数字图像处理第四章

数字图像处理第四章课件第1页，课件共95页，创作于2023年2月概述结果：改善后的图像不一定逼近原图像定义：图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法目的：对图像进行加工，以得到对具体应用来说视觉效果更“好”，更“有用”的图像，也就是说，提高图像的可懂度前提：不考虑图像降质的原因第2页，课件共95页，创作于2023年2月3、图像增强处理最大的困难－增强后图像质量的好坏主要依靠人的主观视觉来评定，也就是说，难以定量描述注意：1、图像增强处理并不能增加原始图像的信息，其结果只能增强对某种信息的辨别能力，而这种处理肯定会损失一些其它信息2、强调根据具体应用而言，更“好”，更“有用”的视觉效果图像第3页，课件共95页，创作于2023年2月图像的动态范围得到压缩、图像边缘信息得到锐化处理以及解决颜色恒常性(即改变光照变化的影响)压缩动态范围第4页，课件共95页，创作于2023年2月第5页，课件共95页，创作于2023年2月主要增强方法增强操作变换直接对象素灰度值运算对图像进行变换第6页，课件共95页，创作于2023年2月空域法的基本原理直接对图像中的象素进行处理基本上是以灰度映射变换为基础所用的映射变换取决于增强的目的第7页，课件共95页，创作于2023年2月频域法的基本原理基础是卷积定理－它采用修改图像傅立叶变换的方法实现对图像的增强处理由卷积定理可知，如果原始图像是f(x,y)，处理后的图像是g(x,y)，而h(x,y)是处理系统中的冲激响应，那么，处理过程可由下式表示

g(x,y)=h(x,y)*f(x,y)如果G(u,v),H(u,v),F(u,v)分别是g(x,y)，h(x,y)和f(x,y)的傅立叶变换，上面的卷积关系可表示为变换域的乘积关系，即

G(u,v)=H(u,v)F(u,v)H(u,v)为传递函数。第8页，课件共95页，创作于2023年2月在增强问题中，f(x,y)是给定的原始数据，经傅立叶变换可得到F(u,v).选择合适的H(u,v),使得

g(x,y)=F-1[H(u,v)F(u,v)]这样得到的g(x,y)比f(x,y)在某些特性方面更具鲜明，突出，因而更具容易识别，解译。两个关键：1、将图像从图像空间转换到频域空间所需的变换T以及再将图像从频域空间转换到图像空间所需的变换T-12、在频域空间对图像进行增强加工的操作EH第9页，课件共95页，创作于2023年2月空域变换增强处理方法基于点操作的增强－也叫灰度变换，常见的几类方法为：1、将f(.)中的每个象素按EH操作直接变换以得到g(.)2、借助f(.)的直方图进行变换3、借助对一系列图像间的操作进行变换前面所讲的图像基本运算基于模板（滤波）操作的增强，主要有平滑和锐化处理两种方法第10页，课件共95页，创作于2023年2月直接灰度变换EH(.)变换函数可以取不同形式，从而得到不同的效果

1、线性变换

基于点操作的增强2、对数变换3、指数变换第11页，课件共95页，创作于2023年2月1、图像求反-灰度值进行反转，黑变白此时的EH(.)操作，可用曲线表示L-1L-1s’t’st0EH(s)普通的黑白底片和照片的关系如此s’－>t’第12页，课件共95页，创作于2023年2月第13页，课件共95页，创作于2023年2月2、增强对比度－增强图像各部分的反差，实际中增加图像中某两个灰度值间的动态范围来实现典型的增强对比度的EH(.)如图所示L-1L-1(s2,t2)(s1,t1)st0EH(s)0～s1之间的动态范围减小s2～L-1之间的动态范围减小s1～s2之间的动态范围增加，对比度增强s1,s2,t1,t2取不同的值，得到不同效果s1=t1,s2=t2，与原图相同s1=s2,t1=0,t2=L-1只有2个灰度级，对比度最大，但细节全丢失第14页，课件共95页，创作于2023年2月第15页，课件共95页，创作于2023年2月3、动态范围压缩－与增强对比度相反，有时原图的动态范围太大，超出某些显示设备的允许动态范围，这时如直接使用原图，则一部分细节可能丢失对原图进行灰度压缩常用的EH(.)操作，是一种对数形式的函数，曲线如图所示L-1L-1st0EH(s)t=Clog(1+|s|)C为尺度比例常数第16页，课件共95页，创作于2023年2月与第3章中傅立叶变换能量谱的表示一致第17页，课件共95页，创作于2023年2月4、灰度切分－与增强对比度相仿，将某个灰度值范围变得比较突出典型的EH(.)操作如图所示L-1L-1st0EH(s)s1s2EH(s)L-1s1

