文档介绍：图像增强算法
摘要：本文简明介绍图像增强概念和图像增强算法分类，说明了图像增强技术应用和前景展望。并简明介绍了灰度变换和直方图均衡化处理方法。结合实际，关键对维纳滤波代码和去噪效果进行了研究。
关键词：图像增强；灰度改变；直方图均衡化；维纳滤波；代码
研究目标和意义
多年来，伴随电子计算机技术进步，计算机图像处理得到了飞跃发展，己经成功应用于几乎全部和成像相关领域，并正发挥着相当关键作用。它利用计算机对数字图像进行系列操作，从而取得某种预期结果。
对图像进行处理时，常常利用图像增强技术以改善图像质量增强对某种信息辨识能力，以愈加好应用于现代多种科技领域，图像增强技术快速发展同它广泛应用是分不开，发展动力来自稳定涌现新应用，我们能够预料，在未来社会中图像增强技术将会发挥更为关键作用。在图像处理过程中，图像增强是十分关键一个步骤。
所以，对图像增强技术和方法进行研究对国计民生有着十分关键作用。本文拟经过对部分图像增强方法研究，起到巩固书本知识，拓展个人处理问题能力。
本文框架结构
本文一共分为五章，第一章是概述，对全文内容进行一次提要性概括，起到总领作用。第二章是图像增强概述。第三章是图像增强算法。第四章是维纳滤波代码研究。
2．图像增强概述
图像增强基础定义
图像增强是数字图像处理基础内容之一。图像增强是指按特定需要突出一幅图像中一些信息，同时，减弱或去除一些不需要信息处理方法，同时也是提升图像质量过程。
图像增强目标是为了某种应用目标去改善图像质量，处理结果使图像一些特征方面愈加鲜明、突出，使处理结果更适合于人视觉特征或机器识别分析，方便于实现对图像更高级处理和分析。
图像增强处理并不能增加原始图像信息，而只能增强对某种信息辨识能力，使处理后图像对一些特定应用比原来图像愈加有效。
图像增强方法
图像增强方法从增强作用域出发可分为空间域增强和频率域增强两种。常见图像增强方法有：对比度增强法、直方图均衡化、平滑噪声和锐化等。
图像增强历史和应用
多年来，伴随计算机信息技术不停发展，图像增强技术得到了长足发展，广泛地应用到了诸如军事、地质、海洋、森林、医学、微生物和刑侦等领域，发挥着关键作用，对国计民生作用不可低估。
图像增强处理始于20世纪60年代，由美国加州理工学院喷气推进试验室，对徘徊者7号太空飞船发回月球照片进行处理，标志着图像处理技术得到了实际应用。现在，二十一世纪图像增强处理技术已向高质量化方面发展，实现了图像实时处理，采取数字全息技术使图像包含最为完整和丰富信息，实现图像智能生产、处理、了解和识别。
3．图像增强算法
图像增强方法从增强作用域出发，可分为空间域增强和频率域增强两种。频率域方法在图像某个频率域中对变换系数进行处理, 然后经过逆变换取得增强图像。空间域方法对图像进行点运算,是一个既简单又关键图像处理技术, 它能让用户改变图像上像素点灰度值, 这么经过点运算处理将产生一幅新图像。本节关键介绍灰度变换和直方图均衡变换。
灰度变换
灰度变换是图像增强关键方法之一，它不改变图像内空间关系，可使图像动态范围增大，对比度得到扩展，使图像特征显著，愈加清楚。可表示为：
依据变换函数形式，灰度变换分为线性变换，分段性变换和非线性变换。
线性变换
假定图像f(x,y)灰度范围为[a,b]，变换后图像g(x,y)灰度范围线性扩展至[c,d]，其数学表示式以下：
在曝光不足或过分情况下，图像灰度可能会局限在一个很小范围内。这时在显示器上看到将是一个模糊不清、似乎没有灰度层次图像。采取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。
这种线性变换使灰度小于a和灰度大于b像素灰度强度强行变换成c 和d，增强了图像中绝大多数像素灰度层次感。
原始图像 变换结果
分段线性变换
为了突出感爱好目标所在灰度区间，相对抑制那些不感爱好灰度区间，可采取分段线性变换。设原图像f(x,y)在[0，Mf],感爱好目标灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应分段线性变换表示式为：
非线性变换
当用一些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度非线性变换。
⑴对数变换
对数变换通常表示式为
这里a,b,c是为了调整曲线位置和形状而引入参数。当期望对图像低灰度