《图像增强讲义》PPT课件.ppt

《《图像增强讲义》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《图像增强讲义》PPT课件.ppt（59页珍藏版）》请在金锄头文库上搜索。

1、 图像增强 图像增强是采用一系列技术去改善图像的视觉效果 或将图像转换成一种更适合于人或机器进行分析和处理 的形式 例如采用一系列技术有选择地突出某些感兴趣 的信息 同时抑制一些不需要的信息 提高图像的使用 价值 图像增强方法从增强的作用域出发 可分为空间域 增强和频率域增强两种 空间域增强是直接对图像各像素进行处理 频率域增强是将图像经傅立叶变换后的频谱成分进 行处理 然后逆傅立叶变换获得所需的图像 图像增强所包含的主要内容如图 图像增强的点运算 灰度变换 灰度变换可调整图像的灰度动态范围或图像对比度 是图像增强的重要手段之一 1 线性变换 令图像f i j 的灰度范围为 a b 线性变换后

2、图像g i j 的范围为 a b 如图 g i j 与f i j 之间的关系式为 在曝光不足或过度的情况下 图像灰度可能会局限 在一个很小的范围内 这时在显示器上看到的将是一个 模糊不清 似乎没有灰度层次的图像 采用线性变换对 图像每一个像素灰度作线性拉伸 可有效地改善图像视 觉效果 反 色 变 换 2 分段线性变换 为了突出感兴趣目标所在 的灰度区间 相对抑制那些不 感兴趣的灰度区间 可采用分 段线性变换 设原图像f x y 在 0 Mf 感 兴趣目标的灰度范围在 a b 欲 使其灰度范围拉伸到 c d 则对 应的分段线性变换表达式为 通过细心调整折线拐点的位置及控制分段直线的 斜率 可对任

3、一灰度区间进行拉伸或压缩 对比度扩展 分段线性变换 削波 阈值化 灰度窗口 3 非线性灰度变换 当用某些非线性函数如对数函数 指数函数等 作为 映射函数时 可实现图像灰度的非线性变换 对数变换 对数变换的一般表达式为 这里a b c是为了调整曲线 的位置和形状而引入的参数 当希望对图像的低灰度区 较大的拉伸而对高灰度区压 缩时 可采用这种变换 它 能使图像灰度分布与人的视 觉特性相匹配 f i j g i j 指数变换 指数变换的一般表达式为 这里参数a b c用来调整曲线的位置和形状 这种变 换能对图像的高灰度区给予较大的拉伸 g i j f i j 对数变换动态范围压缩 直方图修整法 灰度

4、直方图反映了数字图像中每一灰度级与其出现频率 间的关系 它能描述该图像的概貌 通过修改直方图的方法 增强图像是一种实用而有效的处理技术 直方图修整法包括直方图均衡化及直方图规定化两类 1 直方图均衡化 直方图均衡化是将原图像通过某种变换 得到一幅灰度 直方图为均匀分布的新图像的方法 直方图均衡化示例 2 直方图规定化 在某些情况下 并不一定需要具有均匀直方图的图像 有时需要具有特定的直方图的图像 以便能够增强图像 中某些灰度级 直方图规定化方法就是针对上述思想提出 来的 直方图规定化是使原图像灰度直方图变成规定形状的 直方图而对图像作修正的增强方法 可见 它是对直方图均衡化处理的一种有效的扩展

5、 直方图均衡化处理是直方图规定化的一个特例 下面是一个直方图规定化应用实例 图 C c 是将图像 A 按图 b 的直方图进行规定化得 到的结果及其直方图 通过对比可以看出图 C 的对比度同 图 B 接近一致 对应的直方图形状差异也不大 这样有利 于影像融合处理 保证融合影像光谱特性变化小 模 板 图像的空间域平滑 任何一幅原始图像 在其获取和传输等过程中 会受 到各种噪声的干扰 使图像恶化 质量下降 图像模糊 特征淹没 对图像分析不利 为了抑制噪声改善图像质量所进行的处理称图像平 滑或去噪 它可以在空间域和频率域中进行 本节介绍 空间域的几种平滑法 局部平滑法 局部平滑法是一种直接在空间域上进

