数字图像处理第四章图像增强ppt课件

《数字图像处理第四章图像增强ppt课件》由会员分享，可在线阅读，更多相关《数字图像处理第四章图像增强ppt课件（61页珍藏版）》请在金锄头文库上搜索。

1、第四章 图像加强 图像加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宜于人或机器进展分析和处置的方式。例如采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需求的信息，提高图像的运用价值。 图像加强方法从加强的作用域出发，可分为空间域加强和频率域加强两种。 空间域加强是直接对图像各像素进展处置； 频率域加强是将图像经傅立叶变换后的频谱成分进展处置，然后逆傅立叶变换获得所需的图像。 图像加强所包含的主要内容如图4.1。4.1图像加强的点运算 4.1.2 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，是图像加强的重要手段之一。1线性变换 令图像f(i，j)的灰度

2、范围为a,b，线性变换后图像g(i，j)的范围为a,b，如图4.1.1。g(i，j)与f(i，j)之间的关系式为：在曝光缺乏或过度的情况下，图像灰度能够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。2分段线性变换为了突出感兴趣目的所在的灰度区间，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,感兴趣目的的灰度范围在a,b,欲使其灰度范围拉伸到c,d,那么对应的分段线性变换表达式为经过细心调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进展拉

3、伸或紧缩。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普通表达式为这里a,b,c是为了调整曲线的位置和外形而引入的参数。当希望对图像的低灰度区较大的拉伸而对高灰度区紧缩时，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普通表达式为这里参数a,b,c用来调整曲线的位置和外形。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)4.1.3直方图修整法灰度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,它能描画该图像的概貌。经过修正直方图的方法加强

4、图像是一种适用而有效的处置技术。直方图修整法包括直方图平衡化及直方图规定化两类。1.直方图平衡化直方图平衡化是将原图像经过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法。下面先讨论延续变化图像的平衡化问题，然后推行到离散的数字图像上。设r和s分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。即4.1-9在0,1区间内的任一个r值，都可产生一个s值，且(4.1-10) T(r)作为变换函数，满足以下条件： 在0r1内为单调递增函数，保证灰度级从黑到白的次序不变； 在0r1内，有0T(r)1，确保映射后的像素灰度在允许的范围内。 反变换关系为 4.1-11 T-1(s)对s同样满足上述

5、两个条件。 由概率论实际可知，假设知随机变量r的概率密度为pr(r),而随机变量s是r的函数，那么s的概率密度ps(s)可以由pr(r)求出。假定随机变量s的分布函数用Fs(s)表示，根据分布函数定义 利用密度函数是分布函数的导数的关系，等式两边对s求导，有： 4.1-13 可见，输出图像的概率密度函数可以经过变换函数T(r)控制原图像灰度级的概率密度函数得到,因此改善原图像的灰度层次,这就是直方图修正技术的根底。 从人眼视觉特性来思索，一幅图像的直方图假设是均匀分布的，即Ps(s)=k(归一化时k=1)时，该图像颜色给人的觉得比较协调。因此将原图像直方图经过T(r)调整为均匀分布的直方图，这

6、样修正后的图像能满足人眼视觉要求。 由于归一化假定 由4.1-13那么有 两边积分得上式阐明，当变换函数为r的累积直方图函数时，能到达直方图平衡化的目的。对于离散的数字图像，用频率来替代概率,那么变换函数T(rk)的离散方式可表示为:上式阐明，平衡后各像素的灰度值sk可直接由原图像的直方图算出。 一幅图像sk同rk之间的关系称为该图像的累积灰度直方图。rkPr(rk)rkS(rk)1.01.01.0下面举例阐明直方图平衡过程。rknkpr(rk)=nk/nsk计sk并sknskpk(s)r0=07900.190.191/7s0=1/77900.19r1=1/710230.250.443/7s1

7、=3/710230.25r2=2/78500.210.655/7s2=5/78500.21r3=3/76560.160.816/7r4=4/73290.080.896/7s3=6/79850.24r5=5/72450.060.951r6=6/71220.030.981r7=1810.021.001s4=14480.11例例 假定有一幅假定有一幅总像素像素为n=6464n=6464的的图像，灰度像，灰度级数数为8 8，各灰，各灰度度级分布列于表中。分布列于表中。对其平衡化其平衡化计算算过程如下：程如下：？ 假设在原图像一行上延续8个像素的灰度值分别为：0、1、2、3、4、5、6、7，那么平衡后，

