数字图像处理空域增强技术

第1页，共82页，2023年，2月20日，星期五图象增强

目标：改善图象质量/改善视觉效果

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第4章空域增强技术

第2页，共82页，2023年，2月20日，星期五4.1 空域技术分类空域：指由象素组成的空间

空域增强：

点操作： 灰度点操作 几何操作第3页，共82页，2023年，2月20日，星期五4.1 空域技术分类点操作,也叫灰度映射，常用方法有：

(1)借助对一系列图象间的操作进行变换

(2)将f(·)中的每个象素按EH操作直接变换 以得到g(·)；

(3)借助f(·)的直方图进行变换模板操作：包括点和邻域的操作。第4页，共82页，2023年，2月20日，星期五4.2

图象间运算

图象间的运算指以图象为单位进行的操作，运算的结果是一幅新图象

4.2.1算术和逻辑运算 4.2.2图象间运算的应用第5页，共82页，2023年，2月20日，星期五4.2.1算术和逻辑运算1.算术运算

(1)加法：记为p+q

(2)减法：记为p–q

(3)乘法：记为pq

(4)除法：记为p÷q 对整幅图象的算术和逻辑运算是逐象素进行的，即在两幅图象的对应（位置）象素间进行

第6页，共82页，2023年，2月20日，星期五4.2.1算术和逻辑运算2.逻辑运算 (1)补（COMPLEMENT）：记为NOTq (2)与（AND）：记为pANDq

(3)或（OR）：记为pORq (4)异或（XOR）：记为pXORq {图4.2.1，图4.2.2}

第7页，共82页，2023年，2月20日，星期五4.2.2

图象间运算的应用1.图象间加法的应用-去除采集中混入的噪音 模型 求平均期望值方差第8页，共82页，2023年，2月20日，星期五类似于地震中的叠加处理，叠加后有效波增强了N倍，随机干扰增强了倍，信噪比相对增强了倍，N为覆盖次数。第9页，共82页，2023年，2月20日，星期五当M增大，即对图像相加次数增加时，去除加性（Additive）噪声的效果更加明显第10页，共82页，2023年，2月20日，星期五加法运算生成图像叠加效果对于两个图像f(x,y)和h(x,y)的均值有：g(x,y)=f(x,y)/2+h(x,y)/2会得到二次曝光的效果。推广这个公式为：

g(x,y)=αf(x,y)+βh(x,y)

其中α+β=1，我们可以得到各种图像合成的效果也可以用于两张图片的衔接第11页，共82页，2023年，2月20日，星期五举例：加法运算＋＝第12页，共82页，2023年，2月20日，星期五

2.图象间减法的应用

设有图象f(x,y)和h(x，y)，它们的差为：

g(x，y)=f(x，y)-h(x，y)

图象相减的结果就可把两图的差异显示出来。第13页，共82页，2023年，2月20日，星期五减法运算可以去除不需要的叠加性图案设：背景图像b(x,y)，前景背景混合图像f(x,y)

g(x,y)=f(x,y)–b(x,y)g(x,y)为去除了背景的图像电视制作的蓝屏技术就基于此减去背景图像b(x,y)添加蓝色背景f(x,y)g(x,y)第14页，共82页，2023年，2月20日，星期五减法运算可以检测同一场景两幅图像之间的变化设：时间1的图象为T1(x,y)，时间2的图象为T2(x,y)g(x,y)=T2(x,y)-T1(x,y)=-第15页，共82页，2023年，2月20日，星期五图(a)到图(c)为一个视频序列中的连续三帧，图(d)给出第1帧和第2帧的差，图(e)给出第2帧和第3帧的差，图(f)给出第1帧和第3帧的差。第16页，共82页，2023年，2月20日，星期五乘法运算-校正非均匀性造成的灰度阴影用二值蒙板图像与原图像做乘法进行图像的局部显示：第17页，共82页，2023年，2月20日，星期五非运算可以获得一个阴图象255－第18页，共82页，2023年，2月20日，星期五非运算获得一个子图像的补图像255－第19页，共82页，2023年，2月20日，星期五异或运算01＝1 10＝1 00＝0 11＝0可以获得相交子图象=第20页，共82页，2023年，2月20日，星期五或运算0v1＝1 1v0＝1 0v0＝0 1v1＝1可以合并子图像=第21页，共82页，2023年，2月20日，星期五与运算0

1＝0 1

0＝0 0

0＝0 1

1＝1求两个子图像的相交子图=第22页，共82页，2023年，2月20日，星期五与运算0

1＝0 1

0＝0 0

0＝0 1

1＝1模板运算：提取感兴趣的子图像=第23页，共82页，2023年，2月20日，星期五4.3

直接灰度映射

将f(x,y)中的每个象素灰度按EH

操作直接变换以得到g(x,y)