6、行平滑处理的技 术 假设图像是由许多灰度恒定的小块组成 相邻像素 间存在很高的空间相关性 而噪声则是统计独立的 因 此 可用邻域内各像素的灰度平均值代替该像素原来的灰 度值 实现图 像的平滑 设有一幅N N的图像f x y 若平滑图像为 g x y 则有 式中x y 0 1 N 1 s为 x y 邻域内像素坐标的集合 M表示集合s内像素的总数 可见邻域平均法就是将当前像素邻域内各像 素的灰度平均值作为其输出值的去噪方法 m 1 n 1 m 1 n m 1 n 1 m n 1 m n m n 1 m 1 n 1 m 1 n m 1 n 1 例如 对图像采用3 3的邻域平均法 对于像素 m n 其

7、邻域像素如下 则有 其作用相当于用这样的模板同图像卷积 设图像中的噪声是随机不相关的加性噪声 窗口内 各点噪声是独立同分布的 经过上述平滑后 信号与噪 声的方差比可望提高M倍 这种算法简单 但它的主要缺点是在降低噪声的 同时使图像产生模糊 特别在边缘和细节处 而且邻 域越大 在去噪能力增强的同时模糊程度越严重 如 下图 a 原图像 b 对 a 加椒盐噪声的图像 c 3 3邻域平滑 d 5 5邻域平滑 为克服简单局部平均法的弊病 目前已提出许多保 边缘 细节的局部平滑算法 它们的出发点都集中在如 何选择邻域的大小 形状和方向 参加平均的点数以及 邻域各点的权重系数等 下面简要介绍几种算法 超限像

8、素平滑法 对邻域平均法稍加改进 可导出超限像素平滑法 它 是将f x y 和邻域平均g x y 差的绝对值 与选定的阈值进 行比较 根据比较结果决定点 x y 的最后灰度g x y 其表达式为 这算法对抑制椒盐噪声比较有效 对保护仅有微小灰 度差的细节及纹理也有效 可见随着邻域增大 去噪能力 增强 但模糊程度也大 同局部平滑法相比 超限像素平 滑法去椒盐噪声效果更好 a 原图像 b 对 a 加椒盐噪声的图像 c 3 3邻域平滑 d 5 5邻域平滑 e 3 3超限像素平滑 T 64 f 5 5超限像素平滑 T 48 中值滤波 中值滤波是对一个滑动窗口内的诸像素灰度值排序 用 中值代替窗口中心像素

9、的原来灰度值 因此它是一种非线性 的图像平滑法 例 采用1 3窗口进行中值滤波 原图像为 2 2 6 2 1 2 4 4 4 2 4 处理后为 2 2 2 2 2 2 4 4 4 4 4 它对脉冲干扰及椒盐噪声的抑制效果好 在抑制随机噪 声的同时能有效保护边缘少受模糊 但它对点 线等细节较 多的图像却不太合适 对中值滤波法来说 正确选择窗口尺寸的大小是很重要 的环节 一般很难事先确定最佳的窗口尺寸 需通过从小窗 口到大窗口的中值滤波试验 再从中选取最佳的 原图像 中值滤波 一维中值滤波的几个例子 N 5 离散阶跃信号 斜升信号没有受到影响 离散三角信号 的顶部则变平了 对于离散的脉冲信号 当其

10、连续出现的次 数小于窗口尺寸的一半时 将被抑制掉 否则将不受影响 一维中值滤波的概念很容易推广到二维 一般来说 二 维中值滤波器比一维滤波器更能抑制噪声 二维中值滤波器的窗口形状可以有多种 如线状 方形 十字形 圆形 菱形等 见图 不同形状的窗口产生不同的滤波效果 使用中必须根据 图像的内容和不同的要求加以选择 从以往的经验看 方形 或圆形窗口适宜于外轮廓线较长的物体图像 而十字形窗口 对有尖顶角状的图像效果好 图 a 为原图像 图 b 为加椒盐噪声的图像 图 c 和图 d 分别为3 3 5 5模板进行中值滤波的结果 可见中值滤波法能有效削弱椒盐噪声 且比邻域 超限 像素平均法更有效 均值降噪

11、 图像空间域锐化 在图像的识别中常需要突出边缘和轮廓信息 图像锐化 就是增强图像的边缘或轮廓 图像平滑通过积分过程使得图像边缘模糊 图像锐化则 通过微分而使图像边缘突出 清晰 梯度锐化法 图像锐化法最常用的是梯度法 对于图像f x y 在 x y 处的梯度定义为 梯度是一个矢量 其大小和方向为 对于离散图像处理而言 常用到梯度的大小 因此把 梯度的大小习惯称为 梯度 并且一阶偏导数采用一阶 差分近似表示 即 fx f x 1 y f x y fy f x y 1 f x y 为简化梯度的计算 经常使用 grad x y Max fx fy 或 grad x y fx f y 除梯度算子以外 还