8、他们的灰度值为多少？原图像的直方图平衡后图像的直方图直方图平衡化例如 2.2.直方图规定化直方图规定化 在某些情况下，并不一定需求具有均匀直方图的图像，在某些情况下，并不一定需求具有均匀直方图的图像，有时需求具有特定的直方图的图像，以便可以加强图像中某有时需求具有特定的直方图的图像，以便可以加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。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外形的直方图直方图规定化是使原图像灰度直方图变成规定外形的直方图而对图像作修正的加强方法。而对图像作修正的加强方法。 可见，它是对直方图平衡化处置的一种

9、有效的扩展。直可见，它是对直方图平衡化处置的一种有效的扩展。直方图平衡化处置是直方图规定化的一个特例。方图平衡化处置是直方图规定化的一个特例。 对于直方图规定化，下面仍从灰度延续变化的概率密度对于直方图规定化，下面仍从灰度延续变化的概率密度函数出发进展推导，然后推行出灰度离散的图像直方图规定函数出发进展推导，然后推行出灰度离散的图像直方图规定化算法。化算法。 假设假设pr(r)pr(r)和和pz(z)pz(z)分别表示已归一化的原始图像灰度分分别表示已归一化的原始图像灰度分布的概率密度函数和希望得到的图像的概率密度函数。布的概率密度函数和希望得到的图像的概率密度函数。 首先对原始图像进展直方图

10、平衡化，即求变换函数：假定已得到了所希望的图像，对它也进展平衡化处置，即它的逆变换是这阐明可由平衡化后的灰度得到希望图像的灰度。 假设对原始图像和希望图像都作了平衡化处置，那么二者平衡化的ps(s)和pv(v)一样，即都为均匀分布的密度函数。由s替代v 得 z=G-1(s) 这就是所求得的变换表达式。根据上述思想，可总结出直方图规定化加强处置的步骤如下：对原始图像作直方图平衡化处置；按照希望得到的图像的灰度概率密度函数pz(z)，求得变换函数G(z)；用步骤得到的灰度级s作逆变换z= G-1(s)。 经过以上处置得到的图像的灰度级将具有规定的概率密度函数pz(z)。 采用与直方图平衡一样的原始

11、图像数据6464像素且具有8级灰度，其灰度级分布列于表中。给定的直方图的灰度分布列于表中。 对应的直方图如下： 原图像的直方图 规定化直方图 rjsknkps(sk)zkpz(zk)vkzk并nkpz(zk)r0s0=1/77900.19z0=00.000.00z000.00r1s1=3/710230.25z1=1/70.000.00z100.00r2s2=5/78500.21z2=2/70.000.00z200.00r3s3=6/7z3=3/70.150.15z3s0=1/77900.19r4s3=6/79850.24z4=4/70.200.35z4s1=3/71023 0.25r5s4=1

12、z5=5/70.300.65z5s2=5/78500.21r6s4=1z6=6/70.200.85z6s3=6/79850.24r7s4=14480.1110.151.00z7s4=14480.11 原图像的直方图 规定的直方图 规定化后图像的直方图？ 假设在原图像一行上延续8个像素的灰度值分别为：0、1、2、3、4、5、6、7，那么规定化后，他们的灰度值为多少？ 利用直方图规定化方法进展图像加强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其加强效果要有利于人的视觉判读或便于机器识别。下面是一个直方图规定化运用实例。 图(C)、(c)是将图像(A)按图(b)的直方图进展规定化得到的

13、结果及其直方图。经过对比可以看出图(C)的对比度同图B)接近一致，对应的直方图外形差别也不大。这样有利于影像交融处置，保证交融影像光谱特性变化小。模板4.2 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，会遭到各种噪声的干扰，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展的处置称图像平滑或去噪。它可以在空间域和频率域中进展。本节引见空间域的几种平滑法。4.2.1部分平滑法 部分平滑法是一种直接在空间域上进展平滑处置的技术。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，而噪声那么是统计独立的。因此，可用邻域内各像素的

14、灰度平均值替代该像素原来的灰度值，实现图像的平滑。 设有一幅NN的图像f(x,y)，假设平滑图像为g(x,y),那么有 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33的邻域平均法，对于像素m,n)，其邻域像素如下：那么有： 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

