胡嬿　劉曉夢(mèng)

摘 要：圖像增強(qiáng)在生活中的應(yīng)用范圍非常廣泛，可以非常有效地提高圖像的質(zhì)量，即去除圖像中的干擾信息或噪聲。文章詳細(xì)介紹了小波變換的基本原理和思路，討論了基于小波塔式分解的圖像增強(qiáng)算法，并通過(guò)MATLAB進(jìn)行圖像增強(qiáng)仿真處理，觀察了對(duì)圖像進(jìn)行增強(qiáng)的效果。

關(guān)鍵詞：圖像增強(qiáng)；小波變換；仿真分析

中圖分類(lèi)號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）35-0030-02

Abstract： Image enhancement is widely used in our daily life， which can effectively improve the image quality， that is， remove the interference information or noise in the image. This paper introduces the basic principle and idea of wavelet transform in detail， discusses the image enhancement algorithm based on wavelet tower decomposition， simulates the image enhancement through MATLAB， and observes the effect of image enhancement.

Keywords： image enhancement； wavelet transform； simulation analysis

1 緒論

上世紀(jì)八十年代，數(shù)學(xué)家們統(tǒng)一建立了小波基的構(gòu)造方法。多年以來(lái)，隨著科學(xué)技術(shù)的不斷發(fā)展，信號(hào)處理已經(jīng)成為科學(xué)研究的重要組成部分，小波變換的用處越來(lái)越大。在研究學(xué)習(xí)中，許多信號(hào)都是不穩(wěn)定的一些特征隨時(shí)間的變化而不斷變化，而小波變換就是用來(lái)處理不穩(wěn)定信號(hào)的完美工具。小的波形稱(chēng)之為小波，小波的衰減快時(shí)間有限，小波函數(shù)的種類(lèi)與功能多種多樣。但是，目前為止，還沒(méi)有一套完整的小波基的選擇的標(biāo)準(zhǔn)。而且面對(duì)同一種問(wèn)題，用不同的小波變換分析出來(lái)的結(jié)果也都不同，所以人們只能根據(jù)實(shí)際得出的結(jié)果與理想結(jié)果的對(duì)比，得出最合適的小波基選擇。小波的選擇需要具體問(wèn)題具體分析，這也是小波研究遇到的一大難題。小波變換的應(yīng)用就是對(duì)小波基進(jìn)行伸縮平移后得到適于問(wèn)題的時(shí)頻分析窗口，分析信號(hào)的某一局部區(qū)域攜帶的信息。小波的這一能力，彌補(bǔ)了傅里葉變換只能在頻率域內(nèi)對(duì)信號(hào)進(jìn)行局部分析的能力。由于小波變換窗口是以時(shí)間和頻率構(gòu)成的，可以顯示不同頻率對(duì)應(yīng)的時(shí)域信息，即時(shí)頻局域化特性，可以分析信號(hào)的任意部分的細(xì)節(jié)，而圖像作為二維信號(hào)特別適合小波變換來(lái)處理。因此小波變換成為圖像處理的重要手段，而且小波變換算法實(shí)現(xiàn)快速，所以在圖像去噪或圖像增強(qiáng)等領(lǐng)域的用處越來(lái)越大。

2 小波圖像增強(qiáng)方法

由圖1小波增強(qiáng)流程圖可以知道，進(jìn)行小波圖像增強(qiáng)第一步是把圖像分解到小波域?；谛〔ǖ亩喾直媛侍匦?，小波分解圖像可以把圖像分解成多層，精確到任意細(xì)節(jié)。例如若把一副圖像分解成三層，則第一層先把圖像分解成高頻信息和低頻信息兩部分；第二層是把第一層的兩部分再次分別分解為高頻部分和低頻部分；第三層則是把圖像第二層低頻信息的低頻部分以同樣的方式像原圖像一樣分解成第二層的模式?？梢砸源朔绞匠掷m(xù)分解下去，選擇任意細(xì)節(jié)進(jìn)行處理，解決了利用傅里葉變換計(jì)算量過(guò)大的問(wèn)題。在進(jìn)行小波重構(gòu)得到增強(qiáng)的圖像之前就是對(duì)需要處理的圖層的系數(shù)進(jìn)行處理，改變高頻、低頻部分系數(shù)的大小，有目的的獲得需要增強(qiáng)的信息。二維離散小波重構(gòu)則是對(duì)分解處理過(guò)的各個(gè)部分進(jìn)行上采樣組合，這些都可以在MATLAB里利用函數(shù)工具直接對(duì)圖像處理得到。

