并了一些區(qū)域，導(dǎo)致了某些圖像信息的丟失，使得圖像的信噪比和信息熵的提升不夠明顯?；叶茸儞Q類(lèi)算法同樣能提高原始圖像的對(duì)比度和信噪比，但對(duì)于圖像的信息熵效果不明顯?？沼?yàn)V波類(lèi)算法圖像的信噪比和信息熵有一定的提升效果，但對(duì)于圖像的對(duì)比度效果不明顯。頻域?yàn)V波類(lèi)算法圖像的對(duì)比度、信噪比和信息熵效果度不明顯，說(shuō)明原始圖像不適宜用該類(lèi)方法進(jìn)行圖像增強(qiáng)。同態(tài)濾波類(lèi)算法效果最好，在圖像的對(duì)比度和信息熵都有明顯的提升，但由于增加了高頻部分的灰度范圍，放大了某些噪聲使得增強(qiáng)后的圖像信噪比效果不明顯。

表1 不同算法得到的圖像質(zhì)量的客觀評(píng)價(jià)結(jié)果1Table 1 Objective evaluation results 1 of image quality obtained by different algorithms

表2 不同算法得到的圖像質(zhì)量的客觀評(píng)價(jià)結(jié)果2Table 1 Objective evaluation results 2 of image quality obtained by different algorithms

3.3 空頻域圖像增強(qiáng)方法分析對(duì)比

對(duì)于空頻域圖像增強(qiáng)方法，每個(gè)方法同樣具有自己的優(yōu)點(diǎn)與不足之處，也有自己的適用范疇。為了綜合分析每個(gè)算法，對(duì)每個(gè)算法進(jìn)行了對(duì)比，其詳細(xì)信息見(jiàn)表3。

表3 各空頻域圖像增強(qiáng)方法的分析比較Table 3 Analysis and comparison of various space-frequency domain image enhancement methods

3.3.1 空域圖像增強(qiáng)算法模型分析比較

由表3可知，對(duì)于基于空域的圖像增強(qiáng)方法，主要是對(duì)圖像對(duì)比度、亮度、分辨率和視覺(jué)效果進(jìn)行了增強(qiáng)，在空域圖像增強(qiáng)方法中，直方圖修正更適合用于曝光過(guò)度或曝光不足的圖像，但是同時(shí)也會(huì)產(chǎn)生細(xì)節(jié)減少、過(guò)分增強(qiáng)的問(wèn)題；灰度變換應(yīng)用范圍更廣，更靈活，效果更好，但是相比于直方圖函數(shù)更復(fù)雜，適用性不強(qiáng)，計(jì)算更加復(fù)雜；平滑濾波更優(yōu)于處理低頻圖像，消除噪音，但同樣易受噪聲干擾，不能很好地保護(hù)圖像全局細(xì)節(jié)；銳化濾波更適用處理高頻圖像或突出邊緣圖像，但存在邊緣定位不太準(zhǔn)確，對(duì)噪聲處理效果不理想等問(wèn)題。與其他三類(lèi)方法，直方圖計(jì)算簡(jiǎn)單，運(yùn)行消耗更小，但效果不是特別明顯，而灰度變換、平滑濾波、銳化濾波雖然計(jì)算量較大，但針對(duì)性更強(qiáng)，對(duì)于其適用的圖像效果明顯更優(yōu)。

3.3.2 空域圖像增強(qiáng)算法模型分析比較

由表3可知，對(duì)于基于頻域的圖像增強(qiáng)方法，主要是對(duì)圖像對(duì)比度、色差和飽和度進(jìn)行了增強(qiáng)，在頻域圖像增強(qiáng)方法中，低通濾波的優(yōu)勢(shì)在于圖像平滑，去除噪聲，高通濾波的優(yōu)勢(shì)在于突出邊緣、亮度高的地方，使得特征更加明顯，但是低通和高通濾波都不太穩(wěn)定，信號(hào)傳輸范圍較小。而同態(tài)濾波綜合了兩者的優(yōu)勢(shì)，且可解決非線性問(wèn)題，應(yīng)用性更廣，但也削弱了圖像的特征表達(dá)。