15、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，但它的主要缺陷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，在去噪才干加强的同时模糊程度越严重。如图4.2.1(c)和(d)。 (a)原图像 (b) 对(a)加椒盐噪声的图像(c)33邻域平滑 (d) 55邻域平滑 为抑制简单部分平均法的弊病，目前已提出许多保边缘、细节的部分平滑算法。它们的出发点都集中在如何选择邻域的大小、外形和方向、参与平均的点数以及邻域各点的权重系数等，下面简要引见几种算法。4.2.2 4.2.2 超限像素平滑法超限像素平滑法 对邻域平均法稍加改良，可域平均法稍加改良，可导出

16、超限像素平滑法。它出超限像素平滑法。它是将是将f(x,y)f(x,y)和和邻域平均域平均g(x,y)g(x,y)差的差的绝对值与与选定的定的阈值进展比展比较，根据比，根据比较结果断定点果断定点x,yx,y的最后灰度的最后灰度g(x,y)g(x,y)。其表达式其表达式为 这算法算法对抑制椒抑制椒盐噪声比噪声比较有效，有效，对维护仅有微小灰有微小灰度差的度差的细节及及纹理也有效。可理也有效。可见随着随着邻域增大，去噪才干域增大，去噪才干加加强，但模糊程度也大。，但模糊程度也大。 同部分平滑法相比，超限像元平同部分平滑法相比，超限像元平滑法去椒滑法去椒盐噪声效果更好。噪声效果更好。(a)原图像 (b

17、)对(a)加椒盐噪声的图像(c)33邻域平滑 (d) 55邻域平滑(e)33超限像素平滑(T=64)(f)55超限像素平滑(T=48)4.2.3 4.2.3 灰度最相近的灰度最相近的K K个个邻点平均法点平均法 该算法的出算法的出发点是：在点是：在nnnn的窗口内，属于同一集合的窗口内，属于同一集合体的像素，它体的像素，它们的灰度的灰度值将高度相关。因此，可用窗口内将高度相关。因此，可用窗口内与中心像素的灰度最接近的与中心像素的灰度最接近的K K个个邻像素的平均灰度来替代像素的平均灰度来替代窗口中心像素的灰度窗口中心像素的灰度值。这就是灰度最相近的就是灰度最相近的K K个个邻点平点平均法。均法

18、。 较小的小的K K值使噪声方差下降使噪声方差下降较小，但小，但坚持持细节效果效果较好；而好；而较大的大的K K值平滑噪声平滑噪声较好，但会使好，但会使图像像边缘模糊。模糊。 实验证明，明，对于于3333的窗口，取的窗口，取K=6K=6为宜。宜。4.2.4 4.2.4 最大均匀性平滑最大均匀性平滑 为防止消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值替代该像素原来的灰度值。4.2.5 4.2.5 有有选择保保边缘平滑法平滑法 该方法方法对图像上任一像素像上任一像素(x,y)(x,y)的的5555邻域，采用域，采用9 9个掩模，个掩模，其中包括一个其中包括

19、一个3333正方形、正方形、4 4个个五五边形和形和4 4个六个六边形。形。计算各个算各个掩模的均掩模的均值和方差，和方差，对方差方差进展展排序，最小方差所排序，最小方差所对应的掩模区的掩模区的灰度均的灰度均值就是像素就是像素x,y) x,y) 的的输出出值。 该方法以方差作为各个区域灰度均匀性的测度。假设区域含有锋利的边缘，它的灰度方差必定很大，而不含边缘或灰度均匀的区域，它的方差就小，那么最小方差所对应的区域就是灰度最均匀区域。因此有选择保边缘平滑法既可以消除噪声，又不破坏区域边境的细节。另外，五边形和六边形在x,y处都有锐角，这样，即使像素x,y位于一个复杂外形区域的锐角处，也能找到均匀

20、的区域。从而在平滑时既不会使锋利边缘模糊，也不会破坏边缘外形。例如，某像素55邻域的灰度分布如图4.2.4，经计算9个掩模区的均值和方差为 最小方差为0，对应的灰度均值3，采用有选择保边缘平滑，该像素的输出值为3。4.2.6 空间低通滤波法 邻域平均法可看作一个掩模作用于图像f(x,y)的低通空间滤波，掩模就是一个滤波器，它的呼应为H(r,s)，于是滤波输出的数字图像g(x,y)用离散卷积表示为均值443234233对应的方差54717 17 28 31 23 2603642147324841434215343216常用的掩模有掩模不同，中心点或邻域的重要程度也不一样，因此，应根据问题的需求选

