随着东莞监控技术发展，不断有新的方法出现，图像增强方法可分为空间域方法和频域方法。空间域是单帧图像自身，通常以直接处理像素为基础。而频域则是修改图像的在频域里的变换为基础，常用的有傅里叶变换、小波变换等。

空间域图像增强方法

        空间域增强是指增强构成食品图像的像素，直接对这些像素操作的过程。主要有以下方法：

       基本灰度变换：将图像像素值由一个范围映射到另一个范围，包括线性变换、对数变换和幂次变换等，比如大家熟知的伽玛校正就是一种幂次变换。通过灰度变换，可以提高不同像素点间灰度差，提高对比度，更有利于人眼认清细节。同时该方法也是其他一些高级方法的基础。

       直方图处理：将原图像通过某种变换，得到一副灰度直方图为均匀分布或者规定分布的新图像的方法，是图像增强算法中最常用、最重要的算法之一。它以概率理论做基础，运用灰度点运算来实现直方图的变换，从而达到图像增强的目的。通过直方图均匀化可以有效改进图像的动态范围，提高对比度，更有利于人眼对细节的辨认。

       平滑空间滤波：平滑空间滤波主要是进行过滤图像噪点，平滑图像。平滑滤波方法很多，比如线性平滑滤波，包括均值滤波等，非线性平滑滤波，如中值滤波。线性滤波有很好的平滑效果，可以过滤噪点，但也会导致边缘细节的模糊。非线性滤波对线性滤波的一个改进，会对根据像素点的状态采取不同的策略，可消除一些孤立的噪点，对图像细节影响不大，但会对图像的边缘带来一定的失真。为了克服以上两种算法的缺点，人们又提出很多改进方案，引入自适应的平滑算法，通过各种方法兼顾噪点的滤除和图像细节的保持。

        锐化空间滤波：同平滑空间滤波相反，锐化空间滤波是为了突出图像中的细节或者增强被模糊了细节。锐化空间滤波主要通过一阶和二阶的锐化滤波器来实现，如梯度法，拉普拉算子滤波等。锐化空间滤波会提升图像细节，但也会使噪点得到放大。

       综合方法：为了达到图像细节和噪点过滤及对比度等，人们发展了很多综合性方案，如Retinex算法，以人类视觉原理和色感一致性为基础，可以在动态范围压缩、边缘增强和颜色恒常三个方面达到平衡，因此可以对各种不同类型的图像进行子适应性的增强。

频率域图像增强方法

         频率域图像增强是将图像视为2维信号，变换到频率域进行过滤增强操作。图像从空间域·转换到变换域的变换方法很多，如傅立叶变换、沃尔什-傻哈达玛变换、余弦变换、K-L变换以及小波变换等。而傅立叶变换和小波变换则是常见的用于图像去噪的变换方法。

        低通过滤：类似空间平滑滤波，将高频部分过滤到，达到去噪的目的。常用到的有巴特沃斯低通滤波器，高斯低通滤波器等。

         高通滤波：类似锐化空间滤波，保留更多高频部分，达到提升图像细节的目的，但也会带来噪点的放大。频率域图像增强由于要进行频率变换，计算复杂度比较高，在监控系统应用受到一定限制。

其他方法

          前面提到了都是数字图像处理的传统方法，运算简单，缺点也很明显，针对性比较强，效果单一，很难在噪声过滤和边缘细节保持上同时兼顾。近些年来，为了噪声过滤的同时兼顾到细节保持发展出了很多新的方法。比如PDE方法，3D降噪等。

          PDE方法：将偏微分方程方法用在图像去噪中，可以利用偏微分方程具有各向异性的特点，在去除噪声的同时，很好的保持边缘。该方法通过建立噪声图像为某非线性偏微分方程的初始条件，然后求解这个PDE，得到了不同时刻的解，即为滤波效果。该方法的各向异性去噪模型可以根据图像的梯度值决定扩散的速度，使之能兼顾噪声消除和边缘保持两方面的要求。

         3D降噪：3D降噪利用了视频帧前后帧图像内容相关的特性，通过对前后帧图像的信息融合，找出噪点的像素进行过滤，是视频图像过滤噪点特有的方法。同时，可以根据帧间运动信息对不同的视频区域采用不同的降噪策略，在降噪的同时兼顾保留运动细节，有效地提升了视频质量。

         还有很多图像增强和去噪方法在噪声点去除、边缘细节处理和对比度提升上都有很好的表现，但由于其运算复杂度高或者针对性比较强，并不适合在视频监控领域内使用，而更多面向专门图像处理系统，如医疗图像、遥感等领域。但随着硬件设备和图像技术的不断发展和进步，必将有更多的新的视频增强技术应用到视频监控中来。

文章来源由东莞监控工程http://www.chtonb.com.cn整理提供。