s20L-1ts将s1,～s2之间的灰度级突出，而将其余灰度值逐渐变为某个低灰度值将s1,～s2之间的灰度级突出，而将其余灰度值保留第18页，课件共95页，创作于2023年2月位面图直接灰度变换也可以借助图像的位面表示进行。对1幅用多个比特表示其灰度值得图像来说，其中的每个比特可看作表示了1个二值的平面，也称位面。1幅其灰度级用8bit表示的图像有8个位面，一般用位面0代表最低位面，位面7代表最高位面，如图所示。对图像特定位面的操作进行图像增强第19页，课件共95页，创作于2023年2月实例第20页，课件共95页，创作于2023年2月直方图处理定义灰度级的直方图描述了一幅图像的概貌。简单讲，灰度级直方图就是反映一幅图像中的灰度级与出现这种灰度的概率之间的关系的图形设变量r代表图像中象素灰度级，在图像中，象素的灰度级可作归一化处理，这样，r的值将限定为0≤r≤1对于一幅给定的图像而言，每一个象素取得[0，1]区间内的灰度级是随机的，也就是说，r是一个随机变量。假定对每一瞬间它们是连续的随机变量，那么，就可以用概率密度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标系中的横轴代表灰度级r，用纵轴代表灰度级的概率密度函数pr(r)，这样就可针对一幅图像在这个坐标系中作曲线来。这条曲线在概率论中就是分布密度曲线第21页，课件共95页，创作于2023年2月10rPr(r)（a）图(c)图像的象素灰度值集中在某个较小的范围内，也就是说图像(c)的灰度集中在某一个小的亮区10图（a）的大多数象素灰度值取在较暗的区域。所以这幅图像肯定较暗，一般在摄影过程中曝光过强就会造成这种结果。10rPr(r)（b）图（b）图像的象素灰度值集中在亮区，因此图像的特性偏亮，曝光太弱，导致这种结果。第22页，课件共95页，创作于2023年2月给出来对sk出现概率的1个估计图像的灰度统计直方图－1D的离散函数sk为图像f(x,y)的第k级灰度，nk是图像中具有灰度值sk的象素的个数，n是图像象素总数直方图提供了原图的灰度值分布情况，也可以说给出了一幅图所有灰度值的整体描述离散化定义第23页，课件共95页，创作于2023年2月偏暗第24页，课件共95页，创作于2023年2月直方图修改技术的基础假设对于给定一幅图像的灰度级分布在0<r<1范围内，可以对[0，1]区间内的任何一个r值进行如下变换也就是说，通过上述变换，每个原始图像的象素r都可以产生一个s值。第25页，课件共95页，创作于2023年2月为了达到要求，变换函应满足下列条件：（1）、在范围内，是一个单值增函数

保证原图像各灰度级在变换后，仍保持从黑到白（或从白到黑）的排列次序

（2）、对，有

101保证变换前后灰度值动态范围的一致性

第26页，课件共95页，创作于2023年2月直方图均衡化处理基本思想：把原始图的直方图变换为均匀分布的形式，增加象素灰度值的动态范围，从而达到增强图像整体对比度的效果。基于点操作的增强以累积分布函数变换法为基础的直方图修正法。累积函数满足前面的2个条件将r的分布转换为s的均匀分布s=T(r)=∫0rpr(w)dw累积分布函数是r的函数，并且单调从0增到1对上式中的r求导，则ds/dr=pr(r)代入分布密度函数ps(s)，有ps(s)=[pr(r).dr/ds]r=T-1(s)=[pr(r).1/(ds/dr)]r=T-1(s)＝[pr(r).1/pr(r)]=1变换后的变量s的定义域内的概率密度是均匀分布的。由此可见，用r的累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像，其结果扩展了象素取值得动态范围第27页，课件共95页，创作于2023年2月在实际中还要对取整，以满足数字图像的要求，即还需要重新量化，用均匀量化：