21、取适宜的掩模。但不论什么样的掩模，必需保证全部权系数之和为单位值，这样可保证输出图像灰度值在答应范围内，不会产生“溢出景象。4.2.7 4.2.7 中中值滤波波 中中值滤波是波是对一个滑一个滑动窗口内的窗口内的诸像素灰度像素灰度值排序，用中排序，用中值替代窗口中心像素的原来灰度替代窗口中心像素的原来灰度值，因，因此它是一种非此它是一种非线性的性的图像平滑法。像平滑法。例：采用例：采用1313窗口窗口进展中展中值滤波波原原图像像为：2 2 6 2 1 2 4 4 4 2 42 2 6 2 1 2 4 4 4 2 4处置后置后为： 2 2 2 2 2 2 4 4 4 4 4 2 2 2 2 2 2

22、 4 4 4 4 4 它它对脉冲干脉冲干扰及椒及椒盐噪声的抑制效果好，在抑噪声的抑制效果好，在抑制随机噪声的同制随机噪声的同时能有效能有效维护边缘少受模糊。但它少受模糊。但它对点、点、线等等细节较多的多的图像却不太适宜。像却不太适宜。 对中中值滤波法来波法来说，正确，正确选择窗口尺寸的窗口尺寸的大小是很重要的大小是很重要的环节。普通很。普通很难事先确定最正确的事先确定最正确的窗口尺寸，需窗口尺寸，需经过从小窗口到大窗口的中从小窗口到大窗口的中值滤波波实验，再从中，再从中选取最正确的。取最正确的。 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、斜升信号没有遭到影响。离散三角信号的顶部那

23、么变平了。对于离散的脉冲信号，当其延续出现的次数小于窗口尺寸的一半时，将被抑制掉，否那么将不受影响。一维中值滤波的概念很容易推行到二维。普通来说，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外形可以有多种，如线状、方形、十字形、圆形、菱形等见图。不同外形的窗口产生不同的滤波效果，运用中必需根据图像的内容和不同的要求加以选择。从以往的阅历看，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33、55模板进展中值滤波的结果。可见中值滤波法能有效减弱椒盐噪声，且比邻域、超限像素平均

24、法更有效。4.3 图像空间域锐化 在图像的识别中常需求突出边缘和轮廓信息。图像锐化就是加强图像的边缘或轮廓。 图像平滑经过积分过程使得图像边缘模糊，图像锐化那么经过微分而使图像边缘突出、明晰。 4.3.1 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 对于离散图像处置而言，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，经常运用 grad(x，y)=Max(|fx|，|fy|

25、) (4.3-4) 或 gradx，y=|fx|+|f y| (4.3-5) 除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来加强边缘。 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)| -1-111图4.3.2Roberts梯度算子 为在锐化边缘的同时减少噪声的影响，Prewitt从加大边缘加强算子的模板大小出发，由2x2扩展到3x3来计算差分，如图(a)所示。 (a)Prewitt 算子 (b)Sobel算子 Sobel在Prewitt算子的根底上，

26、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。一旦梯度算出后，就可根据不同的需求生成不同的梯度加强图像。 -101-1-1-1-101-1-2-1-101000-202000-101111-101121第一种输出方式g(x,y)=grad(x,y)(4.3-7)此法的缺陷是加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那么呈黑色。第二种输出方式式中T是一个非负的阈值。适中选取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方式它将明显边缘用一固定的灰度级L

27、G来表现。第四种输出方式此方法将背景用一个固定的灰度级LB来表现，便于研讨边缘灰度的变化。第五种输出方式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，便于研讨边缘所在位置。4.3.2 Laplacian加加强算子算子 Laplacian 算子是算子是线性二性二阶微分算子。即微分算子。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加强算子为： g(x，y)=f(x，y)- 2f(x，y)

28、 =5f(x，y)- f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)0101-41010Laplace算子0-10-15-10-10加强算子其特点是：1、在灰度均匀的区域或斜坡中间2f(x，y)为0，加强图像上像元灰度不变；2、在斜坡底或低灰度侧构成“下冲；而在斜坡顶或高灰度侧构成“上冲。0-10-111H1=-151H2=-1910-10-1114.3.3 4.3.3 高通滤波法高通滤波法 高通滤波法就是用高通滤波算子和图像卷积来加强边高通滤波法就是用高通滤波算子和图像卷积来加强边缘。常用的算子有：缘。常用的算子有：4.44.4图像的像的频率域加率域加强 图像加像