12、可采用Roberts Prewitt和 Sobel 算子计算梯度 来增强边缘 Roberts对应的模板如图4 3 2所示 差分计算式如下 fx f x 1 y 1 f x y fy f x 1 y f x y 1 1 1 11 Roberts梯度算子 为在锐化边缘的同时减少噪声的影响 Prewitt从加大 边缘增强算子的模板大小出发 由2x2扩大到3x3来计算差 分 如图 a 所示 a Prewitt 算子 b Sobel算子 Sobel在Prewitt算子的基础上 对4 邻域采用带权的 方法计算差分 对应的模板如图 b 根据梯度计算式就可以计算Roberts Prewitt和Sobel 梯度

13、 一旦梯度算出后 就可根据不同的需要生成不同的 梯度增强图像 101 1 1 1 101 1 2 1 101000 202000 101111 101121 第一种输出形式 梯度图像直接输出 g x y grad x y 此法的缺点是增强的图像仅显示灰度变化比较徒的边缘轮 廓 而灰度变化比较平缓或均匀的区域则呈黑色 第二种输出形式 加阈值的梯度输出 式中T是一个非负的阈值 适当选取T 可使明显的边缘 轮廓得到突出 又不会破坏原来灰度变化比较平缓的背景 第三种输出形式 给边缘规定特定灰度级 它将明显边缘用一固定的灰度级LG来表现 第四种输出形式 给背景规定特定灰度级 此方法将背景用一个固定的灰度

14、级 LB来表现 便于研究 边缘灰度的变化 第五种输出形式 二值图像输出 这种方法将明显边缘和背景分别用灰度级LG和LB表示 生成二值图像 便于研究边缘所在位置 Laplacian增强算子 Laplacian 算子是线性二阶微分算子 即 2f x y 对离散的数字图像而言 二阶偏导数可 用二阶差分近似 可推导出Laplacian算子 表达式为 2f x y f x 1 y f x 1 y f x y 1 f x y 1 4f x y Laplacian增强算子为 g x y f x y 2f x y 5f x y f x 1 y f x 1 y f x y 1 f x y 1 010 1 41

15、010 Laplace算子 0 10 15 1 0 10 增强算子 其特点是 1 在灰度均匀的区域或斜坡中间 2f x y 为0 增强 图像上像元灰度不变 2 在斜坡底或低灰度侧形成 下冲 而在斜坡顶或 高灰度侧形成 上冲 0 1 0 1 1 1 H1 1 5 1 H2 1 9 1 0 1 0 1 1 1 高通滤波法 高通滤波法就是用高通滤波算子和图像卷积来增强边 缘 常用的算子有 图像的频率域增强 图像增强的目的主要包括 消除噪声 改善图像的视 觉效果 突出边缘 有利于识别和处理 前面是关于图像 空间域增强的知识 下面介绍频率域增强的方法 假定原图像为f x y 经傅立叶变换为F u v 频

16、率域 增强就是选择合适的滤波器H u v 对F u v 的频谱成分进行 处理 然后经逆傅立叶变换得到增强的图像g x y 频率域增强的一般过程如下 DFT H u v IDFT f x y F u v F u v H u v g x y 滤波 图像的平滑除了在空间域中进行外 也可以在频率域中 进行 由于噪声主要集中在高频部分 为去除噪声改善图像 质量 滤波器采用低通滤波器H u v 来抑制高频成分 通过 低频成分 然后再进行逆傅立叶变换获得滤波图像 就可达 到平滑图像的目的 常用的频率域低滤波器H u v 有四种 1 理想低通滤波器 设傅立叶平面上理想低通滤波器离开原点的截止频率为 D0 则理想低通滤波器的传递函数为 由于高频成分包含 有大量的边缘信息 因 此采用该滤波器在去噪 声的同时将会导致边缘信息损失而使图像边模糊 频率域平滑 2 Butterworth低通滤波器 n阶Butterworth滤波器的传递函数为 它的特性是连续性衰减 而不象理想滤波器那样陡峭 变化 即明显的不连续性 因此采用该滤波器滤波在抑制 噪声的同时 图像边缘的模糊程度大大减小 没有振铃效 应产生 3 指数低通