《图像空间域增强.ppt》由会员分享，可在线阅读，更多相关《图像空间域增强.ppt（108页珍藏版）》请在三一办公上搜索。
1、Chapter 4空间域图像增强Image Enhancement in theSpatial Domain,何志伟,空域图像增强主要内容,4.1背景知识4.2基本灰度变换4.3直方图处理4.4算术、逻辑图像增强4.5空间滤波器基础4.6平滑滤波器4.7锐化滤波器4.8综合增强,4.1背景知识,图象增强目标：改善图象质量/改善视觉效果/利于计算机处理标准：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。,4.1背景知识,空间域处理：T是对f的一种操作，其定义在（x,y）的邻域。,4.1背景知识,点运算灰度映射,T
2、操作为邻域11：灰度变换函数（强度变换）s 为g(x,y)象素的灰度值r 为 f(x,y)象素的灰度值更一般的邻域：33的模板,灰度级校正,灰度级校正就是在图像采集系统中对图像象素进行修正，使图像成像均匀。重要性（为什么要进行灰度级校正？）成像过程中光照强弱、感光部件灵敏度、光学系统不均匀、元器件电特性等诸多因素造成图像中同样图像亮暗不均匀。,4.2基本灰度变换,线性变换对数变换幂次变换,可以增大图像动态范围，扩展图像对比度，图像特征明显！,图像反转,灰度级范围0,L-1的图像反转：s=L-1-r,对数变换,对数变换的一般表达式：窄带低灰度输入图宽带灰度输出图对数变换的实例：傅立叶频谱由01.
3、5106到06.2范围内。,幂次变换,幂次变换的基本形式：,幂次变换应用1（伽马校正）,幂次变换应用2（对比度增强）,幂次变换应用3（对比度增强）,分段线性变换（对比度拉伸）,分段线性变换（对比度拉伸）,分段线性变换（对比度拉伸）,曝光不足或过度，图像灰度范围小，看起来没有灰度层次，线性变换使得对比度拉伸！,分段线性变换（灰度切割）,分段线性变换（二值化）,分段线性变换（位图切割）,4.3直方图处理,直方图一个灰度级别在范围0，L-1的数字图象的直方图是一个离散函数p(rk)=nk/n n 是图象的像素总数 nk是图象中第k个灰度级的像素总数 rk 是第k个灰度级，k=0,1,2,L-1,4.
4、3直方图处理,4.3直方图处理,如何根据直方图信息对图象进行修改？,4.3直方图处理,4.3直方图处理,4.3直方图处理,直方图的性质 直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。也就是说，它只包含了该图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息。任一幅图像，都能唯一地确定出一幅与它对应的直方图，但不同的图像，可能有相同的直方图。也就是说，图像与直方图之间是多对一的映射关系。,4.3直方图处理,图像与直方图间的多对一关系,4.3直方图处理,直方图的性质由于直方图是对具有相同灰度值的像素
5、统计得到的，因此，一幅图像各子区的直方图之和就等于该图像全图的直方图,直方图的分解,直方图均衡化,直方图均衡化,直方图均衡化是将原图的直方图通过变换函数修整为均匀的直方图,然后按均衡直方图修整原图像。,直方图均衡化,直方图均衡化,直方图均衡化例子,直方图匹配（规定化）,直方图匹配（规定化）,直方图匹配（规定化）,直方图均衡与匹配比较,直方图均衡与匹配比较,局部增强,在图像增强中使用直方图统计学,图像平均灰度值：图像的方差：图像局部平均值：图像局部方差：,在图像增强中使用直方图统计学,在图像增强中使用直方图统计学,作业1：,4.5 图像增强:空域过滤器,空域过滤器1)空域过滤器的基本概念空域过滤
6、器的定义、分类2)钝化过滤器基本低通滤波、中值滤波3)锐化过滤器基本高通滤波、高增益滤波、微分过滤器,4.5 图像增强:空域过滤,1)空域过滤处理的基本概念空域过滤及过滤器的定义 使用空域模板进行的图像处理，被称为空域过滤。模板本身被称为空域过滤器空域过滤器的分类数学形态分类、处理效果分类,4.5 图像增强:空域过滤,数学形态分类处理效果分类,空域过滤器,非线性过滤器,线性过滤器,带通,低通,高通,中值,最小值,最大值,锐化过滤器,钝化过滤器,4.5 图像增强:空域过滤,线性过滤器的定义线性过滤器是线性系统和频域过滤概念在空域的自然延伸。其特征是结果像素值的计算由下列公式定义：R=w1z1+w
7、2z2+wnzn其中：wi i=1,2,n 是模板的系数 zi i=1,2,n 是被计算像素及其邻域像素的值,chapter 4Image Enhancement in theSpatial Domain,chapter 4Image Enhancement in theSpatial Domain,4.5 图像增强:空域过滤,低通滤波器主要用途：钝化图像、去除噪音高通滤波器主要用途：边缘增强、边缘提取带通滤波器主要用途：删除特定频率、增强中很少用,4.5 图像增强:空域过滤,非线性过滤器的定义使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而不使用乘积和的计算 R=w1z1+w2
