《数字图像处理第四章图像增.ppt》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.ppt（165页珍藏版）》请在三一办公上搜索。
1、第四章 图像增强,主要内容,图像增强的作用及目的像素级运算空间域平滑与锐化频率域增强彩色增强代数运算,图像增强,图像增强是改善图像质量最常用的技术。图像增强目的改善图像的视觉效果，提高图像的可辨识度转换成更容易分析处理的形式评判标准：人的主观感觉从作用域出发分两类空间域 对图像像素灰度或灰度统计操作频率域 对图像变换后对频谱成分操作，最后经逆变换获得所需增强结果,图像增强,图像质量退化的原因对比度局部或全部偏低噪声干扰，包括热噪声、量化噪声、椒盐噪声、背景干扰等清晰度下降，图像模糊图像增强通过针对性技术，如直方图均衡、平滑去噪、边缘锐化等对图像的退化加以修正，已达到改进图像质量的目的。,图像增
2、强的主要内容,空间域点运算 局部运算 图像平滑，图像锐化频率域 高通滤波低通滤波同态滤波增强彩色增强假彩色增强伪彩色增强彩色变换增强代数运算加，减，乘，除,主要内容,图像增强的作用及目的空间域点运算空间域平滑空间域锐化频率域增强彩色增强代数运算,灰度级变换直方图变换局部统计,4.1点运算,点运算：对于一幅输入图像，将产生一幅输出图像，输出图像的每个像素点的灰度值由输入像素点决定。点运算由灰度变换函数GST确定。点运算实际是图像像素灰度级增强,包括：灰度级校正：成像系统对像素的修正灰度变换：将一个灰度区间映射到另一个灰度区间直方图修正:使图像灰度分布均匀、间距拉开，增强对比度。局部统计：利用局部
3、统计特征进行对比度增强,灰度级校正,灰度级校正：在图像采集系统中对图像像素进行修正，使整幅图像亮度分布均匀。具体实现 对理想系统的输入图像f(i,j)和实际获得降质图像g(i,j)的关系用公式表示为 g(i,j)=e(i,j)f(i,j)其中e(i,j)为降质函数/系统的灰度失真系数采用一幅灰度级为常数C的图像成像，实际输出为gc(i,j)，即gc(i,j)=e(i,j)C，代入前式可得校正后的原始图像,实际处理对象,灰度级校正注意问题：,对降质图像进行逐点灰度级校正所获得的图像，其中某些像素的灰度级值有可能要超出记录器件或显示器输入灰度级的动态范围，在输出时还要采用其他方法来修正才能保证不失
4、真地输出。降质图像在数字化时，各像素灰度级都被量化在离散集合中的离散值上，但经校正后的图像各像素灰度极值并不一定都在这些离散值上，因此必须对校正后的图像进行量化。,灰度变换,灰度变换：将图像的灰度级映射到另一灰度级。分类：线性变换，非线性变换一、线性变换 由于成像时曝光不足或过度，以及成像设备的非线性或图像记录设备动态范围太窄等因素，对图像都会产生对比度不足的弊病，使图像中的细节分辨不清，这时如将图像灰度线性扩展，常能显著改善图像的主观质量。,线性灰度变换,1、线性点运算,f,g,线性灰度变换,原图,线性灰度变换,2、线性灰度范围变换,f,g,线性灰度变换,3、分段线性变换拉伸图像中的一些灰度
5、细节，相对抑制不感兴趣的部分，这可通过分段线性变换得到。,线性灰度变换,二、非线性灰度变换,对数变换,指数变换,附：PS相关命令,通过命令“图像-曲线”调整灰度,4.1.3 直方图修正法,灰度直方图反映图像中灰度分布，为图像处理提供了重要依据。直方图修正后可使图像的灰度间距拉开或分布均匀，从而增大反差，使图像细节清晰，提高图像质量。分类直方图均衡化：灰度间距拉开，分布均匀直方图规定化：直接给出希望获得直方图的形状，寻找某个灰度级的变换对原图像进行处理。,直方图均衡化,直方图规定化,附：PS操作,“设置”菜单中的命令：自动色阶-直方图均衡化替换颜色-直方图匹配,直方图均衡化,直方图均衡化,直方图