由连续随机变量为基础，引入离散形式的公式pr(rk)=nk/n0≤rk≤

1k=0，1，…l-1第28页，课件共95页，创作于2023年2月实例假设一幅64×64，8bit灰度图像，其概率分布见表，试进行直方图均衡化处理rknkPr(rk)=nk/nr0=07900.19r1=1/710230.25r2=2/78500.21r3=3/76560.16r4=4/73290.08r5=5/72450.06r6=6/71220.03r7=1810.02第29页，课件共95页，创作于2023年2月直方图均衡化处理过程第30页，课件共95页，创作于2023年2月第31页，课件共95页，创作于2023年2月第32页，课件共95页，创作于2023年2月第33页，课件共95页，创作于2023年2月结论利用累积分布函数作为灰度变换函数，经变换后得到的新灰度的直方图虽然不很平坦，但毕竟比原始图像的直方图平坦得多，而且其动态范围也大大扩展，因此这种方法对于对比度较弱的图像进行处理很有效。变换后的灰度级减少，“简并”现象，因此其均衡结果只是近似的采用四舍五入求近似值产生原因第34页，课件共95页，创作于2023年2月减少“简并”现象发生的方法一是增加象素的比特数。如，通常用8bit来代表一个象素，可以用12bit来表示，减少灰度层次的损失二是采用灰度间隔放大理论的直方图修正方法，按照眼睛的对比度灵敏度特性和成像系统的动态范围进行放大实现步骤：1、统计原始图像的直方图2、根据给定的成像系统的最大动态范围和原始图像的灰度级来确定处理后的灰度级间隔3、根据求得的步长来求变换后的新灰度4、用处理后的新灰度代替处理前的灰度第35页，课件共95页，创作于2023年2月直方图规定化处理直方图均衡化的优点－自动的增加整个图像的对比度，但由于它的变换函数采用的是累积分布函数，因此只能产生近似均匀的直方图，这样就限制它的效能，也就是说，在不同的情况下，并不总是需要具有均匀直方图的图像。另外它的增强效果不易控制，处理的结果总是得到全局均衡化的直方图有时需要变换具有特定的直方图的图像，以便能对图像中某种灰度级加以增强，即有选择性的增强某个灰度值范围内的对比度。第36页，课件共95页，创作于2023年2月基本思想：假设pr(r)是原始图像灰度分布的概率密度函数，pz(z)是希望得到的图像的概率密度函数，如何建立pr(r)和pz(z)之间的联系是直方图规定化处理的关键首先对原始图像进行直方图均衡化处理，即假定已经得到了所希望的图像，并且它的概率密度函数是pz(z)，对这幅图像也做均衡化处理，即因为对于这两幅图像(注意：这两幅图像只是灰度分布概率密度函数不同)，同样做了均衡化处理，所以ps(s)和pu(u)具有同样的均匀密度，其中（2）式的逆过程为：第37页，课件共95页，创作于2023年2月根据上面的思路，给出离散情况下的直方图规定化增强处理的步骤为（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）：这样，如果用从原始图像中得到的均匀灰度级s来代替逆过程中的u，其结果灰度级将是所求的概率密度函数pz(z)的灰度级1）用直方图均衡化方法将原始图像作均衡化处理2）规定希望的灰度概率密度函数pz(z)，并用（2）式求得变换函数G(z）3）将逆变换函数z=G-1(s)用步骤1）中所得到的灰度级，即将原始直方图对应映射到规定的直方图，也就是将所以的ps(si)对应到pz(zj)去第38页，课件共95页，创作于2023年2月实例用直方图军均衡化的例子进行直方图规定化处理zkpz(zk)z0=00.00z1=1/70.00z2=2/70.00z3=3/70.15z4=4/70.20z5=5/70.30z6=6/70.20z7=7/7=10.15规定的直方图第39页，课件共95页，创作于2023年2月处理结果和步骤1、对原始图像进行直方图均衡化处理rj->sknkps(sk)r0->s0=1/77900.19r1->s1=3/710230.25r2->s2=5/78500.21r3,r4->s3=6/79850.24R5,r6,r7->s4=14480.11第40页，课件共95页，创作于2023年2月2、计算变换函数uk=G(zk)=∑j=0kpz(zj)ukG(zk)u00.00u10.00u20.00u30.15u40.35u50.65u60.85u71.0第41页，课件共95页，创作于2023年2月3、用直方图均衡化中的sk进行G的反变换求zzk=G-1(sk)这一步实际上是近似过程，也就是找出sk与G(zk)的最接近的值，例如，s0=1/7≈0.14，与它最接近的是G(z3)=0.15，所以可以写成G-1(0.15)=z3，用这样的方法可得到下列变换值s0=1/7－>z3=3/7s1=3/7－>z4＝4/7s2=5/7－>z5=5/7s3=6/7－>z6=6/7s4=1－>z7=1第42页，课件共95页，创作于2023年2月4、用z=G-1(T(r))找出r与z之间的映射关系zkrknkpz(zk)z0=0000.00z1=1/71/700.00z2=2/72/700.00z3=3/7s0=1/73/77900.19z4=4/7