4 結(jié)論與展望

本文在闡述圖像增強(qiáng)概念的基礎(chǔ)上，著重介紹了基于頻域和空域兩類(lèi)傳統(tǒng)的圖像增強(qiáng)方法，選取了不同類(lèi)別中的代表性算法進(jìn)行驗(yàn)證和分析，并對(duì)其圖像增強(qiáng)的效果進(jìn)行了比較和評(píng)價(jià)，并對(duì)各算法的優(yōu)缺點(diǎn)、適用場(chǎng)景和復(fù)雜度進(jìn)行了對(duì)比分析。

綜觀圖像增強(qiáng)領(lǐng)域的應(yīng)用場(chǎng)景，針對(duì)同一圖像，圖像增強(qiáng)方法的效果不同，增強(qiáng)對(duì)比度更適宜采用空域圖像增強(qiáng)方法，突出細(xì)節(jié)和輪廓更適宜采用頻域圖像增強(qiáng)方法，所以在實(shí)際的圖像增強(qiáng)任務(wù)中，需根據(jù)不同的圖像和不同的目標(biāo)，靈活地選擇圖像增強(qiáng)算法，以獲得最佳的圖像增強(qiáng)效果。隨著圖像增強(qiáng)技術(shù)的不斷發(fā)展，圖像增強(qiáng)在計(jì)算機(jī)圖像識(shí)別任務(wù)中的應(yīng)用越來(lái)越廣泛，圖像增強(qiáng)的效果也有了明顯的提升，但仍然存在一些難題：（1）大部分改進(jìn)算法僅僅關(guān)注一個(gè)因素進(jìn)行改進(jìn)，往往造成解決了一個(gè)因素而很有可能產(chǎn)生了另一個(gè)因素，沒(méi)有綜合考慮，適用性不強(qiáng)；（2）多種算法聯(lián)合使用時(shí)，沒(méi)有考慮算法間的相互影響；（3）研究的改進(jìn)算法計(jì)算較復(fù)雜；（4）大部分研究?jī)H僅著重在某一個(gè)算法或者某一類(lèi)算法，沒(méi)有很好地考慮不同算法相互融合，無(wú)法更加有效地發(fā)揮各個(gè)算法的優(yōu)勢(shì)。這些問(wèn)題將成為未來(lái)的研究熱點(diǎn)，具有極其重要的研究?jī)r(jià)值和意義。

本文研究的算法都是經(jīng)典空頻域圖像增強(qiáng)算法，但隨著圖像數(shù)據(jù)量的擴(kuò)展，產(chǎn)生質(zhì)量差的圖像也隨之增多，因此在未來(lái)的研究工作重點(diǎn)可能主要在以下方面：

（1）雖然現(xiàn)階段已有大量圖像增強(qiáng)算法，但是增強(qiáng)效果還不是特別明顯，因此設(shè)計(jì)一個(gè)更加高效、適用性強(qiáng)的算法是未來(lái)的研究熱點(diǎn)，如何提高圖像的質(zhì)量仍然是圖像增強(qiáng)領(lǐng)域未來(lái)的研究方向。

（2）無(wú)論在時(shí)間或者空間復(fù)雜度上，大部分的研究算法復(fù)雜度較高，如何將算法改為最優(yōu)或者局部最優(yōu)算法使得復(fù)雜度或消耗盡可能小是一直需要研究的方向。

（3）隨著圖像數(shù)據(jù)的劇增，導(dǎo)致算法運(yùn)行時(shí)間過(guò)度增長(zhǎng)，因此采用并行化運(yùn)算和分布式運(yùn)算也是下一步可行研究的內(nèi)容之一。

（4）信息時(shí)代新的圖像數(shù)據(jù)每時(shí)每刻都在增加，圖像增強(qiáng)算法所得到的結(jié)果也應(yīng)要更新，因此，越來(lái)越多的改進(jìn)算法隨之誕生，但如何更好地降低甚至消除改進(jìn)中各算法因素間的相互影響是未來(lái)亟需攻克的難關(guān)之一。