6、均衡化理论基础,假设原图像的归一化后的灰度级为r，直方图修正后为s,直方图均衡化理论基础,直方图均衡化的要点：公理：直方图P为常数的图像对比度最好目标：对输入图像r，寻找一个灰度级变换函数T（r），使得结果图像s的直方图Ps(s)为一个常数,直方图均衡化理论基础,由概率论可知，若Pr(r)和变换函数s=T(r)已知，r=T-1(s)是单调增长函数，则变换后的概率密度函数Ps(s)可由Pr(r)得到：,直方图均衡化计算,例1 假定有一幅总像素为n=64*64的图像，灰度级数为8，各灰度级分布如下。对其进行直方图均衡化，并画出均衡化前后的直方图。,直方图均衡化计算,计算直方图灰度统计,计算变换函数
7、Tr,计算sk,计算变换函数Tr,计算sk并,直方图均衡化计算,计算均衡化后的直方图,计算每个sk对应的像素数目,直方图均衡化计算,画出原图像与处理后图像的直方图,直方图均衡,结果可以看出：均衡后灰度直方图较原直方图平坦，等长区间内的像素数接近相等灰度级数量减少，动态范围扩大原直方图频数较少的某些灰度级数被合并到一个或几个灰度级中 减并现象频率小的灰度级被压缩，频率大的灰度级被增强结论：直方图均衡实质是频数较小的灰度级被简并，减少图像的灰度级以换取对比度的加大,直方图均衡化计算,计算步骤计算Pk(rk)得到原直方图 求变换函数T(rk),即求累计分布四舍五入计算灰度量化级别sk并同灰度量化级别
8、的sk合并计算每个sk对应的像素数目，即映射rk的像素数，合并过的像素数要累加。计算均衡后的直方图,练习,f为原图像，对其进行直方图均衡化，并画出均衡化前后的直方图。解：1、计算Pk(rk)由f可知 图像像素总数n=5*5=25，灰度级rk分布范围09共10级 求得 Pk(rk)=nk/n,Pk(rk),练习,2、通过变换函数Tr 3、计算Sk并、合并同类项得到Sk,Pk(rk),Tr,练习,5、计算每个sk对应的像素数目,练习,6、画出原图像与处理后图像的直方图,直方图规定化,直方图规定化（直方图匹配）,目的使处理的图像具有指定的直方图形状。基本思路,直方图规定化,直方图规定化,例2 采用与
9、例1相同的图像，已知该图像与规定图像直方图均衡化后灰度级分布如下，进行直方图规定化。,原图像直方图均衡化,规定图像直方图均衡化,r3-s3=6/7,r5-s4=1,r6-s4=1,直方图规定化,用原图像的sk代替vk，一般取最接近的sk。对Gk求逆变换得到zk到sk的对应关系。重新分配像素nk并，并计算直方图规定化图像的灰度分布pz,直方图规定化,直方图规定化应用实例(图像融合),适用于调整两副图像的亮度、色调一致，以便实现无缝拼接。,附：空间点运算相关MATALB函数,imadjust函数 用于数字图像的灰度调整，实现线性变换对比度增强 用法：J=imadjust(I,low_in high
10、_in,low_out high_out)例：j=imadjust(i,0.3,0.7,);将图像i转换为j，使灰度值从0.30.7与缺省值01相匹配histeq函数 用于数字图像的直方图均衡化 用法：j=histeq(i);转换图像i具有64个灰度级的灰度图像 j,T=histeq（i）返回灰度级变换T，使j为i均衡化后的灰度图像j=histeq(i,T)实现了直方图规定化，即将原图象 i的直方图变换成用户指定的向量T。,局部统计法,（a）原图像,（b）直方图修正后的图像,（c）局部增强后的图像,局部统计法,Wallis和Jong-Sen Lee 提出用局部均值和方差进行对比度增强。基本思想
11、是提出希望的局部均值和方差，对原图像每个像素分别进行处理。这里的局部指像素（x，y）附近(2n+1）*(2m+1)领域。局部均值-平均灰度方差-平均对比度,局部均值（平均灰度）局部方差（平均对比度）,局部统计法,主要内容,图像增强的作用及目的空间域点运算空间域平滑空间域锐化频率域增强彩色增强代数运算,空间滤波的概念平滑滤波,空间域滤波概念,空间域滤波属于局部处理,空间域滤波分类,空域滤波按不同条件分类,空间域滤波,线性滤波器定义,空间域滤波,4.2 空间域平滑,图（a）原图像 图（b）阈值化处理后的图像 图（c）平滑处理后的图像,空间域平滑,平滑滤波器的用途,平滑滤波器的用途,一、局部平滑法,
