《第7章图像灰度变换ppt课件.ppt》由会员分享，可在线阅读，更多相关《第7章图像灰度变换ppt课件.ppt（68页珍藏版）》请在三一办公上搜索。
1、第七章 图像灰度变换,1.二值化和阈值处理2.灰度变换3.灰度直方图变换,通常经输入系统获取的图像信息中含有各种各样的噪声与畸变。例如室外光照度不够均匀会造成图像灰度过于集中；由CCD（摄像头）获得的图像经过/转换、线路传送都会产生噪声污染等； 这些因素影响了系统图像的清晰程度，降低了图像质量，因此，在对图像进行分析之前，必须要对图像质量进行改善。,7.1二值化和阈值处理,一幅图像包括目标物体、背景还有噪声，怎样从多值的数字图像中只取出目标物体，最常用的方法就是设定某一阈值，用将图像的数据分成两大部分：大于的像素群和小于的像素群。这是研究灰度变换最特殊的方法，称为图像的二值化（binariza
2、tion）。二值化处理就是把图像f(x,y)分成目标物体和背景两个领域。,非零元素取一法,clear; close all I=imread(lena.bmp); subplot(131),imshow(I);title(灰度图像); subplot(132),imhist(I);title(图像直方图);J=find(I=1); I(J)=255; subplot(133),imshow(I);title(图像二值化(阈值为1);,固定阈值法,clear;close all I=imread(lena.bmp); subplot(121),imshow(I) title(灰度图像); J=f
3、ind(I=150); I(J)=255; subplot(122),imshow(I) title(图像二值化(阈值为150);,双固定阈值法,(a) 0-255-0型灰度变换函数 (b) 255-0-255型灰度变换函数,clear; close all I=imread(lena.bmp); subplot(121),imshow(I) title(灰度图像); J=find(I220); I(J)=0; J=find(I=150,为什么要灰度变换？ 由于图像的亮度范围不足或非线性会使图像的对比度不理想。采用图像灰度值变换方法，即改变图像像素的灰度值，以改变图像灰度的动态范围，增强图像的
4、对比度。,7.2灰度变换,2 灰度变换,设原图像(像素灰度值)为f(m,n)，处理后图像(像素灰度值)为g(m,n)，则对比度增强可表示为：,其中，T(.)表示增强图像和原图像的灰度变换函数,灰度变换分为线性变换 (正比或反比)和非线性变换。非线性变换有对数的(对数和反对数的)，幂次的(n次幂和n次方根变换) 。下面是一些灰度变换曲线。,用于图像增强的某些基本灰度变换,线性变换,利用线性函数进行变换，线性变换一般关系式为:,令图像f(m,n)的灰度范围是【a,b】,线性变换后图像g(m,n)的灰度范围为【c,d】,如下图,线性变换关系,应用目的：为了突出感兴趣目标所在的灰度区间，相对抑制那些不
5、感兴趣的灰度空间，可采用分段线性变换。原理是进行像素点对点的，灰度级的影射。设新、旧图的灰度级分别为g和f，要求g和f均在0，255间变化，但是g的表现效果要优于f。,分段线性变换,(1)扩展感兴趣的，牺牲其他对于感兴趣的a,b区间，采用斜率大于1的线性变换来进行扩展，而把其他区间用a或b来表示。变换函数是,(2)扩展感兴趣的，压缩其他在扩展感兴趣的a,b区间的同时，为了保留其他区间的灰度层次，也可以采用其它区间压缩的方法，既有扩有压，变换函数为,线性变换的应用,1 什么是对比度线性展宽? 对比度线性展宽处理,就是图像灰度值的分布拉伸、展宽。2 为什么要进行对比度展宽? 之所以要进行对比度展宽
6、，是因为有时获得的图像画面效果不好，画面中期望观察的对象因对比度不足而不够清晰，因此要通过对比度展宽的方法获得对画质的改善。3 对比度线性展宽原理 实际就是图像灰度值的线性映射。进行像素点对点的，灰度级的影射。,对比度线性展宽（拉伸）,4 对比度线性展宽处理方法按照下面的公式进行点对点的映射：,是斜率，其值是：,图中看出1,是对重要景物的对比度展宽,1 什么是灰窗级切片? 是指将所需检测的目标与画面中其他的部分分离开，目标部分置为白（黑），而非目标部分置为黑（白）。这样就把需要的目标突出显示出来了。2 灰窗级切片有什么用？ 在图像处理中，经常要对某个目标物的形状、边界、截面面积以及体积进行测量
7、，从而得到该目标物功能方面的重要信息。如，医学中要对人体器官和组织进行精确测量。,灰窗级切片（灰度切割）,3 灰窗级切片实现原理？分段线性灰度变换。表达式如下。,其他灰度切分,(a)加亮A,B范围,其他 灰度减小为一恒定值(b)加亮A,B范围,其他 灰度级不变(c)原图像(d)使用(a)变换的结果,(a),(b),(c),(d),特点：突出目标的轮廓，消除背景细节,特点：突出目标的轮廓，保留背景细节,线性动态范围调整,动态范围：是指图像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
8、原理： 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。,将原来0,255范围内的亮暗变化，压缩到a,b范围内。再将a,b范围内的灰度值伸展到0,255。,y=1.8*x-3.6,作用：进行亮暗限幅,有四舍五入,在MATLAB图像处理工具箱中，用于上述灰度级变换的函数是imadjust，其调用格式如下：J = imadjust(I)将灰度图像I中的亮度值映射到J中的新值，这增加了输出图像J的对比度值。,J=imadjust(I,low_in;high_in,low_out;high_out)将图像I中的亮度值映射到J中的新值，即将low_in至high_in之间的值映射到low_ou
