《图像空间域增强》由会员分享，可在线阅读，更多相关《图像空间域增强（165页珍藏版）》请在金锄头文库上搜索。
1、第三章第三章 空间域图像增强空间域图像增强张张 萍萍电子科技大学电子科技大学 光电信息学院光电信息学院E-mail:uu图像增强概述图像增强概述图像增强概述图像增强概述uu基本灰度变换基本灰度变换基本灰度变换基本灰度变换uu直方图处理直方图处理直方图处理直方图处理 uu用算术用算术用算术用算术/ /逻辑操作增强逻辑操作增强逻辑操作增强逻辑操作增强uu空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器主要内容：主要内容：u参考参考资料资料教材：教材：RafaelC.Gonzalez,etc，DigitalImageProcessing(ThirdEdition)，电
2、子工子工业出版社，出版社，2010参考书籍：参考书籍：u冈萨雷斯雷斯等著，阮秋琦等著，阮秋琦等等译,数字数字图像像处理理(MATLAB版版),电子工子工业出版社，出版社，2005u章毓晋章毓晋编著著,图像工程（第像工程（第3版）版）,清清华大学出大学出版社版社,2013u吴吴炜主主编,基于学基于学习的的图像增像增强强技技术,西安西安电子子科技大学出版社科技大学出版社,2013uu图像增强概述图像增强概述图像增强概述图像增强概述uu基本灰度变换基本灰度变换基本灰度变换基本灰度变换uu直方图处理直方图处理直方图处理直方图处理 uu用算术用算术用算术用算术/ /逻辑操作增强逻辑操作增强逻辑操作增强逻
3、辑操作增强uu空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器主要内容：主要内容：一、图像增强概述一、图像增强概述图像对比度增强图像对比度增强微光图像的去噪声微光图像的去噪声一、图像增强概述一、图像增强概述红外图像的伪彩色处理红外图像的伪彩色处理一、图像增强概述一、图像增强概述红外图像的锐化处理红外图像的锐化处理一、图像增强概述一、图像增强概述u 红外图像的边缘检测（便于机器识别）红外图像的边缘检测（便于机器识别）一、图像增强概述一、图像增强概述图像在生成、获取、传输等过程中，受照明光图像在生成、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
4、诸多源性能、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。、并引入干扰噪声。 因此，图像增强的目的，就是改善图像质量因此，图像增强的目的，就是改善图像质量因此，图像增强的目的，就是改善图像质量因此，图像增强的目的，就是改善图像质量，获得更适合于人眼观察、或者对后续计算机处理获得更适合于人眼观察、或者对后续计算机处理获得更适合于人眼观察、或者对后续计算机处理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。、分析过程更有利的图像。、分析过程更有利的图像。、分析过程更有利的图像。 一、图像增强
5、概述一、图像增强概述n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。n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。n图像增强是一个主观的过程。一、图像增强概述一、图像增强概述背景知识n空域增强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)(x,y)x xy y点点(x,y)的邻域的邻域主要
6、是指以主要是指以(x,y)为中心的为中心的正方形和矩形的正方形和矩形的子图像，一般情子图像，一般情况下采用正方形况下采用正方形表示。表示。原点原点单个像素的T操作输入图像输入图像输出图像输出图像S=T(r)当灰度变化的当灰度变化的T操作针对单个像素时，输出图像的操作针对单个像素时，输出图像的g仅仅仅仅依赖于输入图像依赖于输入图像f在点（在点（x,y）的值，的值，T操作变成了灰度级操作变成了灰度级变换函数（强度映射）变换函数（强度映射）邻域尺度为NN卷积模板输入图像输入图像输出图像输出图像卷积模板卷积模板g(x,y)=w1p1+w2p2+w3p3+w4p4+w5p5+w6p6+w7p7+w8p8
7、+w9p9模板系数模板系数（以邻域尺度（以邻域尺度33为例）为例）uu图像增强概述图像增强概述图像增强概述图像增强概述uu基本灰度变换基本灰度变换基本灰度变换基本灰度变换uu直方图处理直方图处理直方图处理直方图处理 uu用算术用算术用算术用算术/ /逻辑操作增强逻辑操作增强逻辑操作增强逻辑操作增强uu空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器主要内容：主要内容：( (一一) )线性灰度变换线性灰度变换 当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。这时可将灰度灰度范围