12、局部平滑法领域平均法像素灰度=像素邻域内各像素的灰度平均值 s表示去心邻域,常用4-邻域、8-邻域；M为邻域像素总数特点：降低噪声，但图像模糊，特别在边缘和细节处,20,局部平滑法,图a原图像 图b 3*3局部平滑法 图c 5*5局部平滑法,超限像素平滑法当输入与输出的差值大于某阈值时再进行局部平滑特点：抑制椒盐噪声,保护细小灰度差的细节和纹理,一、局部平滑法,局部平滑法,图a原图像 图b 3*3局部平滑法图c 5*5局部平滑法 图d 5*5超限像素平滑法,局部平滑法,灰度最相近的K个邻点平均法出发点：同类灰度值高度相关像素灰度值=窗口内与中心像素最接近的K个邻像素灰度平均值K越大，平滑噪声效
13、果好，但越模糊。对于3*3窗口，一般K取6较好,250,K=6,局部平滑法,梯度倒数加权平滑法出发点：区域内的梯度小，边缘梯度大，减少边缘对中心像素的影响梯度定义为|相邻像素灰度差|相邻像素权为中心像素与相邻各像素间梯度倒数边缘附近梯度大，而权小像素灰度值=窗口加权平均值,13,局部平滑法,最大均匀平滑法任一像素有5个3*3窗口像素灰度值=环绕像素的灰度最平均窗口的灰度平均值判别方法：窗口梯度最小缺点：对复杂形状的边界会过度平滑，使细节丢失,x,局部平滑法,有选择保边缘平滑法像素灰度值=环绕像素的灰度最平均窗口的灰度平均值选择正方形、五边形、六边形等多种形状的窗口环绕像素，以找到不包含边缘的区
14、域。窗口灰度变换的判别方法：最小方差在平滑时即不会使尖锐边缘模糊，也不会破坏边缘形状，是对最大均匀平滑法的改进,x,低通滤波模板,二、空间域模板滤波法,空间低通滤波,模板从左-右，上-下移动，执行滤波操作,空间低通滤波器,平均模板 中心加权模板+加权模板 中心减权模板+减权模板,常用3*3低通滤波器（模板）,空间低通滤波,空间低通滤波模板特点系数反映中心点或邻域的重要程度，系数0系数之和=1可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。,空间低通滤波,平滑不仅去噪，也损失了边缘和尖锐的细节信息，模板尺寸越大，图像越模糊，损失细节越多,三、中值滤波,中值滤波,例：采用13窗口进行中值滤
15、波原图像为：2 2 6 2 1 2 4 4 4 2 4处理后为：2 2 2 2 2 2 4 4 4 4 4,中值滤波,中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。,中值滤波,中值滤波法抑制随机噪声没有比平均法更有效。,附：MATALAB相关函数,filter2函数用于图像滤波，如：i=imread(e:w01.tif);h=1,2,1;0,0,0;-1,-2,-1;j=filter2(h,i);二维卷积conv2滤波,如:i=imread(e:w01.tif);h=1,1,1;1,1,1;1,1,1;h=h/9;j=conv2(i,h);medfilt2函数用于图像的中值滤波
16、，如：i=imread(e:w01.tif);j=medfilt2(i，M N);对矩阵i进行二维中值滤波，领域为M*N，缺省值为3*3,主要内容,图像增强的作用及目的空间域点运算空间域平滑空间域锐化频率域增强彩色增强代数运算,梯度锐化拉普拉斯增强算子高通滤波,空间域锐化,空间域锐化,曝光,空间高通滤波模板特点,系数有正有负，一般中心为正系数之和为0,空间域锐化效果,一、微分滤波器（梯度锐化法）,微分滤波器,微分滤波器,微分滤波器,一阶微分滤波器,特点：用于提取垂直和水平方向边缘时效果好,一阶微分滤波器,优点：加大模板，锐化边缘同时减少噪声的影响；可以增强斜向阶跃边缘、线。,一阶微分滤波器,优
