数字图象处理三空间域图像增强

数字图象处理三空间域图像增强第1页，共58页，2023年，2月20日，星期六一、概述:●图像增强的目标

处理图像，使其比原始图像更适合于特定的应用。说明：1。“好”和“有用”没有统一的标准。2。图像增强并不以图像保真为准则●图像增强分为“空间域图像增强”和“频率域图像增强”。第2页，共58页，2023年，2月20日，星期六3.1背景知识

●定义空间域的图像处理为：●图像的操作分为两大类：

单点操作:

邻域操作：第3页，共58页，2023年，2月20日，星期六●对比度增强的灰度变换第4页，共58页，2023年，2月20日，星期六●邻域操作的模板法。第5页，共58页，2023年，2月20日，星期六3.2一些基本的图像灰度变换（单点操作）●常用的灰度变换函数包括：◆反比变换◆对数和反对数变换◆幂次变换第6页，共58页，2023年，2月20日，星期六3.2.1反比变换s=L-1-r第7页，共58页，2023年，2月20日，星期六3.2.1对数变换●对数变换(3.2.2)对数变换的作用：压缩了图像的动态范围第8页，共58页，2023年，2月20日，星期六3.2.3幂次变换●幂次变换的表达式：●对于不同的γ，其曲线形式不同。◆当γ<1时，其曲线形式和对数曲线相似。◆当γ>1时，作用相反●γ(伽马)校正：第9页，共58页，2023年，2月20日，星期六用幂次变换进行对比度增强的效果(γ<1):核磁共振图像第10页，共58页，2023年，2月20日，星期六用幂次变换进行对比度增强的效果(γ>1)第11页，共58页，2023年，2月20日，星期六3.2.4分段线性变换函数●对比度拉伸第12页，共58页，2023年，2月20日，星期六灰度切割●方法有两个：●教材中的位平面切割放在图像压缩时讲。第13页，共58页，2023年，2月20日，星期六3.3直方图处理●什么是图像的直方图？

●图像的直方图在图像增强、图像分割中都有重要的应用。第14页，共58页，2023年，2月20日，星期六第15页，共58页，2023年，2月20日，星期六3.3.1直方图均衡化●寻找一个适当的灰度变换函数

，通过这个灰度变换函使得图像的直方图变得平直。第16页，共58页，2023年，2月20日，星期六★理论推导：

灰度变换形式：离散化处理：第17页，共58页，2023年，2月20日，星期六均衡前直方图Fig.3.17均衡前图像均衡后图像均衡后直方图第18页，共58页，2023年，2月20日，星期六直方图均衡时生成的灰度变换函数第19页，共58页，2023年，2月20日，星期六直方图均衡的另一个例子第20页，共58页，2023年，2月20日，星期六3.3.2直方图匹配迭代修改一幅图像的直方图，使得它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。●什么是直方图匹配？第21页，共58页，2023年，2月20日，星期六直方图匹配的实例第22页，共58页，2023年，2月20日，星期六●

图a是直方图均衡时的灰度变换函数，图b是均衡后的图像，图c是均衡后的直方图。第23页，共58页，2023年，2月20日，星期六●

改用直方图匹配来处理

第24页，共58页，2023年，2月20日，星期六3.3.3局部直方图均衡●在小区域内进行直方图均衡●局部直方图均衡可增强图像的细节。第25页，共58页，2023年，2月20日，星期六3.3.4利用图像统计参数来增强图像图像的均值：图像的n阶矩：●2阶矩最重要方差（或标准差），是对比度的度量第26页，共58页，2023年，2月20日，星期六3.3.4利用图像统计参数来增强图像对下图采用下面的增强准则:第27页，共58页，2023年，2月20日，星期六图像统计量的图像显示第28页，共58页，2023年，2月20日，星期六统计方法增强的结果第29页，共58页，2023年，2月20日，星期六3.4用算术/逻辑操作增强图像●可以利用两幅图像算术运算(加、减、乘、除)，或逻辑运算(与、或、非)，来进行图像操作(处理)。(a)逻辑“非”(取反)：8位二进制码的逐位取反，(b)“与”运算：是两幅图像每个像素灰度值得二进制码，逐位“取与”。(c)“或”运算：是两幅图像每个像素灰度值得二进制码，逐位“取或”。第30页，共58页，2023年，2月20日，星期六与：或：图像间逻辑运算实例第31页，共58页，2023年，2月20日，星期六3.4.1图像相减运算●图像的算术运算(加、减、乘、除)中，用得最多的是图像之间的相减和相加。●两幅图像和相减，表示为：第32页，共58页，2023年，2月20日，星期六3.4.1图像相减运算实例●血管造影：