9、t至high_out之间的值。low_in以下与high_in以上的值被剪切掉了，也就是说，low_in以下的值映射到low_out，high_in以上的值映射到high_out。,J = imadjust(I,low_in; high_in,low_out; high_out,gamma)将图像I中的亮度值映射到J中的新值，其中gamma指定描述值I和值J关系的曲线形状。如果gamma小于1，此映射偏重更高数值（明亮）输出，如果gamma大于1，此映射偏重更低数值（灰暗）输出，如果省略此参数，默认为(线性映射)。,clear all;I=imread(pout.tif); %读入原始图像J=
10、imadjust(I); %把I的范围拉伸到0 1K=imadjust(I,0.3 0.7,);%局部拉伸,把0.3 0.7内的灰度拉伸为0 1subplot(1,3,1);imshow(I);xlabel(原始图像);subplot(1,3,2);imshow(J);xlabel(全局拉伸);subplot(1,3,3);imshow(K);xlabel(分段拉伸);,X,map=imread(forest.tif);I=ind2gray(X,map);%索引图像转化为灰度图像J=imadjust(I,0 1,0 1,0.5);%gamma校正figure,subplot(121),imsh
11、ow(I); subplot(122),imshow(J),对数变换,2022年11月23日9时16分,灰度变换函数为对数函数；其实现的效果是扩展低灰度区，压缩高灰度区：其中a,b,c是按需要可以调整的参数；,g(i,j)=9*log(f(i,j)+1),作用：将暗的部分扩展，而将亮的部分抑制。,I=imread(lena.bmp);subplot(121),imshow(I);I=double(I);I2=42*log(1+I);I2=uint8(I2);subplot(122),imshow(I2);,指数变换,2022年11月23日9时16分,灰度变换函数为指数函数；其实现的效果是扩展高
12、灰度区，压缩低灰度区：其中a,b,c是按需要可以调整的参数；,其中 和 为常数。 值的选择对于变换函数的特性有很大影响。应用范围，比较广泛，可代替对数变换和反对数变换。,作用：和对数变换的效果相反，指数变换使得高灰度范围扩展，压缩低灰度范围，其一般表达式为,7.3 灰度直方图变换,什么是灰度直方图？ 灰度直方图是灰度级的函数，是对图像中灰度级分布的统计，反映的是一幅图像中各灰度级像素出现的频率。横坐标表示灰度级，纵坐标表示图像中对应某灰度级所出现的像素个数，也可以是某一灰度值的像素数占全图像素数的百分比，即灰度级的频率。,灰度直方图计算示例,灰度直方图,1 灰度直方图只能反映图像的灰度分布，而
13、不能反映图像像素的位置，即丢失了像素的位置信息。2 一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。3 一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。,灰度直方图的性质,MATLAB图像处理工具箱使用imhist函数显示一幅图像的直方图，常用的调用方法如下：imhist(I,n)其中I为输入图像矩阵，n为指定灰度级，默认为256。,I = imread(pout.tif);subplot(121),imshow(I);subplot(122),imhist(I);,直方图均衡化,1 为什么要进行直方图均衡化？ 通过对直方图的调整，使得图像数据信息量增大，
14、画面更清晰。2 直方图均衡化原理 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。设图像均衡化处理后，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。,直方图均衡化步骤,1 求原图的灰度直方图2 由原图直方图计算灰度分布概率3 计算图像各个灰度级的累计分布概率4 进行直方图均衡化计算，得到新图像的灰度值,1 求灰度直方图设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。,例,f,h,注：这里为了描述方便起见，设灰度级的分布范围为0,9。,求出
15、图像f的总体像素个数 Nf = m*n (m,n分别为图像的长和宽）计算每个灰度级的像素个数在整个图像中所占的百分比。 hs(i)=h(i)/Nf (i=0,1,255)说明：这样就得到了图像的灰度分布概率,2 计算灰度分布概率,例,hs,h,设图像各灰度级的累计分布hp 。,3 计算灰度级的累计分布,例,hp,hs,4 计算新图像的灰度值,例,f,hp,g,处理前后灰度直方图的比较,f 的灰度直方图,g 的灰度直方图,MATLAB图像处理工具箱使用histeq函数进行直方图均衡化，常见的调用方法如下：J = histeq(I,hgram)将原始图像I的直方图变成用户指定向量hgram。hgram各元素的值域为0,1。J = histeq(I,n)指定直方图均衡后的灰度级数n，默认值为64。,I = imread(tire.tif);J = histeq(I);subplot(221),imshow(I);subplot(222),imshow(J);subplot(223),imhist(I);subplot(224),imhist(J);,