8、线性扩展范围线性扩展。二、基本灰度变换二、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：0f(x,y)g(x,y)abcd( (一一) )线性灰度变换线性灰度变换 ( (二二) )分段线性灰度变换分段线性灰度变换 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、基本灰度变换( (二二) )分段线性灰度变换分段线性灰度变换 0f(x,y)g(x,y)abcdMfMg( (二二) )分段线性灰度变换分段线性灰度变换 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
9、；分段线性灰度变换-对比度拉伸a a）变换）变换函数形状函数形状b b）低对）低对比度图像比度图像c)c)对比度对比度拉伸结果拉伸结果d)d)门限化门限化结果结果abcd分段函数线性变换灰度切割a a）A,BA,B区区间灰度加强，间灰度加强，其余部分变其余部分变为恒定。为恒定。b b）A,BA,B区区间灰度加强，间灰度加强，其余部分不其余部分不变。变。c)c)原图原图d) ad) a变换后变换后结果结果abcd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假设图像中每个像素的灰度级是256，这可以用，这可以用8位来表位来表示，假设图像是由示，假设图像是由8个个1位平面组成，范围从位平面位
10、平面组成，范围从位平面0到位到位平面平面7。其中，位平面。其中，位平面0包含图像中像素的最低位，位平包含图像中像素的最低位，位平面面7包含像素的最高位包含像素的最高位8比特图像的位平面表示比特图像的位平面表示 一幅一幅8比特分形图像比特分形图像作用作用 u 通过对特定位提高亮度，改善图像质量 u 较高位（如前4位）包含大多数视觉重要数据 u 较低位（如后4位）对图像中的微小细节有作用 u 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 一幅一幅8比特分形图像的比特分形图像的8个位平面个位平面可以只针对可以只针对某些某些bit进进行增强，此行增强，此方法可运用方法可运
11、用在别的领域，在别的领域，例如图像压例如图像压缩。缩。用于图像增强的一些基本的灰度变换函数用于图像增强的一些基本的灰度变换函数( (三三) )非线性灰度变换非线性灰度变换 (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。( (三三) )非线性灰度变换非线性灰度变换 （1 1）非线性变换反转s=T(r)=L-1-rs=T(r)=L-1-rInputimageOutputimage灰度级范围为0,L-1的图像反转可由反比变换获得, s=L-1-s=L-1-r rsr0Inputimage Outputi
12、mages=T(r)=255-r（1 1）非线性变换反转对数变换的一般表达式为：（2 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u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 u解决办法是对原图进行灰度压缩，如对数变换 （2 2）非线性变换对数变换abu 1,降低灰度级，在正降低灰度级，在正比函数下方，使图像变暗比函数下方，使图像变暗 幂次变换的基本形式为：s=cr, c 和 为正常数。（3 3）非线性变换幂次变换幂次变换与对数变换不同的幂次变换与对数变换不同的地方就是随着地方就是随着 的变换
13、可以的变换可以得到不同效果变换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例：人体胸上部脊椎骨折的核磁共振图像（3 3）非线性变换幂次变换a)原图 b)=0.6c)=0.4d)=0.3cdab 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
