1、“.....代表图像中的高频部分，系数决定最终图像中高频部分的增强程度。为便于更好的控制，系数常通过函数与图像数据联系在起，它的功能是根据图像的密度调节图像增强程度以适应局部图像的密度变化。通过这种方式进行的局部增强，可以避免全局增强引起的噪声加重。其中函数的种曲线如下图所示图函数曲线图处理的具体过程为首先将原始图像进行低通滤波也就是平滑操作，从而得到平滑图像，然后原始图像与平滑图像作差得到差值图像，差值图像代表着图像中的高频信息部分，通常是图像的边缘及细节信息部分，接下来根据图像中不同数据密度部分进行相应程度的图像增强，这里系数，函数是事先给定的，会根据图像类型图像效果要求图像数据密度分布的不同而不同，其中图像数据密度分布情况在本文算法中尤为重要，因为在后面的算法中拉普拉斯金字塔分解分层增强系数都与图像数据的密度有关，最后将增强后得到的图像与原始图像做和得到最终的处理效果图像。处理的最终目的是突出图像的边缘和细节数据信息部分......”。

2、“.....避免了在些部分过多增强而引起噪声的现象。处理第页共页有些图像照射范围太广，不能以恰当的对比度来显示所有的图像区域，因此需要通过减低图像中低频部分提高所有相关图像特征的对比度，这就是处理，也可称之为动态范围压缩。其基本公式为式这里代表原始图像的像素值，为经平滑滤波后图像的像素值，为矫正系数，用于控制动态压缩程度，为根据图像类型而定的常量。处理的具体过程为首先将原始图像进行低通滤波进行平滑操作，从而得到平滑图像，然后与给定的做差得到差值图像，然后与给定的系数相乘，其意义是进行图像数据密度的动态压缩，即去除了图像中的低频率部分，保留了高频率部分，因为图像的重要细节信息往往存在于高频中，最后得到的图像与原始图像做和得到最终的效果图像。处理的目的是去除图像中的次要信息而保留重要信息，在这里系数,是根据图像类型等因素而事先设定好的，处理进行了图像的密度压缩，使得其后的图像处理范围减小，提高了处理的精度和效率......”。

3、“.....因为较小的值代表着图像的细微特征。当值增大时，其相应图像结构的清晰度也随之提高另方面，较大的密度变化主要取决于整体动态的范围，且大多数由较大值表示。这些值可以通过上面的处理进行压缩，在没有重要信息丢失的情况下减少范围，同时整体图像对比度也将提高对比均衡应用非线性基本公式为式被量化为,之间，系数用于调节结果图像与原始图像压缩范围的比例，指数控制着递增曲线的斜率，即控制着对比度增强的增量。当指数时就得到了形的均衡曲线，这说明较小值相对于大值被扩大了。当为与之间时效果最好，超过这个范围的更高增强程度是不必要的，因为它不会突出更多的信息，而只会增加噪声的影响，对比均衡曲线如下图所示第页共页图基于三种参数的对比均衡曲线对比度均衡最显著的效果就是在整个图像上均匀地提高了细微特征的清晰度，而不与原始图像相差太远。在上述方法中，处理和对比均衡都是基础的也是固定的增强模式，这显然没有充分利用拉普拉斯金字塔函数的优势......”。

4、“.....所以针对不同层的特征，处理和对比均衡的程度也就要有所不同，只有这样才能有针对性地突出细节特征，达到更好的增强效果。因此提出分层增强系数的基本公式，然后分别介绍其在对比均衡中的应用。这里基于拉普拉斯金字塔分解函数，在处理对比均衡中运用分层增强系数是本文多尺度对比增强算法中的重点。首先给出分层增强系数的公式，该公式可以根据拉普拉斯金字塔的层数来控制增强和压缩的程度，基本公式如下塔分解后的图像从以上这六幅图像可以看出拉普拉斯金字塔型结构，也就是提取了幅图像细节部分。拉普拉斯金字塔每层进行对比均衡和分层增强处理后的图像如下图所示图拉氏每层进行对比均衡和分层增强处理第页共页对比图和可以发现对图像高频部分进行增强处理后，细节就更加突出了。多尺度对比增强处理后的图像和原图的对比如下图所示图多尺度处理后拉氏重建的图像和原图的对比进行本文算法处理后的效果与原图的对比比较可以看出，多尺度对比增强后的图像节变明显了......”。

5、“.....手套等都能清晰看到。本文算法与传统算法的处理效果对比如下图所示图多尺度算法处理图与传统灰度调整算法处理图本文算法处理后的细节比传统灰度调整后的更明显，同时使背景变亮了。第页共页图多尺度算法处理图与传统对比度调整算法处理图另外运用本文算法处理医学图像也是可以的，如下图所示的人类的头颅部分由于背景比较暗，有些地方比较模糊，而使用多尺度对比增强后效果就比较好了，见下图所示图原图与多尺度处理后的图多尺度对比增强算法对含有椒盐噪声的图像理后见图所示图含有椒盐噪声图像与多尺度处理后的图像第页共页使用本文多尺度对比增强算法处理含有椒盐噪声的变质图像，可以将大部分噪声给去除掉。但是效果不太好。多尺度对比增强算法对含有高斯白噪声的图像理后见图所示图含有高斯白噪声图像与多尺度处理后的图像使用本文多尺度对比增强算法处理含有泊松噪声的变质图像，可以去除掉部分噪声，但是效果就不理想了......”。

