基于频域的图像增强算法的研究与实现(2)
1.1.2 图像增强技术分类
图像增强技术可以分为两大类：空间域滤波和频率域滤波。
空间域滤波增强法是直接对图像的每一个像素点的灰度值进行处理，这个过程是在二文空间进行的。滤波产生一个新的像素，新像素的坐标等于邻域中心的坐标，像素的值是滤波操作的结果。所谓空间域滤波，就是通过模板在空间域中对图像进行处理，根据模板对图像内每一个像素点的值进行计算。
线性滤波和非线性滤波是空间域滤波方法的两个类别。根据滤波增强的功能来分类的话，空间域滤波法又可分为平滑滤波和锐化滤波。若要对图像进行平滑滤波，可以通过低通的方法来实现。如果一幅图像需要进行平滑滤波处理，那么必定是要达到以下两个目的之一：一是对图像进行模糊，即去除图像中的多于细节来实现对图像中较大景物的提取。另一个目的则是为了消除图像中的噪声。若要对图像进行锐化处理，可以通过高通的方法来实现。通过对图像进行锐化处理，可以增强图像中的细节部分。
频率域滤波需要将原图像先进行变换，转换到频率域中，对其频率域成份进行滤波处理后，在转换回空间域。频率域滤波中，最为重要的步骤就是对图像空间进行变换。这种变换一般都是线性的变换，是一种严格可逆的变换，这样才能使图像在空间域和频率域之间来回变换，实现图像的增强处理。
在对图像进行处理时，将图像转换到频率域，使用频率域滤波增强法有着较为明显的优点：①全局性好：频率域技术每次都将图像中所有像素的数据都利用起来，不像空间域技术那样，不论是点操作还是模板操作，都是基于部分像素的性质来实现的。频率域技术能更好地体现出一幅图像的整体特性，如整体对比度和平均灰度值等。②视觉效果更加直观：如果在频率域内对图像的频率成分进行分析，会发现其与图像的视觉效果间的对应关系显得更加的直观，那样就可以对频率进行选择性地处理来达到相应的目的。③易于表达和分析：在有些很难在空间域对图像进行处理达到需求目的的情况下，在频率域对其进行处理会更加有效快捷地达到目的。
1.1.3 图像噪声
噪声可以理解为“ 妨碍人们感觉器官对所接收的信源信息理解的因素”[3]。当对一幅灰度图像读取信息时，那么对其亮度分布起干扰作用的因素就会对图像产生噪声，可以将这些因素的干扰作用称为这幅图像的噪声。在理论的层面上，噪声是不可被预测的，但是通过概率统计理论能在一定的程度上对噪声做出稍微的预测结果。因此，通过对图像噪声的统计，对其规律的研究，可以发现噪声的产生是一个随机性的过程，在这个过程当中，通过统计学原理，可以较好的用其概率分布函数和概率密度函数来描述这个过程。但是，在实际的生活当中，这个描述过程往往是不被需要的，但是通过统计得到的一些数据结果却是相当的有用。如均值、方差和其他的一些相关函数等等。这些数据统计结果从数学方面很好的凸显出了噪声的特征性质。
在很多情况下，图像的传输过程都需要进行依次的转换操作才能达到最终的目的。而且还要在传输过程中进行相应的处理操作、存储操作等。在传输过程中也需要对图像信息进行分解与合成，这就导致噪声在这个过程中得到了增长。在一系列复杂的外界影响下，噪声得到不断增强，同时也变得更为复杂。但是，对于图像信息的获取还是由人类来完成的，因此对于最终图像的评定和认知还是有人的自主感观所决定的。不同的图像噪声，对于不同的人会产生不同的反映，这也是因人而异的。噪声的去除和削弱，对于现代社会的发展，起着重要作用。因此对该领域的研究也得到快速的发展与深入。