《{IE工业工程}IE1IP04》由会员分享，可在线阅读，更多相关《{IE工业工程}IE1IP04（68页珍藏版）》请在金锄头文库上搜索。
1、上次课程内容回顾,像素间联系 邻域(4-,8-,对角-)，连接(4-,8-,m-)，连通 距离(欧氏-，城市-，棋盘-) 图像坐标变换(平移T，旋转R，缩放S) 几何失真校正 空间变换 灰度插值(最邻近插值，双线性插值),第4章 空域增强技术,4.1空域技术分类 4.2象素间运算 4.3直接灰度映射 4.4 直方图变换 4.5线性滤波 4.6 非线性滤波 4.7 局部增强,图象增强 目标：改善图象质量/改善视觉效果 标准：相当主观，因人而异 没有完全通用的标准 可以有一些相对一致的准则 技术：“好”，“有用”的含义不相同 具体增强技术也可以大不相同,第4章 空域增强技术,4.1空域技术分类,空
2、域：指由象素组成的空间 空域增强： 点操作： 灰度点操作 几何操作,4.1空域技术分类,点操作： (1) 借助对一系列图象间的操作进行变换 (2) 将f ()中的每个象素按EH操作直接变换以得到g()； (3) 借助f ()的直方图进行变换 模板操作：,4.2图象间运算,图象间的运算指以图象为单位进行的操作，运算的结果是一幅新图象 4.2.1 算术和逻辑运算 4.2.2 图象间运算的应用,4.2.1 算术和逻辑运算,1. 算术运算 (1) 加法：记为p + q (2) 减法：记为p q (3) 乘法：记为p q (4) 除法：记为pq 对整幅图象的算术和逻辑运算是逐象素进行的，即在两幅图象的对
3、应（位置）象素间进行,MATLAB实现算术运算,加法imadd 减法imsubtract 乘法immultiply 除法imdivide 举例： I = imread(Girl.bmp); J = imread(LENA256.bmp); K = imadd(I,J,uint16); imshow(K,) X=imadd(I,50);,MATLAB实现算术运算,I = imread(LENA256.bmp); J=imread(Girl.bmp); Iq = imsubtract(I,J); imview(Iq)%减法 I = imread(LENA256.bmp); J = immultip
4、ly(I,0.5); subplot(1,2,1), imshow(I) subplot(1,2,2), imshow(J)%乘法 I = imread(LENA256.bmp); J = imdivide(I,0.5); subplot(1,2,1), imshow(I) subplot(1,2,2), imshow(J)%除法,4.2.1 算术和逻辑运算,2. 逻辑运算 (1) 补（COMPLEMENT）：记为NOT q (2) 与（AND）：记为p AND q (3) 或（OR）：记为p OR q (4) 异或（XOR）：记为p XOR q 图4.2.1，图4.2.2，图4.2.3,4.
