《数字图像处理3灰度级变换》由会员分享，可在线阅读，更多相关《数字图像处理3灰度级变换（53页珍藏版）》请在金锄头文库上搜索。
1、第三章 图像增强,问题的引入,看两个图例，分析画面效果不好的原因。,亮暗差别不是很大,解决问题的思路,提高对比度，增加清晰度,对比度的概念,对比度：通俗地讲，就是亮暗的对比程度。对比度通常表现了图像画质的清晰程度。,对比度的计算,对比度的计算公式如下：,即相邻像素间的灰度差,即相邻像素间的灰度差为的像素分布概率,其中：,像素相邻：,对比度的计算例,设图像为：,图像增强,图像增强的目的是为了改善画质，使图像的显示效果更加清晰。 本章中主要介绍的内容包括： 线性对比度展宽 动态范围调整 直方图均衡化处理 伪彩色技术,线性对比度展宽,对比度展宽的目的是：通过将亮暗差异（即对比度）扩大，来把人所关心的
2、部分强调出来。原理是，进行像素点对点的，灰度级的线性影射。该影射关系通过调整参数，来实现对亮暗差异的扩大。,线性对比度展宽 实现方法,设原图、处理后的结果图的灰度值分别为f(i,j)和g(i,j); 要求g(i,j)和f(i,j)均在0，255间变化，但是g的表现效果要优于f。 因为f和g的取值范围相同，所以通过 抑制 不重要的部分，来 扩展 所关心部分的对比度。,线性对比度展宽 实现方法,为了达到上面所提出的目的，原图（横轴上的f(i,j)）与处理后图（纵轴上的g(i,j)）的灰度影射关系可用下图表示。,线性对比度展宽 实现方法,将上面图示的影射关系，用计算公式表达即为：,线性对比度展宽 灰
3、级窗,当256个灰度级所表示的亮暗范围内的信息量太大，没办法很好地表述时，通过开窗的方式，每次只把窗内的灰度级展宽，而把窗外的灰度级完全抑制掉。（示例）例如，CT图像的原始数据为12bit （或是16bit），要将其显示出来，则只能转换为8bit，于是有了16归并为1（或256归并为1）的需要。这时，开骨窗、肌肉窗、组织窗就可分别清晰地显示相应的内容。,线性对比度展宽 灰级窗的实现方法,如图所示，绘级窗实际上是线性对比度展宽的一种特殊形式。,线性对比度展宽,灰级窗,动态范围调整 动态范围的概念,动态范围：是指图像中所记录的场景中从暗到亮的变化范围。动态范围对人视觉的影响：由于人眼所可以分辨的灰
4、度的变化范围是有限的，所以当动态范围太大时，很高的亮度值把暗区的信号都掩盖了。,动态范围调整 动态范围调整的思路,动态范围调整思路：通过动态范围的压缩可以将所关心部分的灰度级的变化范围扩大。动态范围调整方法分为以下两种： 1）线性动态范围调整 2）非线性动态范围调整,线性动态范围调整 基本思路,通过把原图中“不太黑”的像素也变成黑，把原图中“不太白”的相素也变成白的方式，来压缩动态范围，使新的图像中，关心部分的对比度可以展宽。如下图所示，将原来0,255范围内的亮暗变化，压缩到a,b范围内。,线性动态范围调整 实现方法,按照上面的设计思路，可以得到新图与原图的对应关系如下。 可以看到，线性动态
5、范围调整的影射关系与灰级窗的相同。,线性动态范围调整 例题,将2,7转换到0,9,作用：进行亮暗限幅,g(i,j)=9/5*f(i,j)-18/5,C=16.9211,C=26.2895,非线性动态范围调整 原理,提出非线性动态范围调整，是因为线性动态范围调整的分段线性影射不够光滑。 非线性动态范围调整，要求可以用光滑的曲线来实现。 考虑到人眼对视觉信号的处理过程中，有一个近似对数算子的环节，因此，可采用对数运算来实现非线性动态范围调整。,非线性动态范围调整示例,非线性动态范围调整 实现方法,设原图为f(i,j)，处理后的图像为g(i,j)，则影射关系为：,非线性动态范围调整 例题,g(i,j
6、)=9*log(f(i,j)+1),作用：将暗的部分扩展，而将亮的部分抑制。,C=16.9211,C=18.7632,直方图均衡化 基本原理,直方图均衡化方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。 因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的灰度直方图。,设f、g分别为原图像和处理后的图像。求出原图f的灰度直方图，设为h。 显然，在0,255范围内量化时，h是一个256维的向量。,直方图均衡化方法实现 1.求直方图,例,f,注：这里为了描述方便起见，设灰度级的分布范围为0,9。,直方图均衡化方法实现 1.求直
