1身份证号：32068319910920****，2身份证号：37028119890510****，3身份证号：33032419900811****，4身份证号：32068319910920****
引言
近年来，随着计算机性能的不断提高、计算机视觉研究的不断进步、多媒体技术和虚拟现实技术的不断完善，特别是彩色成像设备的不断改进，彩色图像的应用越来越广泛，彩色图像处理受到了越来越多的重视。多年来，人们提出了很多图像增强的算法，但这些算法大都适用于灰度图像的处理，而适用于彩色图像增强的方法并不多。这主要是彩色图像的三基色(即红、绿、蓝)相关性很高，而且人类对大脑中色彩的处理机制仍未完全理解，使得彩色图像的处理远比灰度图像复杂。
1彩色图像增强发展动态
在对彩色图像进行处理时，大多数人使用的是RGB模型，所以通常是对三帧图像分开处理。然后，再对三幅图像进行合成，形成彩色图像。在过去的十年，处理彩色图像的彩色传感器和硬件的价格变得更容易接受，结果导致全彩色图像处理技术的应用日益广泛，包括印刷、可视化和互联网应用。这也促使彩色图像增强技术得到迅速发展。进行彩色图像增强时需要考虑两个重要问题，一个是针对应用选择合适的彩色空间，黑白图像可以认为是在相应空间位置表现亮度的一维标量值，与之对照的，彩色图像可以认为是在一个空间位置有三维向量值，也就是广为人知的"三原色理论"。许多三维彩色空间已经发展起来了，譬如RGB}YIQ和LHS空间，大多数图像处理算法都是由黑白图像增强发展起来的，但是当把这些算法独立的应用到彩色图像R,G,B部分时，都会引起令人无法忍受的彩色伪像现象，彩色图像增强算法必须保持场景的自然表现，因此必须避免产生伪像，选择合适的彩色空间必须符合这个要求。第二个问题涉及到图像处理方法，已有的针对单色图像处理的图像增强技术并不适宜应用到彩色图像上，例如，著名对比度增强的直方图均衡算法，尽管对于单色图像强调重要细节非常有用，但是如果应用到彩色图像，即使是在合适的彩色空间，这个算法也会毁坏图像的自然度。例如，彩色伪像通常都是在阴影部分的亮度扩展引起的，因为黑暗部分不能保证与亮的部分有相同的彩色平衡。选择一个与人类彩色感知相联系的图像处理方法，对彩色图像增强方法来说是一个合适的策略。已经有一些完成彩色图像增强和重现目标的成果发表，如:Faugeras}I6]研究了基于人类彩色视觉的同态方法，Caho-CheeKu和Tsnug-MingWan梦i}，用一种基于色调的补偿增益去调整色度信号，基于色调的补偿增益是通过在非线性对比度增强之后，从权值化的亮度调整比率得到的，且权值函数与人的色彩感知有关。这种方法对色彩饱和度补偿是基于色调的。
2液晶电视图像亮度异常的检修步骤
2.1直方图修正原理
直方图表示数字图像中每一灰度级与此灰度级对应的图像中的象素点数之间的统计关系。采用直方图修正后可以使图像的灰度间距拉开或者使灰度分布均匀，从而增大了反差，使图像细节清晰，达到增强目的。直方图均衡化方法是最常用、最重要的方法之一。这种方法的基本思想是:把原图像的直方图通过灰度变换函数修正为灰度均匀分布的直方图，然后按均衡直方图修正原图像。它以概率论为基础，运用灰度点运算来实现，从而达到增强的目的。它的变换函数取决于图像灰度直方图的累积分布函数。概括的说，就是把一己知灰度概率分布的图像，经过一种变换，使之演变成一幅具有均匀概率分布的新图像。当图像的直方图为一均匀分布时，图像的信息嫡最大，此时图像包含的信息量最大，图像看起来就显得清晰。
期刊文章分类查询,尽在期刊图书馆
2.2彩色图像空域滤波增强