●图b是相减图像第33页，共58页，2023年，2月20日，星期六3.4.2图像平均处理(加法处理)●利用多幅图像相加，然后取平均的办法，其目的主要是为了降低图像的噪声。平均8次平均16次平均64次平均128次第34页，共58页，2023年，2月20日，星期六平均图像和真实图像的差●不同平均次数的的差值图像和直方图。

平均8次平均16次平均64次平均128次第35页，共58页，2023年，2月20日，星期六3.5空间滤波基础●空间域滤波是通过模板运算实现的。第36页，共58页，2023年，2月20日，星期六3×3空间滤波的模板●这个模板作用于图像的结果为：第37页，共58页，2023年，2月20日，星期六3.6平滑空间滤波器3.6.1平滑线性滤波器●平滑线性滤波器的主要作用：(1)减小图像噪声；(2)对图像进行模糊化处理。

简单平均

加权平均第38页，共58页，2023年，2月20日，星期六●平滑线性滤波器

实例1：n=3n=5n=9n=15n=35第39页，共58页，2023年，2月20日，星期六平滑线性滤波器实例2第40页，共58页，2023年，2月20日，星期六不连续到连续平滑线性滤波器实例3第41页，共58页，2023年，2月20日，星期六3.6.2统计排序滤波器中值滤波法取3X3窗口从小到大排序，取中间值第42页，共58页，2023年，2月20日，星期六中值滤波实例第43页，共58页，2023年，2月20日，星期六3.7锐化空间滤波器●图像的锐化是加强图像的细节部分。其实质是对图像进行高通滤波。3.7.1空间域锐化滤波基础●图像的空间域锐化是采用图像微分实现的(一阶微分和二阶微分)。●对数字图像用差分来代替微分：一阶微分：二阶微分：第44页，共58页，2023年，2月20日，星期六图像微分实例第45页，共58页，2023年，2月20日，星期六3.7.2二阶微分的图像增强—拉普拉斯算子

●Laplacian算子：

●对数字图像，二阶微分为：那么对数字图像，laplacian算子为：第46页，共58页，2023年，2月20日，星期六拉普拉斯算子的模板第47页，共58页，2023年，2月20日，星期六拉普拉斯变换结果和原图像的复合Laplacian掩膜中心为“负”Laplacian掩膜中心为“正”(3.7.5)使用拉普拉斯算子进行图像锐化的实例第48页，共58页，2023年，2月20日，星期六复合拉普拉斯掩膜

●简化为一个过程，即(3.7.6)第49页，共58页，2023年，2月20日，星期六反锐化掩蔽

●反锐化掩蔽可以表示为：高提升滤波Laplacian掩膜中心为“负”Laplacian掩膜中心为“正”(3.7.1)第50页，共58页，2023年，2月20日，星期六高提升滤波实例第51页，共58页，2023年，2月20日，星期六3.7.3基于一阶微分的图像增强----梯度法

●一阶微分用于图像增强，是用图像的梯度。●梯度的模，即第52页，共58页，2023年，2月20日，星期六

(1)一般的梯度算法在用计算机计算梯度时，常用绝对值运算代替上式：(2)罗伯茨（Roberts）梯度算法第53页，共58页，2023年，2月20日，星期六梯度算子模板Sobel算子第54页，共58页，2023年，2月20日，星期六Sobel算子

应用实例第55页，共58页，2023年，2月20日，星期六一阶微分：梯度算法突出边缘二阶微分：拉普拉斯变换突出细节第56页，共58页，2023年，2月20日，星期六3.8混合空间增强法(a)(c)(b)(d)(e)(f)(g)(h)(a)的拉普拉斯变换(a)+(b)(a)的Sobel处理(d)的均值滤波(c)*(e)(a)+(f)