17、点：4领域加权，斜向边缘增强效果更明显,一阶微分算子滤波效果,第一种输出形式 g(x,y)=grad(x,y)此法的缺点是增强的图像仅显示灰度变化比较陡的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色。第二种输出形式 式中T是一个非负的阈值。适当选取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,梯度图像表现形式,梯度图像表现形式,第三种输出形式 它将明显边缘用一固定的灰度级LG来表现。第四种输出形式 此方法将背景用一个固定的灰度级 LB来表现，便于研究边缘灰度的变化。,第五种输出形式 这种方法将明显边缘和背景分别用固定灰度级LG和LB表示，生成二值图像，便于研究边缘所
18、在位置。,梯度图像表现形式,二、二阶微分滤波器,2F(x，y)=F(x+1，y)+F(x-1，y)+F(x，y+1)+F(x，y-1)-4F(x，y),二阶微分滤波器,laplacian算子特点：边缘区域形成下冲或上冲，双边缘效果检测边缘精度高，但对噪声敏感无法得到方向信息,二阶微分滤波器,高增益滤波,高增益滤波器,PS相关命令,菜单“滤镜”“模糊”命令“锐化”命令,MATALAB相关函数,函数fspecial 功能：产生预定义滤波器 用法：H=fspecial(增强算子)算子包括average，gaussian，laplacian，Motion，Prewitt(horizontal)，Sob
19、el(horizontal)等 例：I=imread(cameraman.tif);imshow(I);H=fspecial(prewitt);M=imfilter(I,H);函数imfilter 功能：图像增强 用法：B=imfilter(A,H);将原始图像 A 按指定的滤波器 H进行滤波增强处理，增强后的图像 B 与 A 的尺寸和类型相同,主要内容,图像增强的作用及目的空间域点运算空间域平滑空间域锐化频率域增强彩色增强代数运算,频率域平滑频率域锐化,4.4 频率域滤波基础,频率域滤波原理,边、噪音、变化陡峭部分,变化平缓部分,u,v,频率域滤波基础,一、频率域平滑滤波器,思想：边缘和其它
20、尖锐变化（如噪声）在图像的灰度级中主要处于傅立叶变换的高频部分，因此平滑可通过衰减指定图像傅立叶变换中高频成分的范围来实现理想低通滤波器Butterworth低通滤波器指数低通滤波器高斯低通滤波器梯形低通滤波器,频率域平滑滤波器,理想低通滤波器:一个二维的理想低通过滤器（ILPF）的转换函数满足（是一个分段函数）其中：D0 为截止频率，取H（u，0）降到1/2 或 时对应的频率 D(u,v)为距离函数 D(u,v)=(u2+v2)1/2,频率域平滑滤波器,理想低通过滤器的透视图图像显示、截面图,H(u,v)作为距离函数D(u,v)的函数的截面图,频率域平滑滤波器,理想低通过滤器的截止频率的设计
21、,频率域平滑滤波器,小的边界和其它尖锐细节信息被包含在频谱的至多0.5%的能量中被钝化的图像被一种非常严重的振铃效果理想低通滤波器的一种特性所影响,频率域平滑滤波器,理想低通过滤器的分析:振铃效果,频率域平滑滤波器,Butterworth低通过滤器:一个截止频率在与原点距离为D0的n阶Butterworth低通过滤器（BLPF）的变换函数如下：,变换函数中不存在一个不连续点作为一个通过的和被过滤掉的截止频率的明显划分,频率域平滑滤波器,Butterworth低通过滤器的截面图等,H(u,v)作为D(u,v)/D0的函数的截面图,频率域平滑滤波器,在任何经二阶BLPF处理过的图像中都没有明显的振
