第3章图像的增强

1、2.2 图像增强技术复习一、数字图像处理( Digital Image Processing )v 数字图像处理是指通过计算机对数字图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。（主要研究二维图像）v 图像处理的一般步骤：提取原始图像-灰度-滤波/边缘检测/分割-提取特征值v 图像处理是图像分析的重要一部分。二、图像的数据结构与特征1、数据结构 矩阵2、特征1）自然特征 光谱特征 几何特征 时相特征 2）人工特征 直方图特征 灰度边缘特征 线、角点、纹理特征3）图像的特征有很多，按提取特征的范围大小又可分为：点特征 仅由各个像素就能决定的性质。如单色图像中的灰度值、彩色图像中

2、的红(R)、绿(G)、蓝(B)成分的值。局部特征 在小邻域内所具有的性质，如线和边缘的强度、方向、密度和统计量(平均值、方差等)等。区域特征 在图像内的对象物 (一般是指与该区域外部有区别的具有一定性质的区域)内的点或者局部的特征分布，或者统计量，以及区域的几何特征(面积、形状)等。整体特征 整个图像作为一个区域看待时的统计性质和结构特征等。图2.6.3图像的特征提取 4）特征提取 获取图像特征信息的操作称作特征提取。它作为模式识别、图像理解或信息量压缩的基础是很重要的。通过特征提取，可以获得特征构成的图像（称作特征图像）和特征参数。图2.6.4 特征空间聚类 5）特征空间 把从图像提取的m个

3、特征量y1，y 2，ym，用m维的向量Yy1 y2ymt表示称为特征向量。另外，对应于各特征量的m维空间叫做特征空间。三、数字图像处理与相关学科的关系 它与模式识别、计算机图形学、计算机视觉等学科既相互联系又相互区别。 新技术 新工具 新理论图像理解描述狭义处理计算机图形学图像理解客观世界图像(人)计算机视觉图像符号模式识别图像分析(转换)四、数字图像处理系统概述 数字图像处理系统由硬件和软件组成。 采集 显示 存储 通信 主机 图像处理软件 五、图像处理的基本技术 去除噪声、 增强、 复原、 分割、 提取特征图像增强本讲的主要内容：v 图像增强的概念（什么是图像增强）v 图像增强方法（如何对

4、图像增强）重点与难点：v 重点：图像增强的方法v 难点：图像增强的频域方法 经图像信息输入系统获得的源图像，常含有各种各样的噪声和经图像信息输入系统获得的源图像，常含有各种各样的噪声和畸变，会大大影响图像的质量；或者需要强调特征。畸变，会大大影响图像的质量；或者需要强调特征。 为了改善图像的视觉效果，提高图像的清晰度和工艺的适应性，为了改善图像的视觉效果，提高图像的清晰度和工艺的适应性，以及便于人与计算机的分析主处理，以满足图像复制或再现的要求；以及便于人与计算机的分析主处理，以满足图像复制或再现的要求；或者便于找到特征。或者便于找到特征。 不会考虑引起图像质量下降的原因，而是将图像中感兴趣的

5、特不会考虑引起图像质量下降的原因，而是将图像中感兴趣的特征有选择地突出，并衰减不需要的特征。征有选择地突出，并衰减不需要的特征。 对于一个图像处理系统来说：处理分为对于一个图像处理系统来说：处理分为3个阶段：个阶段：1）预处理阶段）预处理阶段 2）特征提取）特征提取 3）识别分析阶段）识别分析阶段一、图像增强概述图像增强的方法分为图像增强的方法分为空域法空域法和和频域法频域法两类。两类。：对图像中的：对图像中的各个像素点各个像素点进行操作。进行操作。 空域增强方法又分两类：空域增强方法又分两类：1）基于像素点）基于像素点 2）基于模板）基于模板：在图像的某个：在图像的某个变换域内变换域内，修改

6、变换后的系数，如傅里，修改变换后的系数，如傅里叶变换、叶变换、DCT等的系数，对图像进行操作，然后再进行反变换得等的系数，对图像进行操作，然后再进行反变换得到处理后的图像。到处理后的图像。二、图像增强处理的方法基于像素点基于像素点基于点操作的方法也叫灰度变换，常见方法有以下几类：基于点操作的方法也叫灰度变换，常见方法有以下几类：灰度校正灰度校正灰度变换灰度变换直方图修正直方图修正1）直接灰度变换）直接灰度变换 由于扫描系统或者光电转换系统等多方面的原因，造成图像不均匀、由于扫描系统或者光电转换系统等多方面的原因，造成图像不均匀、对比度不足等弊端，使人眼在观看图像时视觉效果很差。灰度变换就是对比