5、2.2 图象间运算的应用,1. 图象间加法的应用 模型 运算 均值 方差,4.2.2 图象间运算的应用,4.2.2 图象间运算的应用,2. 图象间减法的应用,4.2.2 图象间运算的应用,3. 图象间除法的应用,4.3直接灰度映射,将 f (x, y)中的每个象素灰度按EH 操作直接变换以得到g(x, y) 4.3.1 灰度映射原理 4.3.2 典型灰度映射,4.3.1 灰度映射原理,直接灰度映射是一种点操作,4.3.1 灰度映射原理,关键：设计映射规则(变换函数),1、图象求反2、 增强对比度 3、动态范围压缩4、灰度切分,4.3.2 典型灰度映射,4.3.2 典型灰度映射,灰度映射MATL
6、AB实现,f=imread(cameraman.tif); g=imadjust(f,0,1,1,0);%g=imcomplement(f); figure(1); imshow(g);%求反 f=imread(cameraman.tif); g=im2uint8(mat2gray(log(1+double(f); figure(2); imshow(g);%动态范围压缩,4.4直方图变换,直方图是图象的一种统计表达 直方图反映了图中灰度的分布情况 4.4.1 直方图均衡化 4.4.2 直方图规定化,灰度统计直方图 1-D的离散函数 提供了图象象素的灰度值分布情况 计算： 设置一个 有 L 个
7、元素的数 组，对原图的灰 度值进行统计,4.4.1 直方图均衡化,4.4.1 直方图均衡化,思考：直方图和图像是一一对应吗？,直方图均衡化 借助直方图变换实现（归一的）灰度映射 均衡化（线性化）基本思想 变换原始图象的直方图为均匀分布 = 大动态范围 使象素灰度值的动态范围最大 = 增强图象整体对比度（反差）,4.4.1 直方图均衡化,归一化直方图 增强函数(反变换) (1) EH(s)： 单值单增函数， 各灰度级在变换后仍保持排列次序 (2) 变换前后灰度值动态范围一致,4.4.1 直方图均衡化,（归一化）累积直方图 (1)tk 是 k 的单值单增函数 (2)灰度取值范围一致，0 tk 1
8、(3)将s的分布转换为t 的均匀分布,4.4.1 直方图均衡化,表4.4.1,4.4.1 直方图均衡化,各灰度级对应的象素个数级概率 及 修正后各灰度级对应的概率分布,1/7-0.14 2/7-0.28 3/7-0.43 4/7-0.57 5/7-0.71 6/7-0.86,tk,tk,tk,4.4.1 直方图均衡化,4.4.1 直方图均衡化,4.4.1 直方图均衡化,直方图均衡化的MATLAB实现,clear all; f=imread(cameraman.tif); figure(1) imshow(f); figure(2) imhist(f); %绘制图象f的直方图 ylim(auto
9、); g=histeq(f,256); %对f进行直方图均衡，输出图象的灰度级数为256 figure(3) imshow(g); figure(4) imhist(g); ylim(auto);,4.4.1 直方图均衡化,缺点：,借助直方图变换实现规定/特定的灰度映射 (1) 对原始直方图进行灰度均衡化 (2) 规定需要的直方图，计算能使规定直方图均衡化的变换 (3) 将原始累积直方图对应映射到规定累积直方图,4.4.2 直方图规定化,三个步骤,两种映射/对应规则 (1) 单映射规则(ps(sk)-pu(ul) (2) 组映射规则（I(l)：整数函数）(ps(si)-pu(uj) ),4.4
10、.2 直方图规定化,表4.4.2,4.4.2 直方图规定化,4.4.2 直方图规定化,4.4.2 直方图规定化,4.4.2 直方图规定化,直方图规定化的MATLAB实现,I=imread(cameraman.tif); %读取图像 hgram=0:2:255; %制定灰度变换范围 J=histeq(I,hgram); %实现图像直方图规定化 figure,imshow(I) %显示原始图像 figure,imshow(J) %显示规定化后图像 figure,imhist(I,64) %对原始图像进行直方统计并显示，64个柱子(bin) figure,imhist(J,64) %对规定化后图像进