22、铃效果，这是过滤器在低频和高频之间的平滑过渡的结果,频率域平滑滤波器,BLPF滤波是一个以牺牲图像清晰度为代价来减少干扰效果的修饰过程,频率域平滑滤波器,频率域平滑滤波器,高斯低通过滤器,频率域平滑滤波器,高斯低通过滤器无振铃,频率域平滑滤波器,频率域平滑滤波器,二、频率域锐化滤波器,基本思想：低通滤波器的反操作，即Hhp(u,v)=1 Hlp(u,v)也就是说被低通滤波器过滤掉的频率均能通过高通滤波器,频率域锐化滤波器,理想高通过滤器一个二维的理想高通过滤器（ILPF）的转换函数满足（是一个分段函数）其中：D0 为截止频率 D(u,v)为距离函数,频率域锐化滤波器,频率域锐化滤波器,Butt
23、erworth高通滤波器：一个截止频率在与原点距离为D0的n阶Butterworth高通过滤器（BHPF）的变换函数如下：,频率域锐化滤波器,频率域锐化滤波器,理想高通过滤图,结论：图a和b的振铃问题十分明显,频率域锐化滤波器,Butterworth高通滤波器,结论：BHPF的结果比IHPF的结果平滑得多,频率域锐化滤波器,高斯高通过滤器,结论：GHPF的结果比BHBF和IHPF的结果更平滑,频率域锐化滤波器,高通滤波器分析低频成分被严重地消弱了，使图像失去层次改进措施：1）加一个常数到变换函数 H(u,v)+A 这种方法被称为高频强调2）为了解决变暗的趋势，在变换结果图像上再进行一次直方图均
24、衡化。这种方法被称为后过滤处理,频率域锐化滤波器,高频加强滤波,主要内容,图像增强的作用及目的空间域点运算空间域平滑空间域锐化频率域增强彩色增强代数运算,伪彩色处理假彩色处理彩色平衡彩色变换,彩色图像的平滑和尖锐化,彩色图像的平滑和尖锐化,彩色图像的平滑和尖锐化,一、伪彩色增强,伪彩色图像增强是指把一幅灰度图像的各个不同灰度级按照映射函数变换成为不同彩色，得到彩色图像的技术区分：伪彩色图像、真彩色图像，单色图像如:焊点检测,伪彩色处理,用颜色突出降雨水平,a.图像的强度值直接与降雨相对应，目测困难,b.蓝色表示低降雨量，红色表示高降雨量,图c和图d更加清楚,图a,图b,图c,图d,伪彩色处理,
25、应用更容易辨认图像细节更容易识别图像中的灰度目标怎样进行伪彩色图像处理？密度分割技术（强度分层技术）灰度级到彩色转换技术空间域变换频率域变换,伪彩色处理,密度分割技术把一幅图像描述为三维函数（x,y,f(x,y)）分层技术：放置平行于(x,y)坐标面的平面每一个平面在相交区域切割图像函数,伪彩色处理,密度分割技术把灰度图像的灰度级从0（黑）到M0（白）分成N个区间Ii(i=1，2，N),给每个区间Ii指定一种彩色Ci，这样，便可以把一幅灰度图像变成一幅伪彩色图像。分类：等密度法 I=（M0-0）/N非等密度法该方法比较简单、直观。缺点是变换出的彩色数目有限。,灰度级,彩色,伪彩色处理,甲状腺模
26、型,左图的恒定强度难以区分病变，右图强度分层结果，清楚的显示恒定强度的不同区域,强度分层结果，8个彩色区域,单色图像,伪彩色处理,灰度级到彩色的转换对任何输入像素的灰度级执行3个独立变换3个变换结果即三基色分量分别送入彩色监视器的红、绿、蓝三个通道产生一幅合成彩色图像,伪彩色处理,伪彩色处理,频率域伪彩色增强 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递特性的滤波器分离成三个独立分量；然后对它们进行逆傅立叶变换，便得到三幅代表不同频率分量的单色图像，接着对这三幅图像作进一步的处理（如直方图均衡化）最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道，得到一幅彩色图像。,二