14、廓uu图像增强概述图像增强概述图像增强概述图像增强概述uu基本灰度变换基本灰度变换基本灰度变换基本灰度变换uu直方图处理直方图处理直方图处理直方图处理uu用算术用算术用算术用算术/ /逻辑操作增强逻辑操作增强逻辑操作增强逻辑操作增强uu空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器主要内容：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
15、数三、直方图处理三、直方图处理 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 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 。直方图的定义直方图的定义(2)(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) u使函数值正则化到0,1区间，成为实数函数 u函数值的范围与象素
16、的总数无关 u给出灰度级rk在图像中出现的概率密度统计 直方图的定义直方图的定义p(rk) Nk250 500 750 1000 200 100 50 150 像素出现次数像素灰度级别直方图的定义直方图的定义p(rk) Nk0.1 0.2 0.3 0.4 200 100 50 150 像素出现概率像素灰度级别直方图的定义直方图的定义直方图描述了一幅图像的灰度直方图描述了一幅图像的灰度(颜色颜色)分布分布直方图举例直方图举例暗暗图像像亮亮图像像低低对比度比度图像像高高对比度比度图像像直方图反映的总体性质：明暗程度、细节是否清晰、直方图反映的总体性质：明暗程度、细节是否清晰、动态范围大小等动态范围
17、大小等直方图举例直方图举例 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 1）直方图均衡化）直方图均衡化u 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。u r 值已归一化，最大灰度值为1。（1 1）直方图均衡化）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
18、。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 1）直方图均衡化）直方图均衡化rjrj+ rsjsj+ s直方图均衡化直方图均衡化- -变换公式推导图示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 1）直方图均衡化）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)=nk/n 其中，0rk1，k=0,1,2,.,L-1 形式为：（1 1）直方图均衡化）直方图均衡化
19、S Sk k称作直方称作直方称作直方称作直方图图均衡化均衡化均衡化均衡化rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1nk 790102385065632924512281 p(rk) 0.190.250.210.160.080.060.030.02例：设图象有例：设图象有64*64=409664*64=4096个象素，有个象素，有8 8个灰度级，个灰度级，灰度分布如表所示。进行灰度分布如表所示。进行直直方图均衡化方图均衡化。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1nk 7901023850656
20、32924512281 p(rk) 0.190.250.210.160.080.060.030.02计算步骤：计算步骤：1. 1. 由（由（2 2）式计算）式计算s sk k。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1 nk 790102385065632924512281p(rk) 0.190.250.210.160.080.060.030.02sk计算计算 0.190.440.650.810.890.950.981.00sk舍入舍入 1/73/75/76/76/71112. 2. 把计算的把计算的sksk就近安排到就近安排到8 8个灰度级中
21、。个灰度级中。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1 nk 790102385065632924512281p(rk) 0.190.250.210.160.080.060.030.02sk计算计算 0.190.440.650.810.890.950.981.00rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1 nk 790102385065632924512281p(rk) 0.190.250.210.160.080.060.030.02sk计算计算 0.190.440.650.810.890.9