6、“.....结果分析传统的图像增强如对比度拉伸灰度直方图调整等方法。这些方法处理后的图像，在定程度上能改善视觉效果，但是缺点也很明显，例如增强了图像细节部分后图像的背景基本也消失了，还有灰度调整对图像的增强处理效果不明显。传统的第页共页增强算法很多，本文只选取了上述那两种传统算法和多尺度对比增强算法进行对比，从图可以清晰看出通过拉普拉斯金字塔分解算法处理后图像的细节诸如裤子的皱纹，上衣的纽扣，口袋等都明显显现出来了，也就把幅图像的细节给提取出来了，在此基础上再通过多尺度对比增强处理后的图如所示，在医学上拍摄的人类头颅光片，背景不但黑而且模糊，人们看起来及其不便，通过多尺度增强后的效果就容易看清头颅的各个部位了。另外要说明的是多尺度对比增强处理后的图像不是对任何图像都适用的，例如对含有噪声的图像处理后就不太理想，因此多尺度对比增强是当前图像理领域的研究的重点和热点，许多算法都需要人们不断研究和改进，才能解决它们的缺点和不足......”。

7、“.....不仅在于它的广泛使用性，更在于它于我们的日常生活息息相关，方面体现在医疗仪器上另方面在于我们通过传感器获取的大多数图像并不如我们所想象的那么理想例如噪声太大，图像模糊，背景黑或者太亮等等，都需要我们对图像进行增强处理，这个时候多尺度对比增强就相比传统的单尺度，优势就体现出来了。本论文研究了基于拉普拉斯金字塔的多尺度对比增强算法，详细介绍了空域中基于拉氏金字塔的多尺度对比增强的理论，原理，以及实现步骤等，涉及到数字图像处理，计算机图形学，以及编程等方面的相关知识。在进行多尺度对比增强算法的实现上需要注意以下几点在高斯金字塔每层上进行处理时相关参数的设定非常关键,需要不断进行实验，最后从中选择效果比较理想的那组在拉普拉斯金字塔每层上进行对比均衡处理时，分层增强系数选择也是非常关键的也需要不断的试探看哪组值处理效果比较好就选哪组第页共页总之，本文多尺度对比增强算法还有许多不尽如任意的地方，对最后的处理效果有些影响，还待以后改进......”。

8、“.....代表当前所处金字塔层数中控制处理增强的程度，为运用处理的拉普拉斯金字塔中从低层开始的较低层金字塔层数，这说明处理的增强程度是以比率增加。代表涉及到处理的拉普拉斯金字塔中从高层开始的较高层金字塔层数，其中处理的压缩程度是以比率减小，代表第页共页金字塔的总层数。其中，，，并且，这是因为要防止出现处理和处理重叠进行的情况。应用分层增强系数在拉普拉斯金字塔中的高斯金字塔中所有层运用处理，然后每层与分层增强系数相乘在拉普拉斯金字塔所有层运用对比均衡，然后每层与分层增强系数相乘，其原理如下图所示图拉普拉斯金宇塔运用分层增强系数在多尺度处理中如果图像根据拉普拉斯金字塔分解为层，那么处理中可为,处理中为。在实际应用中，经常运用比较适中的增强，因为在对比度均衡作为基本增强方式的情况下，运用处理进行边缘细节的增强是相当有限的，事实上图像的大部分边缘是比较模糊的，因此它们在通过对比度均衡时已经被增强了，而在少数区域则需要通过中等的增强来增加锐利度般......”。

9、“.....因为它会引起不必要的噪声。相比之下，处理用于范围压缩应用较多。像有些图像因为图像密度差异很大，则中度的系数比较适合，这样可以避免过度压缩产生片状区域，整个图像大的密度差异变化主要取决于处理。分层增强系数最基本的原理就是根据拉普拉斯金字塔层数大小来调节处理第页共页处理和对比均衡图像增强方法的程度大小。它充分利用了拉普拉斯金字塔能够将图像的细节特征和般数据特征分层表示的优势，对于不同密度的图像特征进行不同增强程度的处理方法，避免出现过度增强引起噪声加重和细节特征遗漏的现象发生。小结本章介绍的多尺度对比增强算法将拉普拉斯金字塔函数分解处理对比均衡和分层增强系数等图像处理方法融合在起，利用拉普拉斯金字塔函数将图像分解成代表图像单个细节像素的优点，使图像细节特征与般数据特征区分开来，从而使处理完全集中在细节上面，同时分层增强系数根据拉普拉斯金字塔的不同层也就是图像中信息数据的相关程度自适应调节图像增强程度，避免因过度增强引起图像噪声和伪影的加重......”。