27、、假彩色增强,处理对象：自然彩色图像、同一景物的多光谱图像假彩色增强方法：通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。,假彩色增强,多光谱图像的假彩色增强可表示为右式，gi表示不同波段图像，f表示通用函数运算对于自然景色图像，通用的线性假彩色映射可表示为右式例如采用以下的映射关系则原图像中绿色物体会呈红色，蓝色物体会呈绿色，红色物体则呈兰色。,三、彩色平衡,目的：纠正偏色，得到色彩正常的彩色图像判断是否偏色：灰平衡和高饱和度颜色检查灰平衡：检查现实中灰色物体在图像中是否灰色如黑色区域平均值R=10,G=0,B=7,非黑色彩色平衡方法：在图像中选择两
28、个相对均匀的原本浅灰或深灰色区域，灰色的RGB三分量相等，但图像中不等分别计算这两个区域的RGB平均值，获得与第三分量匹配的两个颜色分量线性变换对图像的两个分量进行逆线性变换，使得三分量相等得到灰色。,彩色平衡举例,如取图像中两个灰色区域，计算平均RGB 区域一R=25，G=31，B=37 区域二R=75,G=79,B=77调整G、B去适应R，则得到线性变换G:31(25),79(75);B:37(25),77(75),四、彩色空间转换,RGB CMY RGB和CMY值都归一化到0,1,彩色空间转换,RGB HSI,RGB和HSI模型之间的关系,彩色空间转换,RGB HSI,基于三角平面的HS
29、I彩色模型,彩色空间转换,RGB HIS三角形变换,彩色空间转换,RGB HSI,HSI彩色模型中的色调和色饱和度,主要内容,图像增强的作用及目的空间域点运算空间域平滑空间域锐化频率域增强彩色增强代数运算,加法运算减法运算乘法运算除法运算,代数运算,代数运算是指两幅输入图像进行点对点的加、减、乘或除计算而得到输出图像。,代数运算,c=a+b；d=a-b；要求两幅图像大小相同,图 a b c d,代数运算,主要应用图像相加可以将一幅图像内容加到另一幅图像上，以达到二次曝光的要求（double exposure）。图像相加可以对同一场景的多幅图像求平均值，以降低加性（additive）随机噪声。图
30、像相减可去除图像中不需要的加性图案。图像相减也可用于运动检测。,加法运算应用（二次曝光）,加法运算应用,噪声图像1 噪声图像2 噪声图像3 噪声图像4,噪声图像5 噪声图像6 噪声图像7 噪声图像8,加法运算应用,对M幅加性噪声图像进行平均，可以使图像的平方信噪比提高M倍。,原始图像 降噪后图像,减法运算应用,减去背景,乡村公路,3 减法运算应用,打破宁静的不速之客,减法运算应用,模糊的影像,减法运算应用,经过点运算之后的车,思考：如果背景光强与前一幅并不相等，怎么办？,减法运算应用,减法运算,X,因此运动物体在差分图像中产生低对比度的边缘。,乘法运算,可用于去除图像中部分影像。首先构造一副掩
31、膜图像，在需要保留区域，图像灰度值为1；而在被去除区域，图像灰度值为0；然后将掩膜图像乘原始图像。,除法运算,多光谱遥感运算的比值计算，可以去除近似的照射分量，扩大反射分量，以区分不同地物。可以用于消除阴影干扰的影响.,波段,地物,波段,光照情况,附：图像运算MATLAB函数,imadd 两幅图像相加，要求同样大小，同种数据类型 用法：Z=imadd（x，y）表示图像x+y imsubstract 两幅图像相减，要求同样大小，同种数据类型 用法：Z=imadd（x，y）表示图像x-y immultiply 用法：Z=immultiply（x，y）表示图像x*yimdivide 用法：Z=imdivide（x，y）表示图像x/y,平时作业,研究数字图像处理领域的具体课题，搜集相关文献，整理资料并作出报告。报告内容包括：课题简介、国内外研究现状、主要技术手段、发展方向具体课题不限，可以是指定课题，也可自我选择推荐课题名称：车辆识别中的子课题，如车牌定位、车牌倾斜校正、字符分割、字符识别，要求对某一具体算法进行说明。（子课题简介、国内外研究现状、算法流程、算法优缺点）人脸识别仿生鱼设计机器人视觉指纹鉴别文字识别技术图像检索,练习题,P1002,6,7,9,26,
