空域图像增强模块的应用优势

结合安防领域中的监控视频图像容易出现的问题寻找了3种不同类型的空域图像增强算法，分别是直方图修正、平滑和灰度变换，在以下内容中将对这3个部分展开详细介绍。空域图像增强模块的架构如图5－29所示。

图5－29　空域图像增强模块的架构

5.6.2.1　直方图修正

1)直方图均衡化

通过调用MATLAB中的histeq函数实现直方图均衡化操作，对图像进行直方图均衡化前后的效果对比如图5－30所示，由图可知，原图像画面昏暗不清晰，经直方图均衡化后，图像亮度增加，能够基本看清楚画面中的内容。

图5－30　直方图均衡化前后的效果对比(附彩插)

(a)原始图像；(b)直方图均衡化后的图像

2)直方图规定化

与直方图均衡化类似，通过调用MATLAB中的histeq函数同样能够实现直方图规定化。对图像进行直方图规定化前后的效果对比如图5－31所示，由图可知，原图像中一片灰蒙蒙，人眼无法从图像中获得有价值的信息，经直方图规定化后得到的图像相比原图像而言，可基本清楚图像表达的内容，图像的视觉质量有了明显提升。

图5－31　直方图规定化前后的效果对比(附彩插)

(a)原始图像；(b)直方图规定化后的图像

5.6.2.2　平滑

1)中值滤波

通过调用MATLAB中的medfilt2函数对图像进行中值滤波操作，图像中值滤波前后的效果对比如图5－32所示，由图可知，中值滤波消除了图像中存在的噪声，起到了图像增强的作用。

图5－32　中值滤波前后的效果对比

(a)原始图像；(b)中值滤波后的图像

2)邻域平滑滤波(www.xing528.com)

通过调用MATLAB中的filter2函数对图像进行邻域平滑滤波操作，图像邻域平滑滤波前后的效果对比如图5－33所示，由图可知，邻域平滑滤波基本消除了图像中原本存在的噪声，使得图像观感更加舒适，但缺点是邻域平滑滤波后的图像的分辨率有所下降，在实际应用中应“取其精华，去其糟粕”，将邻域平滑滤波应用于合适的场合。

3)自适应滤波

通过调用MATLAB中的wiener2函数对图像进行自适应滤波操作，图像自适应滤波前后的效果对比如图5－34所示，由图可知，自适应滤波针对原图像中密集存在的高斯噪声有很好的消除效果，虽然经自适应滤波后的图像分辨率仍然不是很高，但相比原始图像，其清晰度有了明显的改善。

图5－33　邻域平滑滤波前后的效果对比

(a)原始图像；(b)邻域平滑滤波后的图像

图5－34　自适应滤波前后的效果对比

(a)原始图像；(b)自适应滤波后的图像

5.6.2.3　灰度变换

1)线性灰度变换

图像的线性灰度变换就是通过建立灰度映射来调整源图像的灰度从而使用户满意。图像线性灰度变换前后的效果对比如图5－35所示，由图可知，经线性灰度变换后的图像更适合人眼观看，图像的视觉效果更胜一筹。

图5－35　线性灰度变换前后的效果对比(附彩插)

(a)原始图像；(b)线性灰度变换后的图像

2)非线性灰度变换

与线性灰度变换类似，图像的非线性灰度变换同样是通过建立某种灰度映射来调整源图像的灰度的过程。图像非线性灰度变换前后的效果对比如图5－36所示，由图可知，经非线性灰度变换后的图像不再处于完全的黑暗当中，可以较清晰地看到图像中目标的外观样貌。

图5－36　非线性灰度变换前后的效果对比

(a)原始图像；(b)非线性灰度变换后的图像