29、加强的目的主要包括：的目的主要包括：消除噪声，改善消除噪声，改善图像的像的视觉效果；效果；突出突出边缘，有利于，有利于识别和和处置。前置。前面是关于面是关于图像空像空间域加域加强的知的知识，下面引，下面引见频率域加率域加强的方法。的方法。 假定原假定原图像像为f(xf(x，y)y)，经傅立叶傅立叶变换为F(uF(u，v)v)。频率域加率域加强就是就是选择适宜的适宜的滤波器波器H(u,v)H(u,v)对F(u,v)F(u,v)的的频谱成分成分进展展处置，然后置，然后经逆傅立叶逆傅立叶变换得得到加到加强的的图像像g(x,y)g(x,y)。 频率域加率域加强的普的普经过程如下：程如下： DFT H(

30、u DFT H(u，v) IDFTv) IDFTf(xf(x，y) F(uy) F(u，v) F(uv) F(u，v)H(uv)H(u，v) gv) g(x(x，y)y) 滤波波图像的平滑除了在空间域中进展外，也可以在频率域中进展。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，经过低频成分，然后再进展逆傅立叶变换获得滤波图像，就可到达平滑图像的目的。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分开原点的截止频率为D0，那么理想低通滤波器的传送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

31、噪声的同时将会导致边缘信息损失而使图像边模糊。4.4.1频率域平滑频率域平滑2Butterworth低通滤波器n阶Butterworth滤波器的传送函数为：它的特性是延续性衰减，而不象理想滤波器那样峻峭变化，即明显的不延续性。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指数低通滤波器指数低通滤波器是图像处置中常用的另一种平滑滤波器。它的传送函数为：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较用Butterworth滤波产生的大些，无明显的振铃效应。4.梯形低通滤波器梯形低通滤波器是理想低通滤波器和完全平滑滤波器的折中。它的传送函数为：它的性能

32、介于理想低通滤波器和指数滤波器之间，滤波的图像有一定的模糊和振铃效应。4.4.2 4.4.2 频率域锐化频率域锐化 图像的边缘、细节主要位于高频部分，而图像的模糊图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。频率域锐化就是为了消除是由于高频成分比较弱产生的。频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分经过，模糊，突出边缘。因此采用高通滤波器让高频成分经过，使低频成分减弱，再经逆傅立叶变换得到边缘锐化的图像。使低频成分减弱，再经逆傅立叶变换得到边缘锐化的图像。常用的高通滤波器有：常用的高通滤波器有： 1 1理想高通滤波器理想高通滤波器 二维理想高

33、通滤波器的传送函数为二维理想高通滤波器的传送函数为 2巴特沃斯高通滤波器n阶巴特沃斯高通滤波器的传送函数定义如下H(u，v)=1/1+(D0/D(u，v)2n3指数滤波器指数高通滤波器的传送函数为4梯形滤波器梯形高通滤波器的定义为 四种滤波函数的选用类似于低通。理想高通有明显振铃景象，即图像的边缘有抖动景象；Butterworth高通滤波效果较好，但计算复杂，其优点是有少量低频经过，H(u，v)是渐变的，振铃景象 不明显；指数高通效果比Butterworth差些，振铃景象不明显；梯形高通会产生微振铃效果，但计算简单，较常用。 普通来说，不论在图像空间域还是频率域，采用高频滤波不但会使有用的信息

34、加强，同时也使噪声加强。因此不能随意地运用。 4.5 彩色加强技术彩色加强技术 人眼的视觉特性人眼的视觉特性 ： 分辨的灰度级介于十几到二十几级之间分辨的灰度级介于十几到二十几级之间 ； 彩色分辨才干可到达灰度分辨才干的百倍彩色分辨才干可到达灰度分辨才干的百倍以上。以上。 彩色加强技术是利用人眼的视觉特性，将彩色加强技术是利用人眼的视觉特性，将灰度图像变成彩色图像或改动彩色图像已有灰度图像变成彩色图像或改动彩色图像已有彩色的分布，改善图像的可分辨性。彩色加彩色的分布，改善图像的可分辨性。彩色加强方法可分为伪彩色加强和假彩色加强两类。强方法可分为伪彩色加强和假彩色加强两类。4.5.1 伪彩色加强