4.3.1灰度映射原理 4.3.2典型灰度映射第24页，共82页，2023年，2月20日，星期五4.3.1

灰度映射原理直接灰度映射是一种点操作第25页，共82页，2023年，2月20日，星期五1、图象求反 2、

增强对比度3、动态范围压缩 4、灰度切分4.3.2

典型灰度映射第26页，共82页，2023年，2月20日，星期五T=L-1-s直接灰度变换第27页，共82页，2023年，2月20日，星期五第28页，共82页，2023年，2月20日，星期五第29页，共82页，2023年，2月20日，星期五S1=t1s2=t2S1=s2t1=0t2=L-1第30页，共82页，2023年，2月20日，星期五第31页，共82页，2023年，2月20日，星期五第32页，共82页，2023年，2月20日，星期五第33页，共82页，2023年，2月20日，星期五4.4

直方图变换 直方图是图象的一种统计表达

直方图反映了图中灰度的分布情况

4.4.1直方图均衡化 4.4.2直方图规定化

第34页，共82页，2023年，2月20日，星期五灰度统计直方图 1-D的离散函数 提供了图象象素的灰度值分布情况计算： 设置一个有L个元素的数组，对原图的灰度值进行统计4.4.1

直方图均衡化第35页，共82页，2023年，2月20日，星期五灰度直方图下图所示，灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率，是图像的最基本的统计特征第36页，共82页，2023年，2月20日，星期五直方图举例第37页，共82页，2023年，2月20日，星期五直方图举例(续…)典型图像Lena

的灰度分布第38页，共82页，2023年，2月20日，星期五直方图举例(续…)第39页，共82页，2023年，2月20日，星期五直方图举例(续…)图像的灰度级

较低第40页，共82页，2023年，2月20日，星期五直方图举例(续…)第41页，共82页，2023年，2月20日，星期五直方图举例(续…)图像的灰度级

较高第42页，共82页，2023年，2月20日，星期五直方图举例(续…)第43页，共82页，2023年，2月20日，星期五直方图举例(续…)图像的灰度主要

分布在中等的灰

度级中第44页，共82页，2023年，2月20日，星期五直方图举例(续…)第45页，共82页，2023年，2月20日，星期五直方图举例(续…)灰度分布比较

均匀第46页，共82页，2023年，2月20日，星期五直方图举例(续…)注意图像和直方图之间的关系注意高对比度的图像有更平坦

的直方图第47页，共82页，2023年，2月20日，星期五直方图的应用直方图给出了一个简单可见的指示，用来判断一幅图像是否合理的利用了全部被允许的灰度级范围。一幅图像应该利用全部或几乎全部可能的灰度级，否则

等于增加了量化间

隔。丢失的信息将

不能恢复。第48页，共82页，2023年，2月20日，星期五直方图的应用假设某图像的灰度直方图具有二峰性，则表明这个图像较亮的区域和较暗的区域可以较好地分离，取二峰间的谷点为阈值点，可以得到好的２值处理效果第49页，共82页，2023年，2月20日，星期五直方图均衡化直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图的图像，即在每个灰度级上都具有相同的像素点数的过程，便于进行图像比较或分割下图为执行均衡化后的飞机图第50页，共82页，2023年，2月20日，星期五直方图均衡化 借助直方图变换实现（归一的）灰度映射 均衡化（线性化）基本思想 变换原始图象的直方图为均匀分布

==>大动态范围 使象素灰度值的动态范围最大

==>增强图象整体对比度（反差）4.4.1

直方图均衡化第51页，共82页，2023年，2月20日，星期五 归一化直方图

增强函数

(1)

EH(s)：单值单增函数，

各灰度级在变换后仍保持排列次序

(2)

变换前后灰度值动态范围一致4.4.1

直方图均衡化第52页，共82页，2023年，2月20日，星期五 （归一化）累积直方图 (1) tk是k

的单值单增函数

(2)