7、度不足等弊端，使人眼在观看图像时视觉效果很差。灰度变换就是在图像采集系统中对图像像素进行修正，使整幅图像成像均匀。在图像采集系统中对图像像素进行修正，使整幅图像成像均匀。 灰度变换可以分为灰度变换可以分为3种：种：线性变换、分段线性变换和非线性变换线性变换、分段线性变换和非线性变换。灰度变换可以使图像动态范围加大，图像对比度扩展、图像清晰、特征灰度变换可以使图像动态范围加大，图像对比度扩展、图像清晰、特征明显，是图像增强的重要手段。明显，是图像增强的重要手段。（1）线性变换）线性变换 若若D=T(D)是一个线性单值函数、则由它确定的灰度变换为灰度线是一个线性单值函数、则由它确定的灰度变换为灰度

8、线性变换，简称线性变换。性变换，简称线性变换。 具体变换时，将图像中每个像素的灰度值根据变换曲线（线性）进行映射。 例1：对灰度图像实现倒置线性变换。 clear all; J=imread(peppers.png); colormap;imshow(J); %设置图像倒置参数 I=imadjust(J,0 1,1 0,1.5); %显示倒置后的图像 figure,imshow(I);例例2：利用以上表达式对：利用以上表达式对trees.tif图像进行非线性变换图像进行非线性变换clear all;I=imread(trees.tif);colormap;subplot(121);imshow

9、(I);xlabel(a)原始图像)J=double(I);J=45*log(J+1);I=uint16(J);subplot(122);imshow(J)xlabel(b)非线性变换图像)a)原 始 图 像b)非 线 性 变 换 图 像2）图像求反）图像求反 将原图像灰度值翻转，简单来说就是使黑变白，白变黑。假设对灰将原图像灰度值翻转，简单来说就是使黑变白，白变黑。假设对灰度级范围是度级范围是0,L-1的图像求反，就是通过变换将的图像求反，就是通过变换将0,L-1变换到变换到L-1，0，变换公式为：，变换公式为：t=L-1-s这种方法尤其适用于增强潜入与图像暗色区域的白色或灰色细节。这种方法

10、尤其适用于增强潜入与图像暗色区域的白色或灰色细节。例例3对图像进行求反运算对图像进行求反运算clear all;I=imread(trees.tif);colormap;subplot(121);imshow(I);xlabel(a)原始图像原始图像)J=double(I);J=256-1-J;I=uint8(J);subplot(122);imshow(I)xlabel(b)图像求反图像求反)a)原 始 图 像b)图 像 求 反3）强度描述图）强度描述图improfile函数用于得到图像中一条线段或多条线段强度（灰度）值，函数用于得到图像中一条线段或多条线段强度（灰度）值，并绘制其图形。调用

11、格式：并绘制其图形。调用格式：c=improfile(I,xi,yi)I输入图像输入图像xi,yi 两个向量，指定线段的端点两个向量，指定线段的端点c是线段上各点的灰度或颜色，如不指定则进入交互式的处理模式。是线段上各点的灰度或颜色，如不指定则进入交互式的处理模式。对于单独的线段，对于单独的线段， improfile函数将会在二维视图中绘制点的灰度值；函数将会在二维视图中绘制点的灰度值；对于多条线段将会在三维视图中绘制点的灰度值。对于多条线段将会在三维视图中绘制点的灰度值。例4：用improfile函数显示两条线段的灰度值clear all;clcI=imread(trees.tif);ims

12、how(I)c=12 146 200;r=104 156 129;hold on;plot(c,r,*r)V=improfile(I,c,r);grid onXY4)图像轮廓图图像轮廓图imcontour函数用来显示灰度图像中数据的轮廓图，该函数能够自动设置函数用来显示灰度图像中数据的轮廓图，该函数能够自动设置坐标轴，使输出图像在其方向和纵横比上能够与显示的图像吻合。坐标轴，使输出图像在其方向和纵横比上能够与显示的图像吻合。imcontour(I)提取灰度图像的轮廓图提取灰度图像的轮廓图imcontour(I,n)提高设置提高设置n条的灰度图像的轮廓图条的灰度图像的轮廓图imcontour(I

