数字图像处理 第四章图像增强PPT课件.ppt

第四章图像增强，1、图像增强的主要内容、效果和目标像素级操作空域平滑和锐化频域增强彩色增强代数操作，2、图像增强，图像增强是提高图像质量最常用的技术。图像增强的目的是改善图像的视觉效果，提高图像的可识别性，并将其转化为一种易于分析和处理的形式评价标准：从作用范围出发，将人的主观感知分为两类空间域，即图像像素的灰度或灰度统计运算频域，对图像进行变换后对频谱分量进行运算， 并且最终通过逆变换获得所需的增强结果。3、图像增强和图像质量下降的原因是对比度是部分或完全低噪声干扰。 包括热噪声、量化噪声、椒盐噪声、背景干扰等锐度降低，图像模糊图像增强通过直方图均衡化、平滑去噪、边缘锐化等有针对性的技术来纠正图像退化，从而达到提高图像质量的目的。图像增强的主要内容、空间域点运算的局部运算、图像平滑、图像锐化频域中的高通滤波、低通滤波、同态滤波、颜色增强的增强、假颜色增强、伪颜色增强、颜色变换、代数运算的增强、加、减、乘、除、5、主要内容、目的空间域点运算的图像增强和空间域平滑的功能、空间域锐化频域中颜色增强代数运算的增强， 灰度变换直方图变换的局部统计，6。对于输入图像，将生成输出图像，并且输出图像的每个像素的灰度值将由输入像素确定。 点操作由灰度转换函数GST决定。点运算实际上是图像像素的灰度级增强，包括：灰度级校正：由成像系统校正像素的灰度级变换：将一个灰度级区间映射到另一个灰度级区间直方图校正：以使图像灰度级分布均匀、间隔开并增强对比度。局部统计：利用局部统计特征进行对比度增强、7、4.1.1灰度校正、灰度校正：在图像采集系统中对图像像素进行校正，使整个图像的亮度分布均匀。具体地，理想系统的输入图像f(i，j)和实际获得的退化图像g(i，j)之间的关系由公式g(i，j)=e(i，j)f(i，j)来表示，其中e(i，j)是退化函数/系统的灰度失真系数由具有恒定灰度级c的图像来成像，并且实际输出是gc(i，j)，即GC (I，j)=e (I，j) c实际处理对象，8、灰度校正注意：对于降级图像逐点灰度校正得到的图像，有些像素的灰度值可能会超出记录设备或显示器输入灰度的动态范围，输出时应采用其他方法进行校正，以保证输出不失真。当退化图像被数字化时，每个像素的灰度级在离散集中的离散值上被量化，但是校正图像的每个像素的灰度极值不一定在这些离散值上，因此校正图像必须被量化。灰度转换：将图像的灰度映射到另一个灰度。分类：线性变换，非线性变换1。由于成像过程中曝光不足或曝光过度、成像设备的非线性或图像记录设备的动态范围过窄等造成的线性变换。会造成图像对比度不足的缺陷，使图像中的细节难以区分。如果图像的灰度线性扩展，图像的主观质量通常可以显著提高。线性灰度变换，1，线性点运算，f，g，11，线性灰度变换，原始图像，12，线性灰度变换，2，线性灰度范围变换，f，g，13，线性灰度变换，3，分段线性变换拉伸图像中的一些灰度细节，并相对抑制不感兴趣的部分，这可以通过分段线性变换获得分类直方图均衡化：扩展灰度间距，指定均匀分布的直方图：直接给出待获取直方图的形状，并找到某一灰度的变换来处理原始图像。直方图均衡化，直方图规范，20，附件：PS操作，命令在“设置”菜单：自动颜色级别-直方图均衡化替换颜色-直方图匹配，21，直方图均衡化，22，直方图均衡化，23，直方图均衡化理论基础，假设原始图像的归一化灰度为r，直方图校正为s，24，直方图均衡化的理论基础，直方图均衡化的关键点：公理：图像对比度以直方图p为常数是最佳目标：对于输入图像r， 找到一个灰度级变换函数T(r)，从而得到的图像s的直方图Ps(s)是一个常数，25，直方图均衡化的理论基础，从概率论，如果Pr(r)和变换函数s=T(r)是已知的，r=T-1(s)是一个单调增长函数，那么变换后的概率密度函数Ps(s)可以从Pr(r):26，直方图均衡化计算，例1假设有一个图像的总像素为n=64*64，灰度级为8 直方图被均衡化，均衡化前后的直方图被绘制。