11、行直方图统计并显示,4.4.2 直方图规定化,映射误差 对应映射间数值的差值（取绝对值）的和 ErrorSML=|0.20-0.44|+|(0.8-0.2)-(0.89-0.44)|+|(1-0.8)-(1-0.89)|=0.24+0.15+0.09=0.48 ErrorGML=|0.20-0.19|+|(0.8-0.2)-(0.81-0.19)|+|(1-0.8)-(1-0.81)|=0.01+0.02+0.01=0.04 ErrorGMLErrorSML,4.4.2 直方图规定化,直方图规定化 vs. 直方图均衡化 直方图均衡化： 自动增强 效果不易控制 总得到全图增强的结果 直方图规定化
12、： 有选择地增强 须给定需要的直方图 可特定增强的结果,4.4.2 直方图规定化,上次课程内容回顾,图像间运算 算术(加，减，乘、除) 逻辑(与、或、非、异或) 直接灰度映射(原理、映射函数) 直方图变换 直方图均衡化 直方图规定化(SML,GML),思考与讨论,1.直方图均衡后的直方图是否平坦？为什么？ 2.增强图像使它具有绝对平坦的直方图是否可能？为什么？ 3.如果图像的对比度不均该如何处理？,4.5线性滤波,利用象素本身以及其邻域象素的灰度关系进行增强的方法常称为滤波 4.5.1 技术分类和实现原理 模板卷积，邻域操作 4.5.2 线性平滑滤波器 减弱或消除图象中的噪声,4.5.1 技术
13、分类和实现原理,在图象空间借助模板进行邻域操作 分类1：(1)线性：如邻域平均 (2)非线性：如中值滤波 分类2： (1)平滑：模糊，消除噪声 (2)锐化：增强被模糊的细节,滤波器实现 邻域运算： (0=R=255),4.5.1 技术分类和实现原理,1、邻域平均(滤波输出举例) 系数都是正的 保持灰度值范围（所有系数之和为1） 例：3 3 模板,4.5.2 线性平滑滤波器,4.5.2 线性平滑滤波器,2、加权平均 中心系数大 周围系数小,4.5.2 线性平滑滤波器,线性平滑滤波器的MATLAB实现,clear all I=imread(cameraman.tif); J=imnoise(I,s
14、alt %进行7*7均值滤波 figure(2),imshow(K1) figure(3),imshow(K2) figure(4),imshow(K3),4.6 非线性滤波,逻辑的、几何的、代数的非线性滤波器 基于集合的、基于形状的、基于排序的 4.6.1 非线性平滑滤波器 4.6.2 非线性锐化滤波器,4.6.1 非线性平滑滤波器,在一维情况下，中值滤波器是一个含有奇数个象素的滑动窗口，排序后，窗口象素序列为： ，M是窗口长度，gj是窗口象素的中值滤波输出。记作：,4.6.1 非线性平滑滤波器,4.6.1 非线性平滑滤波器,既消除噪声又保持细节（不模糊） 中值（median）滤波器 (1)
15、 将模板中心与象素位置重合 (2) 读取模板下各对应象素的灰度值 (3) 将这些灰度值从小到大排成1列 (4) 找出这些值里排在中间的1个 (5) 将这个中间值赋给模板中心位置象素,中值（median）滤波器的模板 中值滤波器的消噪声效果与两个不同的但又有联系的因素有关。首先是模板的尺寸，其次是参与运算的象素数 图象中尺寸小于模板尺寸一半的过亮或过暗区域将会在滤波后会被消除掉,4.6.1 非线性平滑滤波器,4.6.1 非线性平滑滤波器,百分比（percentile）滤波器 中值滤波器是一个特例 最大值 最小值 中点滤波器,4.6.1 非线性平滑滤波器,4.6.1 非线性平滑滤波器,最大值滤波,
16、4.6.1 非线性平滑滤波器,最小值滤波,1、非线性锐化滤波器 利用微分可以锐化图象（积分平滑图象） 梯度：对应一阶导数 最常用的微分矢量 （需要用2个模板分别沿 X和 Y 方向计算）,4.6.2 非线性锐化滤波器,1、非线性锐化滤波器(滤波输出举例) 模以2为范数/模计算（对应欧氏距离） 以1为范数（城区距离） 以为范数（棋盘距离）,4.6.2 非线性锐化滤波器,2、最大-最小锐化变换 将最大值滤波器和最小值滤波器结合使用 可以锐化模糊的边缘并让模糊的目标清晰起来 迭代实现：,4.6.2 非线性锐化滤波器,锐化滤波器的MATLAB实现,I=imread(cameraman.tif); H=fspecial(prewitt);% H=fspecial(sobel); TH=imfilter(I,H,replicate); figure(1); imshow(TH); H=H; TH=imfilter(I,H,replicate); figure(2); imshow(TH);,4.7