35、伪彩色加强 伪彩色加强是把黑白图像的各个不同灰度伪彩色加强是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。使原图的彩色，得到一幅彩色图像的技术。使原图像细节更易识别，目的更容易识别。像细节更易识别，目的更容易识别。 伪彩色加强的方法主要有密度分割法、灰伪彩色加强的方法主要有密度分割法、灰度级一彩色变换和频率域伪彩色加强三种。度级一彩色变换和频率域伪彩色加强三种。 1.1.密度分割法密度分割法2.2. 密度分割法是把黑白密度分割法是把黑白图像的灰度像的灰度级从从0 0黑到黑到M0M0白分成白分成N N个区个区间

36、Ii(i=1Ii(i=1，2 2，N),N),给每个区每个区间IiIi指定一指定一种彩色种彩色CiCi，这样，便可以把一幅灰度，便可以把一幅灰度图像像变成一幅成一幅伪彩色彩色图像。像。3.3. 该方法比方法比较简单、直、直观。缺陷是。缺陷是变换出的彩色数目有出的彩色数目有限。限。 2.2.空空间域灰度域灰度级一彩色一彩色变换 根据色度学原理，将原根据色度学原理，将原图像像f(x,y)f(x,y)的灰度范的灰度范围分分段，段，经过红、绿、蓝三种不同三种不同变换TR()TR()、TG()TG()和和TB()TB()，变成三基色分量成三基色分量IR(x,y)IR(x,y)、IG(x,y)IG(x,y

37、)、IB(x,y)IB(x,y)，然后用，然后用它它们分分别去控制彩色去控制彩色显示器的示器的红、绿、蓝电子子枪，便可以，便可以在彩色在彩色显示器的屏幕上合成一幅彩色示器的屏幕上合成一幅彩色图像。像。 3.3.频率域伪彩色加强频率域伪彩色加强 频率域伪彩色加强的方法是：频率域伪彩色加强的方法是： 把黑白图像经傅立叶变换到频率域，在频率域内用三个不同把黑白图像经傅立叶变换到频率域，在频率域内用三个不同传送特性的滤波器分别成三个独立分量；传送特性的滤波器分别成三个独立分量； 然后对它们进展逆傅立叶变换，便得到三幅代表不同频率分然后对它们进展逆傅立叶变换，便得到三幅代表不同频率分量的单色图像，接着对

38、这三幅图像作进一步的处置如直方量的单色图像，接着对这三幅图像作进一步的处置如直方图平衡化图平衡化 最后将它们作为三基色分量分别加到彩色显示器的红、绿、最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道，得到一幅彩色图像。蓝显示通道，得到一幅彩色图像。 4.5.2 4.5.2 假彩色加强假彩色加强 假彩色加强是对一幅自然彩色图像或同一景物的多假彩色加强是对一幅自然彩色图像或同一景物的多光谱图像，经过映射函数变换成新的三基色分量，彩色光谱图像，经过映射函数变换成新的三基色分量，彩色合成使感兴趣目的呈现出与原图像中不同的、奇特的彩合成使感兴趣目的呈现出与原图像中不同的、奇特的彩色。色。

39、假彩色加强目的：一是使感兴趣的目的呈现奇特的假彩色加强目的：一是使感兴趣的目的呈现奇特的彩色或置于奇特的彩色环境中，从而更引人注目；一是彩色或置于奇特的彩色环境中，从而更引人注目；一是使景物呈现出与人眼色觉相匹配的颜色，以提高对目的使景物呈现出与人眼色觉相匹配的颜色，以提高对目的的分辨力。的分辨力。 多光谱图像的假彩色加强可表示为多光谱图像的假彩色加强可表示为 将可见光与非可见光波段结合起来，经过假彩色处将可见光与非可见光波段结合起来，经过假彩色处置，就能获得更丰富的信息，便于对地物识别。置，就能获得更丰富的信息，便于对地物识别。对于自然风光图像，通用的线性假彩色映射可表示为例如采用以下的映射关系那么原图像中绿色物领会呈红色，蓝色物领会呈绿色，红色物体那么呈兰色。 伪彩色加强与假彩色加强有何区别？ ？