直方图均衡化计算，直方图灰度统计量的计算，变换函数tr的计算，sk的计算，变换函数Tr的计算，sk和的计算，28，直方图均衡化计算，均衡化直方图的计算，每个sk对应的像素数的计算，29，直方图均衡化计算，绘制原始图像和处理后图像的直方图，30，直方图均衡化，结果表明均衡化后的灰度直方图比原始直方图平坦， 等长区间内的像素数量接近相同的灰度级，原始直方图中频率较低的灰度级数量减少，动态范围扩展中频率较低的一些灰度级合并成一个或多个灰度级，频率较低的灰度级被压缩，频率较高的灰度级被增强。 结论：直方图均衡化的实质是降低频率较低的灰度级，并降低图像的灰度级以换取对比度的提高，31、直方图均衡化计算：计算步骤计算Pk(rk)以获得原始的直方图变换函数T(rk)，即对累积分布进行舍入以计算灰度量化级sk，并结合灰度量化级sk来计算对应于每个sk的像素数，即映射的像素数rk，并累积组合像素数。计算均衡化后的直方图，32、练习，F为原始图像，均衡化直方图，并绘制均衡化前后的直方图。解决方案：1 .计算Pk(rk)。从F中，我们可以知道图像中的总像素数n=5*5=25，并且灰度rk的分布范围在10个级别中是09，以获得Pk(rk)=nk/n，Pk(rk)，33，练习。2.通过变换函数Tr3，计算sk和4，合并相似项得到Sk，PK (Rk)，Tr，34，练习。5.计算每个Sk对应的像素数，35，练习6。绘制原始图像和处理后图像的直方图，36，直方图规格，37，直方图规格(直方图匹配)，以使处理后的图像具有指定的直方图形状。基本思想，38，直方图规格，39，直方图规格，实施例2使用与实施例1相同的图像，并且已知在用指定图像进行直方图均衡化之后的图像的灰度级分布如下，并且执行直方图规格。原始图像的直方图均衡化，指定图像直方图均衡化，r3-s3=6/7，r5-s4=1，r6-s4=1，40，直方图规范，用原始图像的sk替换vk，一般取最近的sk。zk和sk之间的对应关系是通过Gk的逆变换得到的。像素nk的再分布和灰度分布pz、41、直方图规格、42、直方图规格应用示例(图像融合)适于将两幅图像的亮度和色调调整为一致，从而实现无缝拼接。例如，j=最小值(I，0.3，0.7，)。图像I被转换成j，灰度值从0.3到0.7匹配，默认值为0到1。histoeq函数用于直方图均衡局部统计，(a)原始图像，(b)直方图修正图像，(c)局部增强图像，45，(d)局部统计，Wallis和Jong-SenLee建议使用局部均值和方差进行对比度增强。基本思想是提出期望的局部均值和方差，并分别处理原始图像的每个像素。这里的局部性是指像素(x，y)附近的(2n 1)*(2m 1)域。局部均值-平均灰度方差-平均对比度，46，局部均值(平均灰度)局部方差(平均对比度)，局部统计，47，主要内容，图像增强效果和目的空间域点运算空间域平滑空间域锐化频域增强颜色增强代数运算，空间滤波概念平滑滤波，48，空间域滤波概念，空间域滤波属于局部处理，49，空间域滤波分类，空间域滤波根据不同条件分类，50，空间域滤波，线性滤波定义，51， 空间域滤波，52，4.2空间域平滑，图(a)原始图像图(b)阈值化图像图(c)平滑图像，53，空间域平滑，54，使用平滑滤波器，55，使用平滑滤波器，56，I .局部平滑方法，局部平滑方法域平均方法像素灰度=像素邻域中每个像素的平均灰度S表示离心邻域，常用的4邻域和8邻域； m是邻域中像素总数的特征：噪声减少，但图像模糊，尤其是在边缘和细节处，20，57，局部平滑方法，图a原始图像图b3*3局部平滑方法图c5*5局部平滑方法，58，超限像素平滑方法当输入和输出之间的差值大于某个阈值时执行局部平滑特征：抑制椒盐噪声， 保护灰度差异小的细节和纹理，首先，局部平滑法，59，局部平滑法，图A原始图像图b3*3局部平滑法图c5*5局部平滑法图d5*5超限像素平滑法，60，局部平滑法，最接近灰度起点的K邻域点平均法：相似灰度值的高度相关像素灰度值=窗口中最接近中心像素的K邻域像素的平均灰度值K越大，平滑噪声效果越好，但模糊。 