13、,v)绘制灰度图像的轮廓图，指定绘制灰度图像的轮廓图，指定v为一个向量值为一个向量值imcontour(x,y,.) x,y代表代表X和和Y轴的取值。轴的取值。imcontour(.,LineSpec)设置灰度图像的轮廓图的颜色。设置灰度图像的轮廓图的颜色。C,handle=imcontour(.)除了返回灰度图像的轮廓图句柄值外，还返除了返回灰度图像的轮廓图句柄值外，还返回其轮廓矩阵。回其轮廓矩阵。例例5 绘制灰度图像的轮廓图绘制灰度图像的轮廓图clear all;clcI=imread(rice.png);imshow(I)figure;imcontour(I)50100150200250

14、501001502002506) 图像直方图图像直方图 图像的直方图是一个统计像素个数的图形，它统计一幅图像中相同像图像的直方图是一个统计像素个数的图形，它统计一幅图像中相同像素值的个数，即一幅图像中有多少个像素值为素值的个数，即一幅图像中有多少个像素值为1，多少个像素值为，多少个像素值为2.利用利用图像的直方图对图像进行增强是一种简单有效的方法。图像的直方图对图像进行增强是一种简单有效的方法。在在matlab中，中，imhist函数函数显示显示一幅图像的直方图。一幅图像的直方图。调用格式：调用格式：imhist(I)imhist(I,n)imhist(X,map)计算和显示索引图像计算和显示

15、索引图像x的直方图，的直方图，map为调色板为调色板 .I是图像矩阵，是图像矩阵，n是指定的灰度级数目，默认为是指定的灰度级数目，默认为256，该函数返回一幅图像，该函数返回一幅图像，显示显示I的直方图。的直方图。原 始 图 像050010001500直 方 图0100200例例6：绘制灰度图像的直方图。：绘制灰度图像的直方图。clear all;J=imread(pout.tif);subplot(121);imshow(J);title(原始图像原始图像);subplot(122);imhist(J);title(直方图直方图);a=imread(peppers.png);subplot(

16、4,1,1);imshow(a);subplot(4,1,2);imhist(a(:,:,1);xlabel(a红色的直方图);subplot(4,1,3);imhist(a(:,:,2)xlabel(a绿色的直方图);subplot(4,1,4);imhist(a(:,:,3)xlabel(a蓝色的直方图);例例7：绘制彩色图像的直方图。：绘制彩色图像的直方图。020000501001502002500200005010015020025002000050100150200250(1)直方图均衡化直方图均衡化 直方图均衡化是指将一幅图像的像素值均匀地分布在图像的各个区间上，直方图均衡化是指将

17、一幅图像的像素值均匀地分布在图像的各个区间上，从而增加对比度使图像的视觉效果得到改善。在从而增加对比度使图像的视觉效果得到改善。在matlab中，用于直方图中，用于直方图均衡化的函数是均衡化的函数是histeq,它的常见调用格式：它的常见调用格式：J=histeq(I)I是输入的原图像，是输入的原图像，J是直方图均衡后的图像是直方图均衡后的图像例如：对彩色图像进行直方图的均值化。例如：对彩色图像进行直方图的均值化。RGB=imread(peppers.png); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量 G=RGB(:,:,2); %为

18、R G B。G=RGB(:,:,2);B=RGB(:,:,3);subplot(4,2,1),imshow(RGB); %绘制各分量的图像及其直方图title(原始真彩色图像); %subplot(4,2,3),imshow(R);title(真彩色图像的红色分量);subplot(4,2,4), imhist(R);title(真彩色图像的红色分量直方图);subplot(4,2,5),imshow(G);title(真彩色图像的绿色分量);subplot(4,2,6), imhist(G);title(真彩色图像的绿色分量直方图);subplot(4,2,7),imshow(B);titl

19、e(真彩色图像的蓝色分量);subplot(4,2,8), imhist(B);title(真彩色图像的蓝色分量直方图);r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像 g=histeq(G);b=histeq(B);figure,subplot(3,2,1),imshow(r);title(红色分量均衡化后图像);subplot(3,2,2), imhist(r);title(红色分量均衡化后图像直方图);subplot(3,2,3),imshow(g);title(绿色分量均衡化后图像);subplot(3,2,4), imhist(g);title(绿色分量均衡化

20、后图像直方图);subplot(3,2,5), imshow(b);title(蓝色分量均衡化后图像);subplot(3,2,6), imhist(b);title(蓝色分量均衡化后图像直方图);figure, %通过均衡化后的图像还原输出原图像 newimg = cat(3,r,g,b); %imshow(newimg,);title(均衡化后分量图像还原输出原图);原 始 真 彩 色 图 像真 彩 色 图 像 的 红 色 分 量02000真 彩 色 图 像 的 红 色 分 量 直 方 图050100150200250真 彩 色 图 像 的 绿 色 分 量02000真 彩 色 图 像 的

