1.1  研究背景

图像作为人类传递信息的主要媒介中的一大类，可见图像的重要性和关键性。在实际应用的整个过程中，多种因素影响着图像的质量，因此每个拍摄或传输部分都会有很大的可能使图像的品质变差，从而导致图像所传递的信息没有办法被正常读取或识别。比如说，在图像采集的整个过程中，光照环境不理想或被拍摄的物体表面反光等种种因素都会造成图像整体光照不均匀或者部分光照不均匀。而作为图像增强中的一小部分，基于光照补偿的图像增强也显得极为重要。

在拍摄照片的过程中，由于整体的光照条件较弱，周围环境暗淡，这些原因会导致图像的整体灰度值比较低、图像的对比度也比较低，最后使图像无法很好地被识别，很难进行下一步的处理。通常由于拍摄场景条件差影响了图像的视觉效果，这就需要图像增强技术来提高人们的视觉效果，使图像更加清晰和深刻的认识。因此，研究基于光照补偿的图像增强是非常有意义的。

1.2  研究现状

    在20世纪的现在，数字图像增强的技术已经慢慢地涉及生活、生产以及社会发展的各方各面。在国外理论体系和技术应用体系相对成熟的条件和背景之下，国内的数字图像增强技术也有了很大甚至是巨大的发展。

在生物医学方面，采用图像增强的技术对X射线图像进行数字图像处理，目的是为了提高图像的清晰度，在提高清晰度的同时也要提高分辨率。相对比较传统的图像增强方法已经在改善图像质量方面发挥了十分重要的作用。但是随着科技的进步，相对比较传统的技术已经不再能满足人们对图像处理的需要，所以新的技术开始层出不穷的出现。比如说，直方图均衡技术在图像增强的这个方面也有许多新的发展，提出了一些新的算法。这些算法能够更好地解决在直方图均衡化过程中出现的对比度拉伸的问题，同时可以使增强效果更加明显，有效地解决了光照不均匀的难题。

1.3  本文的主要内容和论文结构

1.3.1  本文的主要内容

本文针对光照不均的图像预处理算法展开深入研究，主要包括时域部分和频域部分。其中频域部分包括低通滤波器、高通滤波器和同态滤波器这三种形式，通过这三种形式进行对光照不均匀图的预处理，并分析其处理结果。其中时域部分包括图像点运算、图像平滑、图像锐化和混合空间增强这四大部分中的经典算法和优化方法，并针对光照不均图像的特点完成相应的平滑、锐化和混合空间增强处理算法，并将各处理算法使用C++语言编程实现，最终开发出可以运行的MFC软件对光照不均匀图像进行预处理，最后分析其处理结果。

频域部分光照不均图像预处理可以分为三部分：

（1）低通滤波器：图像信息中的高频部分可以利用频域的低通滤波法来滤除，这种方法可以使图像平滑。

    （2）高通滤波器：利用频域的高通滤波法来抑制图像中低频部分，这种方法可以使图像锐化。

    （3）同态滤波器：同态滤波就是要对照度分量进行压缩低频，同时要对反射分量进行提高高频，从而达到减弱照度分量和增强反射分量的效果，是达到图像清晰的目的的频域方法。

时域部分光照不均图像预处理可以分为两大部分：

    （1）图像灰度变换与空间滤波：利用图像增强可以使我们需要的有用信息凸显出来，而诸如噪声等干扰尽量减除掉，有利于后续的处理。抑制噪声是图像平滑的主要目的，以便达到改善图像的质量的效果。图像平滑主要有三种方法：中值滤波、均值滤波以及超限像素平滑法。点运算实际上就是直接对图像中的每个像素点进行处理。其中，点运算包括线性灰度运算、非线性灰度运算以及直方图均衡化，通过灰度的运算来改善和提高光照不均图像的质量。