对于3*3窗口，最好取6为一般K，250，K=6，61，局部平滑法，梯度逆加权平滑法的起点：区域中的梯度小，边缘梯度大，而减少边缘对中心像素影响的梯度定义为|相邻像素之间的灰度差|相邻像素的权重为中心像素， 并且相邻像素之间的梯度的逆边缘附近的梯度较大，而加权小像素的灰度值=窗口的加权平均值，13，62，局部平滑法，最大均匀平滑法：任何像素有5个3*3窗口像素灰度值=围绕像素的最平均窗口的灰度值判别法：窗口梯度最小缺陷：复杂形状的边界将被过度平滑， 导致细节丢失，x，63，局部平滑方法，有一种边缘保持平滑方法的选择：像素灰度值=围绕像素的最平均窗口的灰度值选择以各种形状如正方形、五边形、六边形等围绕像素的窗口。 查找不包含边的区域。窗口灰度变换的判别方法：最小方差在平滑时不会模糊锐边或破坏边缘形状。它是最大均匀平滑法的改进，x，64，低通滤波模板，ii，空间域模板滤波方法，65，空间低通滤波，模板从左向右，向上向下移动，并执行滤波操作，66，空间低通滤波，平均模板中心权重模板中心权重模板权重减少模板权重减少模板，常用的3*3低通滤波(模板)，67，空间低通滤波，空间低通滤波模板特征系数反映中心点或邻域的重要性， 系数0系数总和=1可以保证输出图像灰度值在允许范围内，不会产生“溢出”现象。 空间低通滤波、平滑不仅去除了噪声，还丢失了边缘和清晰的细节信息。模板越大，图像就越模糊，失去的细节也越多。69，3，中值滤波，70，中值滤波，I=imread(e : w01 . TIF)；h=1，2，1；0，0，0；-1，-2，-1；j=滤波器2(h，I)；二维卷积conv2滤波，例如： 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，例如I=imread(e : w01 . TIF)；j=medfielt 2(I，明尼苏达州)；矩阵一经过二维中值滤波，其域为M*N，默认值为3*3，74，主要内容为图像增强功能和目标空间域点运算空间域平滑空间域锐化频域增强颜色增强代数运算，梯度锐化拉普拉斯增强算子高通滤波，75，空间域锐化，76，空间域锐化，曝光，77，空间高通滤波模板特征，具有正负系数，一般中心为正系数之和0，78，空间域锐化效果，77差分滤波器(梯度锐化方法)，80，差分滤波器，81，差分滤波器，82，差分滤波器，83，一阶差分滤波器，功能：用于提取垂直和水平边缘时效果良好，84，一阶差分滤波器，优点：增加模板，锐化边缘，同时降低噪声效果；可以增强倾斜的阶梯边缘和线条。一阶微分滤波器具有以下优点：4个区域加权，斜边缘增强效果更明显，86，一阶微分算子的滤波效果，87，第一输出形式g(x，y)=grad(x，y)。这种方法的缺点是增强后的图像只显示灰度变化较陡的边缘轮廓，而灰度变化平缓或均匀的区域是黑色的。在第二种输出形式中，T是非负阈值。适当选择T可以使明显的边缘轮廓突出，而不会破坏灰度变化相对平缓的原始背景。梯度图像表示、88、梯度图像表示和第三输出形式表示具有固定灰度级LG的明显边缘。第四种输出形式这种方法使用固定的灰度级LB来表示背景，便于研究边缘灰度级的变化。第五种输出形式该方法使用固定的灰度级LG和LB分别表示明显的边缘和背景，生成二值图像，便于研究边缘的位置。梯度图像的表达式，90，二阶微分滤波器，和 2f (x，y)=F(x 1，y) F(x-1，y) F(x，y 1) F(x，y-1)-4F(x，y)，91，二阶微分滤波器，拉普拉斯算子特征：边缘区域形