22、50.981.00sk舍入舍入 1/73/75/76/76/7111sk s s0 0s s1 1s s2 2s s3 3s s4 4nsk 7901023850985448p(sk) 0.190.250.210.240.113. 3. 重新命名重新命名sksk，归并相同灰度级的象素归并相同灰度级的象素数。数。直直方图均衡化方图均衡化均衡化前后直方图比较u 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。u 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。u 若这些灰度级所构成的图像细节比较重要，则需采用局部区域直方图均衡。（1 1）直方图均衡化
23、）直方图均衡化a)原图b)直方图均衡化结果c)相应的直方图abc 修改一幅图像的直方图，使得它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。 目标：突出我们感兴趣的灰度范围，使图像质量改善。（2 2）直方图匹配）直方图匹配连续灰度的直方图连续灰度的直方图原图原图（2 2）直方图匹配）直方图匹配规定规定 令P(r) 为原始图象的灰度密度函数，P(z)是期望通过匹配的图象灰度密度函数。对P(r) 及P(z) 作直方图均衡变换，通过直方图均衡为桥梁，实现P(r) 与P(z) 变换。（2 2）直方图匹配）直方图匹配n基本方法：（连续函数的情况）（1）对原始图像的直方图进行均衡化（2）对指定的图
24、像直方图进行均衡化（3）求得反变换函数（4）利用反变换函数得到输出图像（2 2）直方图匹配）直方图匹配（2 2）直方图匹配）直方图匹配基本方法：（离散情况）（1 1）对原始图像的直方图进行均衡化（2 2）对指定的图像直方图进行均衡化（3 3）求反变换函数（4 4）利用反变换函数得到输出图像（2 2）直方图匹配）直方图匹配（2 2）直方图匹配）直方图匹配nkPr(rk)Sk7900.19S0=0.1910230.25S1=0.448500.21S2=0.656560.16S3=0.813290.08S4=0.892450.06S5=0.951220.03S6=0.98810.02S7=1ZkPz
25、(zk)VkSknkPz(zk)Z0=00.00V0=0S0=0.19Z1=1/70.00V1=0S1=0.44Z2=2/70.00V2=0S2=0.65Z3=3/70.15V3=0.15S3=0.817900.19Z4=4/70.20V4=0.35S4=0.8910230.25Z5=5/70.30V5=0.65S5=0.958500.21Z6=6/70.20V6=0.85S6=0.989850.24Z7=10.15V7=1S7=14480.11值得注意的地方：值得注意的地方：直方图均衡直方图均衡化并非适合所有图像的增强，化并非适合所有图像的增强，有时候还会适得其反；有时候还会适得其反；输入图
26、像与直方图输入图像与直方图输出图像与直方图输出图像与直方图直方图均衡化和直方图匹配比较直方图均衡化和直方图匹配比较直方图匹配直方图匹配直方图均衡化和直方图匹配比较直方图均衡化和直方图匹配比较abcd定义一个方形或者矩形的邻域并把该区域的中心从一个像素移至另一个像素。在每一个位置的邻域中该点的直方图都被计算，得到的是直方图均衡化或者规定化函数，该函数最终被用来映射邻域中心像素灰度值。相邻区域的中心然后被移至相邻像素位置并重复这个处理过程。（3 3）局部增强）局部增强（3 3）局部增强）局部增强原图原图全局均衡化结果全局均衡化结果对每一个像素使用对每一个像素使用7x7邻域局部均衡邻域局部均衡化结果
27、化结果（4 4）在图像增强中使用直方图统计法）在图像增强中使用直方图统计法直方图统计法主要应用在局部增强,使用直方图计算全局与局部区域的统计量, 并采用一定的条件决定待增强的局部区域，步骤如下:(1)计算图像的灰度平均值与方差(2)计算局部区域的均值和方差(3)进行图像增强（4 4）在图像增强中使用直方图统计法）在图像增强中使用直方图统计法（4 4）在图像增强中使用直方图统计法）在图像增强中使用直方图统计法原图原图增强后的图像增强后的图像uu图像增强概述图像增强概述图像增强概述图像增强概述uu基本灰度变换基本灰度变换基本灰度变换基本灰度变换uu直方图处理直方图处理直方图处理直方图处理uu用算术