s1=3/74/710230.25z5=5/7

s2=5/75/78500.21z6=6/7

s3=6/76/79850.24z7=1

s4=114480.11第43页，课件共95页，创作于2023年2月第44页，课件共95页，创作于2023年2月图像间的运算也可以增强图像(a)(b)(c)(d)(e)(f)(a)(b)第45页，课件共95页，创作于2023年2月空域滤波增强基于滤波操作的增强借助模板进行邻域操作完成的线性的-基于傅立叶变换的分析非线性的-直接对邻域进行操作特点分功能分平滑－低通滤波，其目的，模糊或消除噪声锐化－高通滤波，其目的增强被模糊的细节第46页，课件共95页，创作于2023年2月都是利用模板卷积运算，主要步骤为1、将模板在图中漫游，并将模板中心与图中某个象素位置重合2、将模拟上系数与模板下对应象素相乘3、将所有乘积相加4、将和（模板的输出响应）赋给图中对应模板中心位置的象素第47页，课件共95页，创作于2023年2月(a)(b)(c)图像一部分3×3模板将k0的位置于图中灰度值为s0的象素重合（即将模板中心放在图中(x,y)位置），模板的输出响应R为：将R赋给增强图，作为在(x,y)位置的灰度值(图c)第48页，课件共95页，创作于2023年2月平滑滤波邻域平均法随着邻域的加大，图像的模糊程度也愈加严重克服第49页，课件共95页，创作于2023年2月原始3×35×57×7(a)(b)(c)(d)(e)(f)第50页，课件共95页，创作于2023年2月中值滤波前面的邻域平滑滤波在消除噪声的同时，会将图像中的一些细节模糊，如果既要消除噪声，又要保持图像的细节基本思想：以某个含奇数个像素点的滑动窗在图象上滑动，以窗口内各点的中值代替窗口正中的那个像素的灰度值。实际运算过程中不需要图像的统计特性，很方便，但对一些细节多，如点、线、尖顶细节多的图像不宜采用第51页，课件共95页，创作于2023年2月中值滤波的主要特性A、对某些输出信号中值滤波的不变性对某些特定的输入信号，如在窗口2n＋1内单调增加或单调减少的序列，中值滤波输出信号仍保持输入信号不变，即或则第52页，课件共95页，创作于2023年2月原信号平均滤波中值滤波(a)阶跃(b)斜坡(c)单脉冲(d)双脉冲(e)三脉冲(f)三角波第53页，课件共95页，创作于2023年2月B、中值滤波去噪声性能中值滤波是非线性运算，因此对随机性质的噪声输入，数学分析是相当复杂的。对于零均值正态分布的噪声输入，中值滤波输出的噪声方差近似为式中：为输入噪声功率（方差）；m为中值滤波窗口长度（点数）；为输入噪声均值；为输入噪声密度函数第54页，课件共95页，创作于2023年2月实例原图像高斯噪声椒盐噪声高斯噪声图的5×5十字中值滤波噪声椒盐噪声图的5×5十字中值滤波噪声第55页，课件共95页，创作于2023年2月锐化滤波主要用于增强图像的边缘及灰度跳变部分邻域平均方法－积分过程－结果使图像的边缘模糊锐化方法－微分过程－结果使图像的边缘突出注意：噪声的影响先去噪，再锐化操作第56页，课件共95页，创作于2023年2月梯度运算微分锐化中常用的方法设图像f(x,y)在点(x,y)的梯度矢量为G[f(x,y)]：两个重要性质：（1）梯度的方向是在函数f(x,y)最大变化率方向上（2）梯度的幅度用G[f(x,y)]表示：第57页，课件共95页，创作于2023年2月对于数字图像，则用离散的式子表示简化f(i,j)f(i,j+1)f(i+1,j)f(i,j)f(i,j+1)f(i+1,j)f(i+1,j+1)Roberts梯度算子结论梯度的近似值和相邻象素的灰度差成正比，因此在图像变化缓慢区域，其值很小，而在线条轮廓等变化快的部分其值很大，梯度运算可使细节清晰，从、而达到锐化的目的第58页，课件共95页，创作于2023年2月拉普拉斯算子一个连续的二元函数f(x,y)，其拉普拉斯运算定义为：拉普拉斯算子对于数字图像，拉普拉斯算子可以简化为：g(i,j)=4f(i,j)-f(i+1,j)-f(i-1,j)-f(i,j+1)-f(i,j-1)也可以表示成卷积形式：g(i,j)=∑f(i,j)H(r,s)0H(r,s)=-10-14-10-10第59页，课件共95页，创作于2023年2月其它锐化算子Sobel算子