7、方图,1）求出图像f的总体像素个数Nf = m*n (m,n分别为图像的长和宽）2）计算每个灰度级的分布概率，即每个像素在整个图像中所占的比例。hs(i)=h(i)/Nf (i=0,1,255),直方图均衡化方法实现 2.计算原图的灰度分布概率,例,直方图均衡化方法实现 2.计算原图的灰度分布概率,=0.12, 0.08, 0.16, 0.16, 0.04, 0.04, 0.16, 0.04, 0.08, 0.12,灰度级 0 1 2 3 4 5 6 7 8 9,设图像各灰度级的累计分布hp。,直方图均衡化方法实现 3.计算原图灰度的累计分布,例,直方图均衡化方法实现 3.计算原图灰度的累计分
8、布,hs=0.12, 0.08, 0.16, 0.16, 0.04, 0.04, 0.16, 0.04, 0.08, 0.12,hp=0.12, 0.20, 0.36, 0.52, 0.56, 0.60, 0.76, 0.80, 0.88, 1.00,直方图均衡化方法实现 4.计算原、新图灰度值的影射关系,新图像g的灰度值g(i,j)为,例,直方图均衡化方法实现 4.计算原、新图灰度值的影射关系,hp=0.12, 0.20, 0.36, 0.52, 0.56, 0.60, 0.76, 0.80, 0.88, 1.00,9*hp= 0, 1.80, 3.24, 4.68, 5.04, 5.40,
9、 6.84, 7.20, 7.92, 9.00 ,影射关系：,新图 0, 2, 3, 5, 5, 5, 7, 7, 8, 9 ,原图 0, 1, 2, 3, 4 , 5 , 6, 7, 8, 9 ,例,f,g,C=16.9211,C=15.8421,注：请同学们思考一下，为什么均衡化后的对比度还降低了？,直方图均衡化方法实现 4.计算原、新图灰度值的影射关系,直方图均衡化方法实现 5. 原、新图灰度直方图比较,f 的灰度直方图,g 的灰度直方图,直方图均衡化 方法效果示例,直方图均衡化方法 比较例,f,g,C=16.6842,C=17.1974,直方图均衡化方法 比较例,f,C=16.9211
10、,f,C=16.6842,结论：原图的灰度分布均衡性越差，均衡化后的效果越好。,伪彩色增强方法 基本原理,由于人眼分辨不同彩色的能力比分别不同的灰度级的能力强，因此，把人眼无法区别的灰度变化，施以不同的彩色来提高识别率，这便是伪彩色增强的基本依据。,伪彩色增强方法 基本思路,要由灰度图像生成一幅彩色图像是一个一到三的影射。 显然由少信息量获得多信息量必然是基于估计原理。也就是说，对未知的部分，通过各种手段进行合理的估计。 研究的目的不同，则给出的灰度到彩色的估计影射方法也随之不同。,伪彩色增强方法 分类,伪彩色增强方法大致可以分为以下三类：基于灰度变换的伪彩色方法 基于灰度调色板的伪彩色方法
11、基于区域分割的伪彩色方法,谢谢大家,作业P51 3(1),(2),(3)不要求计算对比度。,基于灰度变换的伪彩色方法 基本原理,仿照对温度的描述方式，当温度比较低，我们会想到蓝色（又称冷色调）。 当温度较高的时候，会想到红色（又称暖色调）。 根据人感官上的这一特性，将亮度低的影射为蓝色，亮度高的影射为红色。,基于灰度变换的伪彩色方法 影射关系,由此，可以按照如下所示的影射关系进行伪彩色处理。,基于灰度变换的伪彩色方法 影射关系,按照前面的影射关系，最终可以获得灰度与彩色的对应关系如下图所示。 可以看到，经过综合之后，颜色与光照强度相关。,演示示例,基于灰度调色板的伪彩色方法 基本原理,按照位图
12、文件的索引色模式，首先根据需要设计一个调色板。然后，将灰度值作为调色板的索引值，完成从灰度到彩色的影射。,灰 度 值,基于灰度调色板的伪彩色方法 影射关系,基于区域分割的伪彩色增强方法 基本原理,这是一种对不同的区域进行不同颜色增强的方法。 目的是，可同时增强并清晰地观察不同区域的细节。,基于区域分割的伪彩色增强方法 应用领域与实现方法,这种伪彩色技术在医学诊断中常被用到，目的是突出病灶，提高诊断率。 该伪彩色技术是对原图进行了预处理，将识别出属于不同性质的区域给不同的色彩。,演示示例,对比度展宽效果示例,灰级窗效果示例,原图,肺窗,肌肉窗,骨窗,非线性动态范围调整示例,直方图均衡化效果示例,线性动态范围调整效果示例,基于灰度变换的伪彩色效果示例,基于区域分割的伪彩色增强示例,基于区域分割的伪彩色增强示例,