28、用算术用算术用算术/ /逻辑操作增强逻辑操作增强逻辑操作增强逻辑操作增强uu空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器主要内容：主要内容： 算术操作: 加，减，乘加，减，乘，除除 逻辑操作: 与，与，或或，非，异或，非，异或四、用算术四、用算术/ /逻辑操作增强逻辑操作增强（1 1）算术操作）算术操作加法加法加法运算的定义 C(x,y) = A(x,y) + B(x,y)主要应用举例： 去除叠加性噪声 生成图像叠加效果（1 1）算术操作）算术操作加法加法n去除叠加性噪声去除叠加性噪声对于原图像f(x,y),有一个噪声图像集： gi(x,y) i =1,2,
29、.N其中： gi(x,y) = f(x,y) + h(x,y)i假设噪声h(x,y)均值为0，且互不相关，N个图像的均值定义为： g(x,y) = 1/N(g0(x,y)+g1(x,y)+ gN(x,y)期望值E(g(x,y) = f(x,y) 上述上述图像均像均值将降低噪声的影响将降低噪声的影响（1 1）算术操作）算术操作加法加法n去除叠加性噪声去除叠加性噪声-星系图举例 原原图N=8N=64噪声噪声图像像N=16N=128去除叠加性噪声去除叠加性噪声-星系图举例 原原图与均与均值图像的差像的差值图像和直方像和直方图N=8N=16N=64N=128灰度灰度级差差别越越小小，图像像越越暗暗均均
30、值减减小小，标准准差差减减小小像素个数像素个数（1 1）算术操作）算术操作加法加法n生成生成图像叠加效果像叠加效果对于两个图像f(x,y)和h(x,y)的均值有： g(x,y) = 1/2f(x,y) + 1/2h(x,y)推广这个公式为： g(x,y) = f(x,y) + h(x,y)其中+ = 1可以得到各种图像合成的效果，也可以用于两张图片的衔接加运算生成图像叠加效果加运算生成图像叠加效果举例举例（1 1）算术操作）算术操作减法减法减法运算的定义 C(x,y) = A(x,y) - B(x,y)主要应用举例： 显示两幅图像的差异，检测同一场景两幅图像之间的变化。如：视频中镜头边界的检测
31、 去除不需要的叠加性图案 图像分割：如分割运动的车辆，减法去掉静止部分，剩余的是运动元素和噪声加效果图像相减图像相减检测同一场景两幅图像之间的变化检测同一场景两幅图像之间的变化设： 时间1的图像为f1(x,y)， 时间2的图像为f2(x,y) g(x,y) = f2 (x,y) - f1(x,y)= =- -图像相减图像相减去除不需要的叠加性图案去除不需要的叠加性图案f(x,y)g(x,y)减去背景减去背景叠加叠加蓝色背景色背景例：电视制作的蓝屏技术例：电视制作的蓝屏技术 左上左上: 某序列图像的第某序列图像的第100帧帧;下下:某序列图像的第某序列图像的第300帧帧;右上右上: 两幅图像相减
32、并取绝两幅图像相减并取绝对值显示的结果对值显示的结果图像相减运动检测（1 1）算术操作）算术操作乘法乘法n乘法的定义 C(x,y) = A(x,y) * B(x,y)主要应用举例 图像的局部显示用二值模板图像与原图像做乘法图像相乘局部显示（1 1）算术操作）算术操作除法除法n除法的定义 C(x,y) = A(x,y) B(x,y)主要应用举例可产生对颜色和多光谱图像分析十分重要的比率图像。遥感图像遥感图像f1(x,y);图像相除比率图像遥感图像遥感图像f2(x,y);f1与与f2之比。之比。（2 2）逻辑操作）逻辑操作非非非的定非的定义 g(x,y) = 255 - f(x,y)主要应用举例
33、获得一个阴图像 获得一个子图像的补图像非运算获得阴图像255 255 = =非运算求子图像的补图像（2 2）逻辑操作）逻辑操作与与与运算的定与运算的定义 g(x,y) = f(x,y) h(x,y)主要应用举例： 求两个子图像的相交子图像。 模板运算：提取感兴趣的子图像 = =与运算 求两个子图像的相交子图像与运算 提取感兴趣的子图像（2 2）逻辑操作）逻辑操作或或或运算的定或运算的定义 g(x,y) = f(x,y) v h(x,y)主要应用举例 合并子图像 模板运算：提取感兴趣的子图像 = =或运算 合并子图像或运算 提取感兴趣的子图像（2 2）逻辑操作）逻辑操作异或异或异或运算的定异或运
34、算的定义 g(x,y) = f(x,y) h(x,y)主要应用举例 获得相交子图像uu图像增强概述图像增强概述图像增强概述图像增强概述uu基本灰度变换基本灰度变换基本灰度变换基本灰度变换uu直方图处理直方图处理直方图处理直方图处理uu用算术用算术用算术用算术/ /逻辑操作增强逻辑操作增强逻辑操作增强逻辑操作增强uu空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器主要内容：主要内容：n滤波的概念来源于在频域对信号进行处理的傅立叶变换；n在某些邻域处理中的子图像就称为滤波器，也称为掩模、核、模板或者窗口；n使用空间模板进行的图像处理，被称为空间滤波。模板本身被称为空
