图像增强算法摘要：本文简要介绍图像增强的概念和图像增强算法的分类，说明了图像增强技术的应用和前景展望。并简要的介绍了灰度变换和直方图均衡化处理方法。结合实际，重点对维纳滤波的代码和去噪效果进行了研究。关键词：图像增强；灰度变化；直方图均衡化；维纳滤波；代码1.概述1.1研究的目的和意义近年来，随着电子计算机技术的进步，计算机图像处理得到了飞跃的发展，己经成功的应用于几乎所有与成像有关的领域，并正发挥着相当重要的作用。它利用计算机对数字图像进行系列操作，从而获得某种预期的结果。对图像进行处理时，经常运用图像增强技术以改善图像的质量增强对某种信息的辨识能力，以更好的应用于现代各种科技领域，图像增强技术的快速发展同它的广泛应用是分不开的，发展的动力来自稳定涌现的新的应用，我们可以预料在未来社会中图像增强技术将会发挥更为重要的作用。在图像处理过程中，图像增强是十分重要的一个环节。因此，对图像增强技术和方法进行研究对国计民生有着十分重要的作用。本文拟通过对部分图像增强方法的研究，起到巩固书本知识，拓展个人解决问题的能力。2.1本文的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纲性的概括，起到总领的作用。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的研究。2．图像增强概述2.1图像增强的基本定义图像增强是数字图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法，同时也是提高图像质量的过程。图像增强的目的是为了某种应用目的去改善图像质量，处理的结果使图像的某些特性方面更加鲜明、突出，使处理的结果更适合于人的视觉特性或机器识别分析，以便于实现对图像的更高级处理和分析。图像增强处理并不能增加原始图像的信息，而只能增强对某种信息的辨识能力，使处理后的图像对某些特定的应用比原来的图像更加有效。2.2图像增强方法图像增强方法从增强的作用域出发可分为空间域增强和频率域增强两种。常见的图像增强方法有：对比度增强法、直方图均衡化、平滑噪声和锐化等。2.3图像增强的历史和应用近年来，随着计算机信息技术的不断发展，图像增强技术得到了长足的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，发挥着重要的作用，对国计民生的作用不可低估。图像增强处理始于20世纪60年代，由美国加州理工学院的喷气推进实验室对徘徊者7号太空飞船发回的月球照片进行处理，标志着图像处理技术得到了实际的应用。目前，21世纪的图像增强处理技术已向高质量化方面发展，实现了图像的实时处理，采用的数字全息技术使图像包含最为完整和丰富的信息，实现图像的智能生产、处理、理解和识别。3．图像增强算法图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。频率域方法在图像的某个频率域中对变换系数进行处理,然后通过逆变换获得增强图像。空间域方法对图像进行点运算,是一种既简单又重要的图像处理技术,它能让用户改变图像上像素点的灰度值,这样通过点运算处理将产生一幅新图像。本节主要介绍灰度变换和直方图均衡变换。3.1灰度变换灰度变换是图像增强的重要方法之一，它不改变图像内的空间关系，可使图像动态范围增大，对比度得到扩展，使图像特征明显，更加清晰。可表示为：根据变换函数的形式，灰度变换分为线性变换，分段性变换和非线性变换。3.1.1线性变换假定图像f(x,y)的灰度范围为[a,b]，变换后的图像g(x,y)的灰度范围线性的扩展至[c,d]，其数学表达式如下：在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。采用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的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的灰度层次感。原始图像变换结果3.1.2分段线性变换为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。设原图像f(x,y)在[0，Mf],感...
