基于频域的图像增强算法的研究与实现(3)
不同的噪声会在图像中表现出不同的特点，根据这个特性，可以把噪声分类为椒盐噪声和高斯、瑞利噪声。如果一幅图像中噪声的幅值是大致相同的，但是却分布在了图像的各个随机位置，像这样的噪声就是椒盐噪声。如果一幅图像中的噪声幅值是不统一的，但是却均匀分布在图像中的每一点，那么像这样的噪声，再根据其幅值的分布情况，可以分为高斯噪声和瑞利噪声。
噪声与图像存在着相关性。例如，使用光导摄像管来获取图像时，就可以简单的认为噪声的幅度和信号的幅度是没有关联性质的。但是使用正析摄像管的时候却不是这样，这两者有着较为紧密的联系，图像中黑暗区域表示噪声较大，明亮的区域则是噪声较少的部分[5]。在图像的增强过程中，很难完全去除掉量化噪声。因为量化噪声和图像的相位有着关联，所以很难做到完全去除。
噪声具有迭加性。当图像是串联传输的时候，那么此时就可以将噪声进行分类，将同类噪声的功率进行叠加处理，信号比也会随之依次下降。若没有相同类型噪声的话，那就要对每个噪声单独的进行处理，并且还要把视觉检出特性加入到考虑的因素之内。但是，现在对于视觉检出特性的研究并没有太过深入，因此还有很多这方面的问题有待研究，只能对其进行一些自主方面的定性评价[1]。比如说，当有噪声出现时，但是当它们属于空间频率特性范围内时，像这种情况下，就需要将空间频谱的带通特性也要加入考虑范围内。但是当它们不属于同一个时间特性范围的时候，那就需要把视觉滞留、闪烁等特性纳入考虑范围[6]。对不同的情况，需要对其进行特定的处理。这些处理办法并不能完全解决这些问题，但在当下情况，这样已经能在一定程度上解决这些问题，但在本质上还是没有解决，这就需要对视觉特性进行更加透彻的研究。
1.2 研究目的
在对图像进行采集的过程中，会包含着对图像的转换和传输，在这些过程中，往往会对图像产生或多或少的影响，导致图像整体质量下滑。例如，在光照条件并不是很良好的情况下，对图像进行采集的话，就会导致采集到的图像会与原图像产生较大偏差。在对图像传输的过程中，也有很多因素影响着图像的质量。比如机械的颤动、光学镜头的偏差、气体的流动等等，这一切的因素都难免会使图像在传输过程中受到一些其他噪声的干扰，对图像的质量产生影响。但是对于图像质量的评价在于个人，由于每个人的观点有所不同，这就导致很难有一个标准化的判断准则。但是让图像的成像质量提高，这是一个始终如一的目的。将从不同渠道、方法获得的图像进行适当有效的滤波增强处理，就可以将原本让人眼难以分辨的不清晰图像转换成高质量的图像，从而将图像中有效的信息加以提取利用。通过对图像中噪声的过滤、去除，可以提高目的区域的清晰度，从而来提高有效信息的获取量，这样就能满足不同的需求。图像滤波增强的主要目的是为了提高目的区域的信息量获取度，从而来简化处理量和手段。对图像滤波增强效果的判定，根据任务的需求，有些需要增强边缘，有些又需增强其他区域，因此没有统一的判定标准，同时也加入了人的主观判断，因此判定标准更加复杂[8]。这次毕业设计中，通过对本次课题的研究，能使图像在所需区域达到更好的视觉感观，更加适合当代社会和生活的需求。
1.3 研究内容
频率域滤波增强方法作为图像增强技术的主要方法之一，运用十分广泛。本次毕业设计主要是对频率域内的图像增强方法，包括低通滤波、高通滤波、带通滤波和同态滤波这几种典型的方法进行了验证与改进，通过仿真图片来比较各个方法的优缺点与不同点，加深对它们的理解与掌握。