空域滤波是在图像空间中借助模板对图像进行邻域操作，输出图像的每一个像素的取值都是根据模板对输入像素相应邻域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其它分量不变，从而改变输出图像的频率分布，达到增强图像的目的。根据模板的特点，空域滤波一般分为线性滤波和非线性滤波两类。线性滤波常常是基于傅立叶分析的，非线性滤波则直接对邻域进行操作。按照空域滤波器的功能又可以分为平滑滤波器和锐化滤波器两种，平滑滤波的目的是模糊图像或消除噪声，锐化滤波的目的在于强调图像被模糊的细节。
2.3小波图像分解
图像亮度、对比度增强就是把图像中有用的信息加以增强，使图像细节更加清晰、对比度更高、色彩更鲜艳。例如使淹没在噪声中的图像呈现出来、或把对比度低的图像显示成对比度高的图像、或加强空间频率的高频分量，使图像色调清晰等。常规的方法有直方图均衡、反锐化掩模等。但这些方法在增强过程中不可避免地会带来噪声的过增强，基于小波变换的方法提供了解决这一问题的新途径，由于小波变换具有良好的时域和频域局部化特性以及与多尺度表示的结合，使得它非常适合人眼对图像的感知特性，非常适合人们对图像各个尺度(分辨率)下细节的分析，其应用于图像增强算法效果一般要优于传统的图像增强算法。
2.4基于小波分解的彩色图像增强算法
由于受光照、设备等因素的制约，往往得到的图像具有灰度对比度低、某些局部细节没有明显的灰度差别等特征，使人眼的视觉分辨或机器识别较为困难。图像对比度的增强是按一定规则修改输入图像每个像素的灰度，从而改变图像灰度的动态范围，使之处理后的图像比原始图像更适于人眼的视觉特性。常用的对比度增强算法有直方图均衡法、直方图规定化法及灰度变换法等，但这些方法都在增强对比度的同时放大了噪声[(}l。理想的图像对比度增强技术，应该是既能增强图像的局部对比度，又能增强图像的整体对比度。前者可加强图像的边缘或轮廓信息，突出图像的细节;后者可调节图像的动态范围，改善图像的视觉效果。本节的主要目的就是基于此思想，对图像进行小波分解，针对高频细节进行边缘及细节的增强，针对低频概貌进行整体的动态范围调整，增强整体对比度。
结语
由于彩色图像携带了更多的可视信息，应用范围越来越广泛，特别是对于新兴的液晶显示技术来说，彩色图像处理对于提升其色彩表现力尤为重要。由于彩色图像颜色表达的复杂性，使得彩色图像与以往的灰度图像相比处理起来更加困难。本文首先对彩色图像处理的基础知识进行了了阐述，包括人类视觉的基本知识及色度学的相关知识，重点介绍了彩色模型的相关概念。接着本文介绍和总结了传统的灰度图像增强方法，包括灰度变换，直方图处理，平滑滤波和锐化滤波等，并将这些增强算法应用于彩色图像，比较其优缺点，并给出了实验仿真结果。在深刻理解彩色图像处理基本知识的基础上，结合人眼视觉特性，本文提出了基于小波变换的彩色图像增强算法。首先，将彩色图像转换到HSV空间;然后，分别对亮度分量的高频分量和低频分量进行不同的处理。对高频分量的处理可以增强图像细节边缘并有效抑制噪声，对低频分量提高图像整体对比度，同时对饱和度分量进行指数增强，使色彩更亮丽，并给出了结果。
参考文献
[1]陈向伟，王龙山，刘庆民.基于CCD图像的圆度误差测量的研究〔J].半导体光电，2004,25(4):313-316.
[2]董长虹，等.Matlab小波分析工具箱原理与应用[M].北京:国防工业出版社，2004.10-29.
论文作者:1李杰 2刘德钰 3邵建挺 4吴建敏
论文发表刊物:《科技尚品》2018年第11期
论文发表时间:2019/7/18
标签：图像论文; 彩色论文; 灰度论文; 直方图论文; 对比度论文; 算法论文; 锐化论文; 《科技尚品》2018年第11期论文;