《第三章频率域图像增强》由会员分享，可在线阅读，更多相关《第三章频率域图像增强（160页珍藏版）》请在金锄头文库上搜索。
1、第三章 空间域图像增强,图像增强概述 基本灰度变换 直方图处理 用算术/逻辑操作增强 空间滤波与空间滤波器,主要内容：,图像增强概述 基本灰度变换 直方图处理 用算术/逻辑操作增强 空间滤波与空间滤波器,主要内容：,一、图像增强概述,图像对比度增强,微光图像的去噪声,一、图像增强概述,红外图像的伪彩色处理,一、图像增强概述,红外图像的锐化处理,一、图像增强概述,红外图像的边缘检测（便于机器识别）,一、图像增强概述,图像在生成、获取、传输等过程中，受照明光源性能、成像系统性能、通道带宽和噪声等诸多因素的影响，往往造成对比度偏低、清晰度下降、并引入干扰噪声。 因此，图像增强的目的，就是改善图像质量
2、，获得更适合于人眼观察、或者对后续计算机处理、分析过程更有利的图像。,一、图像增强概述,图像增强并不以图像保真为准则，而是有选择地突出某些对人或计算机分析有意义的信息，抑制无用信息，提高图像的使用价值。 图像增强是为了使原始图像更适合应用于特定的场合，而对图像进行的改善处理。 图像增强是一个主观的过程。,一、图像增强概述,背景知识,空域增强实际上就是增强构成图像的像素，用数学表达式可以定义如下： g(x,y)=Tf(x,y) 其中，f(x,y)代表输入图像，g(x,y)代表处理后的图像，T代表对输入图像f 的一种图像增强的操作，其定义在(x,y)的邻域。,像素点(x,y)邻域的定义,(x,y)
3、,x,y,点(x,y)的邻域主要是指以(x,y)为中心的正方形和矩形的子图像，一般情况下采用正方形表示。,原点,单个像素的T操作,输入图像,输出图像,S=T(r),当灰度变化的T操作针对单个像素时，输出图像的g仅仅依赖于输入图像f在点（x,y）的值，T操作变成了灰度级变换函数（强度映射）,邻域尺度为NN卷积模板,输入图像,输出图像,卷积模板,g(x,y)=w1p1+w2p2+w3p3+w4p4+w5p5+w6p6+w7p7+w8p8+w9p9,模板系数,（以邻域尺度33为例）,图像增强概述 基本灰度变换 直方图处理 用算术/逻辑操作增强 空间滤波与空间滤波器,主要内容：,(一)线性灰度变换 当
4、图象成象时曝光不足或过度, 或由于成象设备的非线性和图象记录设备动态范围太窄等因素,都会产生对比度不足的弊病，使图象中的细节分辨不清。这时可将灰度范围线性扩展。,二、基本灰度变换,设f(x,y)灰度范围为a,b，g(x,y)灰度范围为c,d，则有：,(一)线性灰度变换,(二)分段线性灰度变换 将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域。 设f(x,y)灰度范围为0,Mf，g(x,y)灰度范围为0,Mg,二、基本灰度变换,(二)分段线性灰度变换,0,f(x,y),g(x,y),a,b,c,d,Mf,Mg,(二)分段线性灰度变换,拐点位置决定了变换函数的形状； 如果拐点重合,灰度级不变
5、；,分段线性灰度变换-对比度拉伸,a）变换函数形状 b）低对比度图像 c)对比度拉伸结果 d)门限化结果,a,b,c,d,分段函数线性变换灰度切割,a）A,B区间灰度加强，其余部分变为恒定。 b）A,B区间灰度加强，其余部分不变。 c)原图 d) a变换后结果,a,b,c,d,分段函数线性变换位图切割,假设图像中每个像素的灰度级是256，这可以用8位来表示，假设图像是由8个1位平面组成，范围从位平面0到位平面7。其中，位平面0包含图像中像素的最低位，位平面7包含像素的最高位,8比特图像的位平面表示,一幅8比特分形图像,作用 通过对特定位提高亮度，改善图像质量 较高位（如前4位）包含大多数视觉重
6、要数据 较低位（如后4位）对图像中的微小细节有作用 分解为位平面，可以分析每一位在图像中的相对重要性,分段函数线性变换位图切割,一幅8比特分形图像的8个位平面,可以只针对某些bit进行增强，此方法可运用在别的领域，例如图像压缩。,用于图像增强的一些基本的灰度变换函数,(三)非线性灰度变换,(1) 反转 增强嵌入于图像暗色区域的白色或灰色细节。 (2) 对数变换 低灰度区扩展，高灰度区压缩。 (3) 指数变换 高灰度区扩展，低灰度区压缩。,(三)非线性灰度变换,（1）非线性变换反转,s=T(r)=L-1-r,Input image,Output image,灰度级范围为0,L-1的图像反转可由反
7、比变换获得, s=L-1-r,s,r,0,Input image,Output image,s=T(r)=255-r,（1）非线性变换反转,对数变换的一般表达式为：,（2）非线性变换对数变换,c 是一个常数，并假设r0,一般对数函数的所有曲线都能完成图像灰度的扩散/压缩,有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失 解决办法是对原图进行灰度压缩，如对数变换,（2）非线性变换对数变换,a,b, 1,降低灰度级，在正比函数下方，使图像变暗,幂次变换的基本形式为：s=cr, c 和 为正常数。,（3）非线性变换幂次变换,幂次变换与对数变换不同的地方就是
8、随着 的变换可以得到不同效果变换,例：人体胸上部脊椎骨折的核磁共振图像,（3）非线性变换幂次变换,a)原图 b)=0.6 c)=0.4 d)=0.3,c,d,a,b, 1提高灰度级，使图像变亮。c=1, =0.6,0.4,0.3,例：航空地面图像,（3）非线性变换幂次变换,a)原图 b)=3.0 c)=4.0 d)=5.0,c,d,a,b, 1 降低灰度级，使图像变暗。 c=1, =3,4,5,灰度变换实例,二、基本灰度变换,原始图象,灰度倒置 底片效果,原始图象,非线性灰度变换对数效应,原始图象,非线性灰度变换指数效应,原始图象,分段线性化 出现假轮廓,招贴画化 4级灰度,招贴画化 3级灰度