21、绿 色 分 量 直 方 图050100150200250真 彩 色 图 像 的 蓝 色 分 量02000真 彩 色 图 像 的 蓝 色 分 量 直 方 图050100150200250红 色 分 量 均 衡 化 后 图 像020004000红 色 分 量 均 衡 化 后 图 像 直 方 图0100200绿 色 分 量 均 衡 化 后 图 像020004000绿 色 分 量 均 衡 化 后 图 像 直 方 图0100200蓝 色 分 量 均 衡 化 后 图 像020004000蓝 色 分 量 均 衡 化 后 图 像 直 方 图0100200均 衡 化 后 分 量 图 像 还 原 输 出 原 图对

22、比之前的灰度调整clear all;RGB1=imread(peppers.png);subplot(1,2,1);imshow(RGB1);xlabel(a)原图);RGB2=imadjust(RGB1,.2 .3 0;.6 .7 1,);subplot(1,2,2);imshow(RGB2);xlabel(b)校正图像);a)原 图 )b)校 正 图 像 )stretchlim函数可以方便地指定灰度范围，其常用调用格式：函数可以方便地指定灰度范围，其常用调用格式：LOW_High=stretchlim(I,TOL)I输入的图像矩阵输入的图像矩阵TOL是一个两元素的向量，确定需要映射的灰度，

23、默认值为是一个两元素的向量，确定需要映射的灰度，默认值为0.01 0.99例例8：用：用stretchlim函数确定映射的灰度函数确定映射的灰度 I = imread(rice.png);%读取图像读取图像J = imadjust(I,stretchlim(I),0 1);%确定映射的灰度并调整灰度范围确定映射的灰度并调整灰度范围figure, %显示变化后的图像和直方图显示变化后的图像和直方图subplot(221),imshow(I); subplot(222),imshow(J);subplot(223),imhist(I); subplot(224),imhist(J);(2)有限对比

24、自适应直方图均衡化有限对比自适应直方图均衡化adapthisteq函数替换函数替换histeq函数可以进行有限对比自适应直方图均衡化。函数可以进行有限对比自适应直方图均衡化。 histeq函数是在整个图像上进行均衡，而函数是在整个图像上进行均衡，而adapthisteq函数可以在图像上函数可以在图像上的一块小区域进行均衡。由于每一小块区域进行了直方图均衡，因此输出的一块小区域进行均衡。由于每一小块区域进行了直方图均衡，因此输出图像的直方图与指定的直方图匹配。在进行直方图均衡化后，图像的直方图与指定的直方图匹配。在进行直方图均衡化后， adapthisteq函数使用双线性插值方法来组合相邻的区域

25、，以消除人为产函数使用双线性插值方法来组合相邻的区域，以消除人为产生的边界。生的边界。adapthisteq函数的调用格式：函数的调用格式：J= adapthisteq(I)I是需要均衡化的图像是需要均衡化的图像J是自适应直方图均衡化后的图像是自适应直方图均衡化后的图像例例9 有限对比自适应直方图均衡化有限对比自适应直方图均衡化(3)使用去相关性进行色度拉伸使用去相关性进行色度拉伸去相关色度拉伸使用明显的颜色相关来增强图像的颜色分离。这些拉去相关色度拉伸使用明显的颜色相关来增强图像的颜色分离。这些拉伸的颜色改善了图像的视觉效果，同时使图像的特征更容易分离。使伸的颜色改善了图像的视觉效果，同时使

26、图像的特征更容易分离。使用用decorrestretch函数，调用格式：函数，调用格式：S= decorrestretch(I)I是输入的图像矩阵是输入的图像矩阵S是返回的去相关拉伸后的图像是返回的去相关拉伸后的图像图像中色带的数目，即图像中色带的数目，即NBANDS,通常为通常为3，但是使用去相关进行色度，但是使用去相关进行色度拉伸的方法可以不用考虑色带的数目。原始图像的颜色值映射到一个拉伸的方法可以不用考虑色带的数目。原始图像的颜色值映射到一个更大的图像的像素值范围。每个像素值被转换到更大的图像的像素值范围。每个像素值被转换到NBANDS* NBANDS协方差或相关矩阵的特征空间，像素值范