灰度取值范围一致，0≤

tk

≤1(3) 将s的分布转换为t的均匀分布4.4.1

直方图均衡化{表4.4.1}第53页，共82页，2023年，2月20日，星期五4.4.1

直方图均衡化第54页，共82页，2023年，2月20日，星期五N=8,取整在matlab中用int8，int16等函数Int是向下取整最大第55页，共82页，2023年，2月20日，星期五直方图均衡化效果实例1.直方图均衡化增加了图象灰度动态范围，所以也增加了图象的对比度，反映在图象上就是图象有较大的反差，许多细节可看得比较清晰了。（优点）2.实质上压缩了灰度相近的范围，拉大了灰度相差较大的范围，所以直方图均衡化在增强反差的同时也增加了图象的可视粒度(graininess，patchness)，图像看上去是一粒一粒的。（缺点）3.增强效果不易控制，处理的结果总是全局均衡化的直方图，不利于交互。（缺点）——提出了直方图规定化第56页，共82页，2023年，2月20日，星期五第57页，共82页，2023年，2月20日，星期五实际中有时需要变换直方图使之成为某个特定的形状，从而有选择地增强某个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化方法。一般来说正确地选择规定化的函数有可能获得比直方图均衡化更好的效果。直方图规定化方法主要有3个步骤(这里设M和N分别为原始图和规定图中的灰度级数，且只考虑N≤M的情况)：4.4.2

直方图规定化第58页，共82页，2023年，2月20日，星期五 借助直方图变换实现规定/特定的灰度映射 (1)对原始直方图进行灰度均衡化 (2)规定需要的直方图，计算能使规定直方

图均衡化的变换 (3)将原始直方图对应映射到规定直方图4.4.2

直方图规定化三个步骤第59页，共82页，2023年，2月20日，星期五a.单映射规则（SML）单映射是从原始累积直方图向规定累积直方图映射。第60页，共82页，2023年，2月20日，星期五b.组映射规则（GML）组映射是从规定累积直方图向原始累积直方图映射。第61页，共82页，2023年，2月20日，星期五4.4.2

直方图规定化第62页，共82页，2023年，2月20日，星期五第63页，共82页，2023年，2月20日，星期五单映射组映射第64页，共82页，2023年，2月20日，星期五误差分析：1.连续情况下两种规则都能给出精确的规定化结果。2.SML映射规则的期望误差总是大于等于GML映射规则的期望误差。3.SML是一种有偏的映射规则，GML为统计无偏的映射规则。误差的计算：各段误差绝对值之和上图中：SML——0.48，GML——0.04第65页，共82页，2023年，2月20日，星期五直方图规定化示例

第66页，共82页，2023年，2月20日，星期五直方图规定化vs.直方图均衡化 直方图均衡化：自动增强 效果不易控制 总得到全图增强的结果 直方图规定化：有选择地增强 须给定需要的直方图 可特定增强的结果4.4.2

直方图规定化第67页，共82页，2023年，2月20日，星期五4.5

线性滤波 利用象素本身以及其邻域象素的灰度关系进行增强的方法常称为滤波 4.5.1技术分类和实现原理

模板卷积，邻域操作

4.5.2线性平滑滤波器

减弱或消除图象中的噪声

第68页，共82页，2023年，2月20日，星期五4.5.1

技术分类和实现原理 在图象空间借助模板进行邻域操作 分类1： (1)

线性：如邻域平均

(特点) (2)

非线性：如中值滤波 分类2：

(1)

平滑：模糊，消除噪声

(功能)(2)

锐化：增强被模糊的细节第69页，共82页，2023年，2月20日，星期五滤波器实现——>邻域运算：4.5.1

技术分类和实现原理第70页，共82页，2023年，2月20日，星期五1、邻域平均 系数都是正的 保持灰度值范围（所有系数之和为1）

例：33模板4.5.2线性平滑滤波器{图4.5.2}第71页，共82页，2023年，2月20日，星期五线性低通滤波中最常用的是线性平滑滤波器，它的所有系数都是正的。对33的模板来说，取所有系数都为1并在算得R后将其除以9再行赋值。这种方法也常叫邻域平均。讨论：模板的尺寸

3*35*57*79*9

第72页，共82页，2023年，2月20日，星期五第73页，共82页，2023年，2月20日，星期五2、加权平均 中心系数大 周围系数小

4.5.2线性平滑滤波器第74页，共82页，2023年，2月20日，星期五4.6

非线性滤波发展方向：逻辑的、几何的、代数的非线性滤波器分类：基于集合的、基于形状的、基于排序的 4.6.1非线性平滑滤波器 4.6.2非线性锐化滤波器

第75页，共82页，2023年，2月20日，星期五4.6.1

非线性平滑滤波器 既消除噪声又保持细节（不模糊）

中值（median）滤波器 (1)将模板中心与象素位置重合 (2)读取模板下各对应象素的灰度值 (3)将这些灰度值从小到大排成1列 (4)找出这些值里排在中间的1个 (5)将这个中间值赋给模板中心位置象素{图4.6.1}第76页，共82页，2023年，2月20日，星期五中值滤波能让与周围像素灰度值的差较大的像素改取与周围像素值接近的值，所以对鼓励的噪声像素的消