9、,招贴画化 2级灰度 即二值化,原始图象,亮度倒置 底片效果,红色分量 置零,红色、绿色分量均置零,原始图象,非线性亮度变换对数效应,非线性亮度变换指数效应,原始图象,分段线性化 出现假轮廓,图像增强概述 基本灰度变换 直方图处理 用算术/逻辑操作增强 空间滤波与空间滤波器,主要内容：,直方图的定义(1) 一个灰度级为0，L-1的数字图像的直方图是一个离散函数 h(rk)=nk nk是图像中灰度级为rk的像素个数； rk是第k个灰度级，k=0,1,2,L-1 由于rk的增量是1，直方图可表示为： p(k)= nk 即，图像中不同灰度级像素出现的次数,三、直方图处理,一个灰度级为0，L-1的数字
10、图像的直方图是一个离散函数 p(rk)= nk/n n是图像的像素总数； nk是图像中灰度级为rk的像素个数； rk是第k个灰度级，k=0,1,2,L-1 通常情况下灰度直方图都要采用像素总数n对其进行归一化。 P(rk)可表示灰度级为rk发生的概率密度函数的估计值。 注意：一个归一化的直方图其所有部分之和应等于1 。,直方图的定义(2),两种图像直方图定义的比较 ： h(rk)=nk - 定义(1) p(rk)= nk/n - 定义(2) 其中，定义(2) 使函数值正则化到0,1区间，成为实数函数 函数值的范围与象素的总数无关 给出灰度级rk在图像中出现的概率密度统计,直方图的定义,像素出
11、现次数,像素灰度级别,直方图的定义,像素出 现概率,像素灰度级别,直方图的定义,直方图描述了一幅图像的灰度(颜色)分布,直方图举例,暗图像,亮图像,低对比度图像,高对比度图像,直方图反映的总体性质：明暗程度、细节是否清晰、动态范围大小等,直方图举例,直方图均衡化是将原图像的直方图通过变换函数修正为均匀的直方图，然后按均衡直方图修正原图像。 图像均衡化处理后，图像的直方图是平直的，即各灰度级具有近似相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。,（1）直方图均衡化,首先，假定连续灰度级的情况，推导直方图均衡化变换公式，令r 代表灰度级，P(r) 为概率密度函数。 r 值
12、已归一化，最大灰度值为1。,（1）直方图均衡化,要找到一种变换 S=T (r ) 使直方图变平直，为使变换后的灰度仍保持从黑到白的单一变化顺序，且变换范围与原先一致，以避免整体变亮或变暗。必须规定： (1) 在0r1中，T(r)是单调递增函数，且0T(r)1； (2) 反变换r=T-1(s),T-1(s)也为单调递增函数，0s1。,（1）直方图均衡化,直方图均衡化-变换公式推导图示,考虑到灰度变换不影响像素的位置分布，也不会增减像素数目。所以有：,（1）直方图均衡化,应用到离散灰度级，设一幅图像的像素总数为n，分L个灰度级。 nk: 第k个灰度级出现的频数。 第k个灰度级出现的概率 p(rk)
13、=nk/n 其中，0rk1，k=0,1,2,.,L-1 形式为：,（1）直方图均衡化,Sk称作直方图均衡化,rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1,nk 790 1023 850 656 329 245 122 81,p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02,例：设图象有64*64=4096个象素，有8个灰度级，灰度分布如表所示。进行直方图均衡化。,rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1,nk 790 10
14、23 850 656 329 245 122 81,p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02,计算步骤：,1. 由（2）式计算sk。,rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1,nk 790 1023 850 656 329 245 122 81,p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02,sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00,sk舍入 1/7 3/7 5/7 6/7 6/7 1
15、1 1,2. 把计算的sk就近安排到8个灰度级中。,rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1,nk 790 1023 850 656 329 245 122 81,p(rk) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02,sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00,rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1,nk 790 1023 850 656 329 245 122 81,p(r
16、k) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02,sk计算 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00,sk舍入 1/7 3/7 5/7 6/7 6/7 1 1 1,sk s0 s1 s2 s3 s4,nsk 790 1023 850 985 448,p(sk) 0.19 0.25 0.21 0.24 0.11,3. 重新命名sk，归并相同灰度级的象素数。,直方图均衡化,均衡化前后直方图比较,直方图均衡化实质上是减少图像的灰度级以换取对比度的加大。 在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。 若这些灰度级所构成的图像细节比较重要，则需采用局部区域