3 基于小波塔式分解的圖像增強(qiáng)仿真

本文仿真設(shè)置增強(qiáng)強(qiáng)度k值為1.2，主函數(shù)為小波塔式分解，利用穩(wěn)定小波變換haar進(jìn)行小波塔式分解，并對(duì)低通部分進(jìn)行下采樣，然后利用增強(qiáng)函數(shù)對(duì)各個(gè)頻段高頻信息進(jìn)行增強(qiáng)。算法設(shè)計(jì)思路，利用子函數(shù)設(shè)計(jì)塔式分解增強(qiáng)函數(shù)，首先定義增強(qiáng)函數(shù)信息。增強(qiáng)函數(shù)為分段線性函數(shù)，利用增強(qiáng)強(qiáng)度和設(shè)置閾值T，改變圖像像素值，突出邊緣信息，對(duì)圖像進(jìn)行線性增強(qiáng)。主函數(shù)內(nèi)進(jìn)行穩(wěn)定小波變換設(shè)計(jì)并對(duì)低通部分進(jìn)行下采樣并增強(qiáng)各個(gè)頻段的高頻信息，得到高分辨率圖像，對(duì)結(jié)果進(jìn)行顯示和存儲(chǔ)，得到如圖2低低頻信息，圖3低高頻信息，圖4高低頻信息，圖5高高頻信息。

如圖2-5所示，圖像經(jīng)過(guò)小波塔式分解后，得到了圖像的細(xì)節(jié)圖像細(xì)節(jié)信息與輪廓特征清晰可辨。圖2低頻圖像不相關(guān)的信息較多，邊緣較不明顯。圖3低高頻信息邊緣信息豐富，細(xì)節(jié)比圖4高低頻信息和圖5高高頻信息多且明顯，且沒(méi)有不需要的灰度特征。圖5高高頻信息圖已丟失較多細(xì)節(jié)與邊緣信息。

4 結(jié)束語(yǔ)

小波變換法是傅里葉變換法的繼承與發(fā)展，小波變換可以把圖像分解到任意層，提高了圖像分辨率，而且可以選擇任一層圖像信息進(jìn)行處理，修改系數(shù)的大小達(dá)到增強(qiáng)部分信息或者削弱無(wú)用信息的目的。這一方法不僅可以得到滿(mǎn)意的增強(qiáng)結(jié)果，方便后續(xù)的觀察和研究，還減少了計(jì)算量，是較好的方法選擇。

同時(shí)，小波塔式分解算法還需要不斷優(yōu)化來(lái)解決更加復(fù)雜的問(wèn)題。如果圖像中噪聲過(guò)多，塔式分解方法是不能達(dá)到預(yù)期效果的。因?yàn)樵谠鰪?qiáng)圖像邊緣輪廓信息的同時(shí)，噪聲也會(huì)被增強(qiáng)，它不能區(qū)分噪聲和圖像信息，這是一大缺點(diǎn)，需要在處理過(guò)程中衰弱噪聲系數(shù)。

參考文獻(xiàn)：

[1]崔麗.MATLAB小波分析與應(yīng)用：30個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2016.

[2]張德豐，等.MATLAB數(shù)字圖像處理[M].北京：機(jī)械工業(yè)出版社，2012.

[3]蔡靜.MATLABR2015a小波分析[M].北京：清華大學(xué)出版社，2016.

[4]占必超，吳一全，紀(jì)守新.基于平穩(wěn)小波變換和Retinex的紅外圖像增強(qiáng)法[J].光學(xué)學(xué)報(bào)，2010，30（10）：2788-2793.