27、围拉伸为色带的方差，然后协方差或相关矩阵的特征空间，像素值范围拉伸为色带的方差，然后再变换到原来的色带。再变换到原来的色带。 8) 线性滤波增强线性滤波增强 滤波是一种图像增强的技术。对一幅图像进行滤波就是刻意强调一滤波是一种图像增强的技术。对一幅图像进行滤波就是刻意强调一些特征而去除另外一些特征。通过滤波可以实现图像的光滑、锐化和边些特征而去除另外一些特征。通过滤波可以实现图像的光滑、锐化和边缘检测。缘检测。 图像滤波是一种邻域操作，输出图像的像素值是对输入图像相应像图像滤波是一种邻域操作，输出图像的像素值是对输入图像相应像素的邻域进行一定的处理而得到的。线性滤波是指对输入图像的邻域进素的邻

28、域进行一定的处理而得到的。线性滤波是指对输入图像的邻域进行线性算法操作得到输出图像。行线性算法操作得到输出图像。（1）卷积）卷积 图像的滤波通过卷积实现。卷积是一种线性的领域操作，其输出像图像的滤波通过卷积实现。卷积是一种线性的领域操作，其输出像素值为输入像素值的加权和。权重矩阵称为卷积核，也称为滤波器，卷素值为输入像素值的加权和。权重矩阵称为卷积核，也称为滤波器，卷积核是相关核旋转积核是相关核旋转180度得到的。度得到的。（2）线性滤波器）线性滤波器线性滤波器可以去除一定的噪声。除了线性滤波外，也可以选择均值滤波线性滤波器可以去除一定的噪声。除了线性滤波外，也可以选择均值滤波器或者高斯滤波器

29、进行滤波。例如对于粒状的噪声，均值滤波器可以很好器或者高斯滤波器进行滤波。例如对于粒状的噪声，均值滤波器可以很好地滤除，因为均值滤波得到的像素值是邻近区域的均值，因此粒状噪声能地滤除，因为均值滤波得到的像素值是邻近区域的均值，因此粒状噪声能够被去除。够被去除。线性空间滤波的函数是线性空间滤波的函数是imfilter,调用格式：调用格式：B=imfilter(A,H)B=imfilter(A,H,option1,option2,)A是输入图像矩阵是输入图像矩阵H是多维滤波器是多维滤波器option1,option2是一些可选参数是一些可选参数B是返回的滤波图像，跟是返回的滤波图像，跟A有相同的数

30、据类型和维数。有相同的数据类型和维数。例例9，通过，通过imfilter（）函数滤波对图像进行平滑处理（）函数滤波对图像进行平滑处理clear all;clc;I=imread(coins.png);J=imnoise(I,salt & pepper,0.02);h=ones(3,3)/5;h(1,1)=0;h(1,3)=0;h(3,1)=0;h(3,3)=0;K=imfilter(J,h);figure;subplot(131);imshow(I);subplot(132);imshow(J);subplot(133);imshow(K);（3）中值滤波器 中值滤波器的原理类似于均值

31、滤波器，均值滤波器输出的像素值为相应像素邻域内的平均值，而中值滤波器输出的像素值为相应像素邻域内的中值。 与均值滤波器相比，中值滤波器对异常值不敏感，因此中值滤波器可以在不减小图像对比度的情况下减小异常值的影响。实现中值滤波的函数是medfilt2,它的常见调用格式：B=medfilt2(A)B=medfilt2(A,m,n)A是输入图像m,n是邻域大小，默认值为3,3B是返回的中值滤波后的图像。例10 中值滤波和均值滤波对比clear all;clc;I=imread(coins.png);I=im2double(I);J=imnoise(I,salt & pepper,0.03);

32、K=medfilt2(J);figure;subplot(131);imshow(I);subplot(132);imshow(J);subplot(133);imshow(K);（4）自适应滤波器）自适应滤波器matlab图像处理工具箱中使用图像处理工具箱中使用wiener2函数根据图像的局部变化对图像函数根据图像的局部变化对图像进行自适应维纳滤波。当图像局部变化大的时候，进行自适应维纳滤波。当图像局部变化大的时候， wiener2函数进行比函数进行比较小的平滑；当图像局部变化小的时候，较小的平滑；当图像局部变化小的时候， wiener2函数进行比较大的平函数进行比较大的平滑。滑。使用使用wiener2函数进行滤波会产生比线性滤波更好的效果，因为自适应滤函数进行滤波会产生比线性滤波更好的效果，因为自适应滤波器保留了图像的边界和图像的高频成分，但它比线性滤波器花费更多的波器保留了图像的边界和图像的高频成分，但它比线性滤波器花费更多的时间。当噪声是加性噪声，如高斯白噪声时，时间。当噪声是加性