35、间滤波器。五、空间滤波与空间滤波器五、空间滤波与空间滤波器u平滑空间滤波器平滑空间滤波器u锐化空间滤波器锐化空间滤波器空空间滤波和空波和空间滤波器的定波器的定义在MN 的图像f上，使用mn 的滤波器： 其中，m=2a+1,n=2b+1,w(s,t)是滤波器系数，f(x,y)是图像值u空间滤波的简化形式空间滤波的简化形式： 其中，w是滤波器系数，z是与该系数对应的图像灰度值，mn为滤波器中包含的像素点总数空空间滤波和空波和空间滤波器的定波器的定义u平滑空平滑空间滤波器的作用波器的作用 模糊处理:去除图像中一些不重要的细节 减小噪声u平滑空平滑空间滤波器的分波器的分类线性滤波器：均值滤波器非线性滤
36、波器最大值滤波器中值滤波器最小值滤波器平滑平滑线性性滤波器波器平滑线性滤波器的输出是包含在滤波器邻域内平滑线性滤波器的输出是包含在滤波器邻域内像素的平均值，也称为均值滤波器像素的平均值，也称为均值滤波器 u作用作用 减小图像灰度的“尖锐”变化，减小噪声 由于图像边缘是由图像灰度尖锐变化引起的，所以也存在边缘模糊的问题 平滑平滑线性性滤波器波器ab图a是标准的像素平均值图b是像素的加权平均，表明一些像素更为重要平滑平滑线性性滤波器波器-举例例原原图5x515x153x39x935x35随着掩模尺寸随着掩模尺寸的增加，图像的增加，图像的模糊程度逐的模糊程度逐渐加大渐加大 通过选取恰当的掩模尺寸，提
37、取感兴趣的目标通过选取恰当的掩模尺寸，提取感兴趣的目标平滑平滑线性性滤波器波器-举例例原原图15x15阈值25统计排序排序滤波器波器u什么是统计排序滤波器？什么是统计排序滤波器？ 是一种非线性滤波器 基于滤波器所在图像区域中像素的排序，由排序结果决定的值代替中心像素的值 u分类分类 中值滤波器： 用像素邻域内的中间值代替该像素 最大值滤波器：用像素邻域内的最大值代替该像素 最小值滤波器：用像素邻域内的最小值代替该像素 统计排序排序滤波器波器u中值滤波器中值滤波器主要用途：去除噪声计算公式：R = midzk| k=1,2,nu最大值滤波器最大值滤波器 主要用途：寻找最亮点计算公式： R = m
38、axzk| k=1,2,nu最小值滤波器最小值滤波器主要用途：寻找最暗点计算公式： R = minzk| k=1,2,n中中值滤波器波器u中值滤波的原理中值滤波的原理 用模板区域内像素的中间值，作为结果值 R=midzk|k=1,2,n强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点） 中中值滤波器波器u中值滤波算法的实现中值滤波算法的实现将模板区域内的像素排序，求出中间值例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。对于同值像素，连续排列。 如（10,15,20,20,2020,20,20
39、,25,100）中中值滤波器波器u中值滤波算法的中值滤波算法的特点特点在去除噪音的同时，可以比较好地保留边的锐度和图像的细节（优于均值滤波器） 能够有效去除脉冲噪声：以黑白点叠加在图像上 中中值滤波器波器原原图3x3均均值滤波波3x3中中值滤波波最大最大值滤波器波器最小最小值滤波器波器 锐化化滤波器的主要用途波器的主要用途u突出图像中的细节，增强被模糊了的细节 u印刷中的细微层次强调。弥补扫描对图像的钝化u超声探测成像，分辨率低，边缘模糊，通过锐化来改善u图像识别中，分割前的边缘提取u锐化处理恢复过度钝化、暴光不足的图像u尖端武器的目标识别、定位锐化空化空间滤波器波器均值产生钝化的效果，而均值
40、与积分相似，由此而联想到，微分能不能产生相反的效果，即锐化的效果？结论是肯定的。锐化处理主要是通过空间微分来完成锐化处理主要是通过空间微分来完成锐化空化空间滤波器波器n一元函数f(x)表达一阶微分的定义是一个差值：n同理，对一元函数f(x)的二阶微分，则定义为：锐化空化空间滤波器波器n一阶微分产生较“宽”的边界，二阶微分产生较“细”的边界；n二阶微分处理对细节有较强的响应，如细线和孤立点；n一阶微分对阶梯状的灰度变化有较强的响应；n二阶微分在处理阶梯状灰度变化时产生双响应n如果灰度的变化相似，二阶微分对线的反应比对阶梯强，对点的反应比对线强。一阶微分处理和二阶微分处理响应的特点：一阶微分处理和