8、z2+wnzn,4.5 图像增强:空域过滤,中值滤波主要用途：钝化图像、去除噪音计算公式：R=mid zk|k=1,2,9最大值滤波主要用途：寻找最亮点计算公式：R=max zk|k=1,2,9最小值滤波主要用途：寻找最暗点计算公式：R=min zk|k=1,2,9,4.5 图像增强:空域过滤,最大值滤波,4.5 图像增强:空域过滤,最小值滤波,4.5 图像增强:空域过滤,2)钝化过滤器(1)钝化过滤器的主要用途(2)基本低通滤波(3)中值滤波,4.5 图像增强:空域过滤,(1)钝化过滤器的主要用途对大图像处理前，删去无用的细小细节连接中断的线段和曲线降低噪音钝化处理，恢复过分锐化的图像图像创
9、艺（阴影、软边、朦胧效果）,4.5 图像增强:空域过滤,(2)基本低通滤波过滤器模板系数的设计模板尺寸对过滤器效果的影响低通空域滤波的缺点和问题算法实现和提高效率,4.5 图像增强:空域过滤,过滤器模板系数的设计根据空域中低通冲激响应函数的图形来设计模板的系数,4.5 图像增强:空域过滤器,设计模板系数的原则1）大于02）都选1，或中间选1，周围选0.5,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0.5,1,1,0.5,1,0.5,1,1,0.5,1,0.5,1,1,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0
10、.5,0.5,0.5,4.5 图像增强:空域过滤器,模板系数与像素邻域的计算通过求均值，解决超出灰度范围问题,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0.5,1,1,0.5,1,0.5,1,1,0.5,1,0.5,1,1,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,1/25*,1/17*,4.5 图像增强:空域过滤,模板尺寸对过滤器效果的影响模板尺寸越大，图像越模糊，图像细节丢失越多,4.5 图像增强:空域过滤,低通空域滤波的缺点和问题如果图像处理的目的是去除噪音，那么，低通滤波在去除噪
11、音的同时也钝化了边和尖锐的细节,4.5 图像增强:空域过滤,算法实现和提高效率边缘的计算1）相邻近似计算法2）不完整模板近似法,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1/4*,1/9*,4.5 图像增强:空域过滤,算法实现和提高效率提高效率的方法按列求和减列，加列计算:R2=R1-w1+w4,1,1,1,1,1,1,1,1,1,1/9*,R1=w1+w2+w3,R2=w2+w3+w4,1,1,1,1,1,1,1,1,1,1/9*,1,1,1,1,1,1,1,1,1,1,1,1,4.5 图像增强:空域过滤,(3)中值滤波中值滤波的原理用模板区
12、域内象素的中值，作为结果值R=mid zk|k=1,2,9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）,4.5 图像增强:空域过滤,中值滤波算法的实现将模板区域内的象素排序，求出中值。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。对于同值象素，连续排列。如（10,15,20,20,20,20,20,25,100）,4.5 图像增强:空域过滤,中值滤波算法的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,4.5 图像增强:空域过滤,3)锐化过滤器(1)锐化过滤器的主要用途(2)基本
13、高通滤波(3)高增益滤波(4)微分过滤器,4.5 图像增强:空域过滤,(1)锐化过滤器的主要用途印刷中的细微层次强调。弥补扫描、挂网对图像的钝化超声探测成象，分辨率低，边缘模糊，通过锐化来改善图像识别中，分割前的边缘提取锐化处理恢复过度钝化、暴光不足的图像图像创艺（只剩下边界的特殊图像）尖端武器的目标识别、定位,4.5 图像增强:空域过滤,(2)基本高通滤波过滤器模板系数的设计过滤器效果的分析基本高通空域滤波的缺点和问题,4.5 图像增强:空域过滤,过滤器模板系数的设计根据空域中高通冲激响应函数的图形来设计模板的系数:g(x,y)=h(x,y)*f(x,y),0,4.5 图像增强:空域过滤器,
14、设计模板系数的原则1）中心系数为正值，外围为负值2）系数之和为0,1,-1,1,8,-1,1,-1,1,1,-1,1,-1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,8,-1,-1,-1,-1,-1,-1,1/9*,1/25*,4.5 图像增强:空域过滤器,5 x 5模板,1,-1,1,8,-1,1,-1,1,1,-1,1,-1,1,1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,-1,1/25*,4.5 图像增强:空域过滤器,3 x 3 模板,-1,-1,8,-1,-1,-1,-1,-1,-1,1/9*,4.5 图像增强:空域过滤,