41、二阶微分处理响应的特点：锐化滤波器的分类二阶微分滤波器拉普拉斯算子一阶微分滤波器梯度算子锐化空化空间滤波器波器基于二阶微分的图象增强-拉普拉斯算拉普拉斯算子子n一个二元函数f(x,y)拉普拉斯变换定义为：n在离散情况下二阶偏微分定义如下：f(x,y-1)f(x,y+1)f(x-1,y)f(x,y)f(x+1,y)f(x+1,y+1)f(x-1,y-1)f(x+1,y-1)拉普拉斯算子掩模表示拉普拉斯算子掩模表示f(x-1,y+1)a)拉普拉斯变换所用的滤波器掩模b)扩展掩模，包括对角线邻域c)d)其他两种拉普拉斯的实现abcd(1)用于拉普拉斯模板中心系数为负(2)用于拉普拉斯模板中心系数为正
42、 拉普拉斯变换对图像增强的基本方法基于二阶微分的图象增强-拉普拉斯算拉普拉斯算子子拉普拉斯算子例拉普拉斯算子例a)原图:月球北极b)拉普拉斯滤波后的图像c)为显示目的标定后的拉普拉斯图像d) 原始图像加拉普拉斯的增强结果abcd拉普拉斯算子例拉普拉斯算子例 (a)和(b)合成拉普拉斯掩模 （c)原图:扫描电子显微镜图像 (d)和(e)分别用(a)和(b)掩模滤波结果abcde反锐化掩模与高提升滤波处理反锐化掩模与高提升滤波处理n反锐化掩模反锐化掩模u公式物理意义是把原图的一个模糊图像从原图中减去，从而得到一个相对清晰的图像。反锐化掩模的更进一步的普遍形式就是高提升滤波：拉氏掩模中心系数为负拉氏
43、掩模中心系数为负拉氏掩模中心系数为正拉氏掩模中心系数为正反锐化掩模与高提升滤波处理反锐化掩模与高提升滤波处理a)原图b)拉普拉斯掩模增强的图像 A=0c)拉普拉斯掩模增强的图像 A=1d)拉普拉斯掩模增强的图像 A=1.7abcd基于一阶微分的图像增强基于一阶微分的图像增强梯度法梯度法n函数f(x,y)在其坐标(x,y)上的梯度定义如下：n向量的模值由下式给出：梯度向量的模值是各向同性的，因此一般把梯梯度向量的模值是各向同性的，因此一般把梯度向量的模值称为梯度度向量的模值称为梯度在实际的应用中，经常采用梯度的近似计算，即：梯度的基本计算方式f(x,y)f(x,y+1)f(x+1,y) 基于一阶
44、微分的图像增强基于一阶微分的图像增强梯度法梯度法 微分微分滤波器模板系数波器模板系数设计 Roberts交叉梯度算子交叉梯度算子 Prewitt梯度算子梯度算子 Sobel梯度算子梯度算子基于一阶微分的图像增强基于一阶微分的图像增强梯度法梯度法uRoberts交叉梯度算子: f |z9-z5|+|z8z6| 两个模板称为Roberts交叉梯度算子z7z8z9 梯度计算由两个模板组成，第一个求得梯度的第一项，第二个求得梯度的第二项，然后求和，得到梯度。z1z2z3z4z5z6-100101-10微分微分滤波器模板系数波器模板系数设计z1z2z3z4z5z6z7z8z90101-1-1-10100
45、0-1-1-1111微分微分滤波器模板系数波器模板系数设计uPrewitt梯度算子3x3的梯度模板 f |(z7+z8+z9)-(z1+z2+z3)|+|(z3+z6+z9)-(z1+z4+z7)|z1z2z3z4z5z6z7z8z90201-1-2-101000-1-2-1121微分微分滤波器模板系数波器模板系数设计uSobel梯度算子3x3的梯度模板 f |(z7+2z8+z9)-(z1+2z2+z3)|+|(z3+2z6+z9)-(z1+2z4+z7)|几个梯度算子用于边缘增强的梯度处理a)隐形眼镜的光学图像（边缘处类似时钟4点和5点处的缺陷）b)Sobel梯度ab组合多种空间增强方法进
46、行图像增强处理组合多种空间增强方法进行图像增强处理a bc da) 骨骼扫描图像b) 拉普拉斯变换c) 图a加图b的锐化图像d) Sobel处理e fg he) 均值滤波图像 f) 图c加图e掩膜图像c) 图a加图f锐化图像h) 对图g幂律变换图像uu图像增强概述图像增强概述图像增强概述图像增强概述uu基本灰度变换基本灰度变换基本灰度变换基本灰度变换uu直方图处理直方图处理直方图处理直方图处理 uu用算术用算术用算术用算术/ /逻辑操作增强逻辑操作增强逻辑操作增强逻辑操作增强uu空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器空间滤波与空间滤波器本章主要内容本章主要内容本章要求及作业本章要求及作业u本章要求：本章要求： 1. 掌握基本的灰度变换方法； 2. 了解空间域数字图像的增强技术本章作业本章作业1. 书后： 3.5， 3.17， 3.222. 课后编程（1）绘制出一幅2M2N 的灰度图像直方图；对该图像进行均衡化处理，绘制出均衡后图像的直方图；对该图像进行灰度变换，使变换后的图像大致具有如下图所示的归一化直方图，并绘制出变换后实际的直方图：（2）分别在2幅灰度图像中加入一定量的高斯噪声和椒盐噪声，噪声强度自定。然后采用33的均值滤波器和33中值滤波器分别对噪声图像进行处理，给出两种处理方法的峰值信噪比(PSNR)。END