15、过滤器效果的分析常数或变化平缓的区域，结果为0或很小，图像很暗，亮度被降低了在暗的背景上边缘被增强了图像的整体对比度降低了计算时会出现负值，归0处理为常见,4.5 图像增强:空域过滤,基本高通空域滤波的缺点和问题高通滤波在增强了边的同时，丢失了图像的层次和亮度,4.5 图像增强:空域过滤,(2)高增益过滤高增益过滤的原理过滤器扩大因子及模板系数的设计高增益过滤模板尺寸的选定高增益过滤器效果的分析,4.5 图像增强:空域过滤,高增溢过滤的原理弥补高通滤波的缺陷，在增强边和细节的同时，不丢失原图像的低频成分。高通滤波可看作为：高通=原图 低通在上式原图上乘一个扩大因子A，有高增溢过滤：高增溢=A原
16、图 低通,4.5 图像增强:空域过滤,高增溢过滤的原理高增溢=A原图 低通=(A 1)原图+（原图 低通）=(A 1)原图+高通当A=1时，高增溢就是高通过滤，当A 1 时，原图像的一部分被加到高通中。特别是Unsharp_Masking=A原图 低通，是印刷图像处理重要工具(USM)。,4.5 图像增强:空域过滤,高增溢过滤的原理高增溢=(A 1)*原图+高通 USM=A*原图 低通,4.5 图像增强:空域过滤器,过滤器扩大因子及模板系数设计对于 3x3的模板，设 w=9A 1；（高通时 w=8）A的值决定了过滤器的特性当 A=1.1时，意味着把 0.1个原图像加到基本高通上。当 A=1.2
17、时，结果处在上限的边缘,-1,-1,w,-1,-1,-1,-1,-1,-1,1/9*,4.5 图像增强:空域过滤,高通及高增溢模板尺寸的选定照理讲，高通和高增溢的模板尺寸可以比3x3大。例如：模板取7x7，高通权值为48，其它均为-1，规整化系数为1/49根据经验，高通过滤模板很少有大于3x3的,4.5 图像增强:空域过滤,4.5 图像增强:空域过滤,高增溢过滤器效果的分析高增溢比高通的优点是很明显的，即增强了边，又保留了层次。噪音对结果图像的视觉效果有重要的影响，高增溢在增强了边的同时也增强了噪音。,4.5 图像增强:空域过滤,(4)微分过滤器微分过滤器的原理过滤器扩大因子及模板系数的设计微
18、分过滤器效果的分析,一阶微分与二阶微分,4.5 图像增强:空域过滤,微分过滤器的原理均值产生钝化的效果，而均值与积分相似，由此而联想到，微分能不能产生相反的效果，即锐化的效果呢？结论是肯定的。在图像处理中应用微分最常用的方法是计算梯度。函数f(x,y)在(x,y)处的梯度为一个向量：f=f/x,f/y,4.5 图像增强:空域过滤,微分过滤器的原理 计算这个向量的大小为：f=mag(f)=(f/x)2+(f/y)21/2 考虑一个3x3的图像区域，z代表灰度级，上式在点z5的f值可用数字方式近似。(f/x)用（z5 z6）近似(f/y)用（z5 z8）近似，组合为：f(z5-z6)2+(z5-z
19、8)21/2,z2,z8,z5,z3,z9,z6,z1,z7,z4,4.5 图像增强:空域过滤,微分过滤器的原理用绝对值替换平方和平方根 有：f|z5-z6|+|z5-z8|另外一种计算方法是使用交叉差：f(z5-z9)2+(z6-z8)21/2 f|z5-z9|+|z6-z8|,z2,z8,z5,z3,z9,z6,z1,z7,z4,4.5 图像增强:空域过滤,微分过滤器模板系数设计Roberts交叉梯度算子Prewitt梯度算子Sobel梯度算子拉普拉斯算子,4.5 图像增强:空域过滤,微分过滤器模板系数设计Roberts交叉梯度算子 f|z5-z9|+|z6-z8|梯度计算由两个模板组成，
20、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。两个模板称为Roberts 交叉梯度算子,z2,z8,z5,z3,z9,z6,z1,z7,z4,0,1,-1,0,-1,0,0,1,4.5 图像增强:空域过滤,微分过滤器模板系数设计Prewitt梯度算子3x3的梯度模板f|(z7+z8+z9)-(z1+z2+z3)|+|(z3+z6+z9)-(z1+z4+z7)|,z2,z8,z5,z3,z9,z6,z1,z7,z4,-1,1,0,-1,1,0,-1,1,0,0,0,0,-1,-1,-1,1,1,1,4.5 图像增强:空域过滤,微分过滤器模板系数设计Sobel梯度算子3x3的
21、梯度模板f|(z7+2z8+z9)-(z1+2z2+z3)|+|(z3+2z6+z9)-(z1+2z4+z7)|,z2,z8,z5,z3,z9,z6,z1,z7,z4,-2,2,0,-1,1,0,-1,1,0,0,0,0,-1,-1,-2,1,1,2,Sobel梯度算子,拉普拉斯算子,拉普拉斯算子,复合拉普拉斯算子,4.5 图像增强:空域过滤,微分过滤器效果的分析直接使用，与高通类似。微分过滤器的两种应用（1）梯度25的赋最大值255，否则赋原值。边被增强，背景保留（2）梯度25的赋最大值255，否则赋0。边被增强，图被二值化,chapter 4Image Enhancement in theSpatial Domain,chapter 4Image Enhancement in theSpatial Domain,chapter 4Image Enhancement in theSpatial Domain,混合增强法,混合增强法,