：S=(dx2+dy2)1/2dx=[fi-1,j-1+2fi,j-1+fi+1,j-1]-[fi-1,j+1+2fi,j+1+fi+1,j+1]dy=[fi+1,j-1+2fi+1,j+fi+1,j+1]-[fi-1,j-1+2fi-1,j+fi-1,j+1]用模板表示：10-12100-2-1-1-2-1010201dx=dy=Prewitt算子：S=(dx2+dy2)1/2用模板表示：10-11100-1-1-1-1-1010101dx=dy=Robert算子：S=(dx2+dy2)1/2用模板表示：100-10-1-10dx=dy=第60页，课件共95页，创作于2023年2月第61页，课件共95页，创作于2023年2月一般产生梯度图是：缺点：使f(x,y)中所有平滑区域在g(x,y)中变成暗区，梯度值较小的原因不破坏平滑区域的灰度值，又能有效的强调图像的边缘图像的边缘增强效果更明显不受背景的影响，只研究图像边缘灰度级变化只对边缘的位置感兴趣第62页，课件共95页，创作于2023年2月实例Sobel算子Roberts算子Prewitt算子原图直接求梯度图第63页，课件共95页，创作于2023年2月阈值为10阈值为30阈值为50原图第64页，课件共95页，创作于2023年2月与平滑比较原图像高斯噪声图的5×5十字中值滤波噪声椒盐噪声图的5×5十字中值滤波噪声直接对原始图像锐化对高斯噪声图像锐化对椒盐噪声图像锐化第65页，课件共95页，创作于2023年2月频域变换增强技术第66页，课件共95页，创作于2023年2月频域变换增强处理技术原理和分类卷积理论是频域技术的基础。设函数f(x,y)与线性位不变算子h(x,y)的卷积结果是g(x,y)，即g(x,y)=h(x,y)*f(x,y)，则根据卷积定理在频域有：G(u,v)＝H(u,v)F(u,v)在具体的应用中，f(x,y)是给定的[F(u,v)可以变换得到]，需要确定的是H(u,v)，这样具有所需特性的g(x,y)可为：g(x,y)＝F-1[H(u,v)F(u,v)]计算步骤（1）计算所需增强图的傅立叶变换（2）将其与1个(根据需要设计)转移函数相乘（3）再将结果傅立叶反变换，以得到增强的图第67页，课件共95页，创作于2023年2月分类低通滤波高通滤波带通和带阻滤波同态滤波第68页，课件共95页，创作于2023年2月低通滤波图像中的边缘和噪声都对应图像傅立叶变换中的高频部分，如要在频域中消弱其影响，设法减弱这部分频率的分量选择合适的H(u,v)以得到消弱F(u,v)高频分量的G(u,v)1、理想低通滤波器（ILPF）IdealLowPassFilter1D(u,v)≤D00D(u,v)>D0D0为截止频率，D(u,v)为频率平面上的点(u,v)到原点的距离不同的H(u,v)，得到不同的低通滤波第69页，课件共95页，创作于2023年2月理想低通滤波器，是指以截频D0为半径的圆内的所有频率都能无损通过，而在截频之外的频率分量完全被衰减。理想低通滤波器可以用计算机模拟实现，但却不能用电子元器件来实现。理想低通滤波器平滑处理的概率清晰，但在处理过程中会产生较严重的模糊和振铃现象，D0越小，这种现象越严重。第70页，课件共95页，创作于2023年2月实例(a)(b)(c)(d)(e)(f)(g)第71页，课件共95页，创作于2023年2月2、巴特沃兹低通滤波器（BLPF）巴特沃兹低通滤波器又称为最大平坦滤波器。它与理想低通滤波器不同，它的通带和阻带之间没有明显得不连续性。也就是说，在通带和阻带之间有一个平滑的过渡带。通常把H(u,v)下降到某一值得那点定位截止频率D0。与理想低通滤波器的处理结果相比，巴特沃兹滤波器处理的图像模糊程度减少，因为它的H(u,v)不是陡峭的截止特性，它的尾部会包含大量的高频成分。另外经巴特沃兹低通滤波器处理的图像将不会有振铃现象。这是由于在滤波器的通带和阻带之间有一平滑过渡的缘故。第72页，课件共95页，创作于2023年2月(a)(b)(c)(d)(e)(f)第73页，课件共95页，创作于2023年2月高通滤波1、理想高通滤波器0D(u,v)≤D01D(u,v)>D0通过高通滤波正好把以D0为半径的圆内的频率成分衰减掉，对圆外的频率成分则无损通过。可以通过计算机模拟实现，但不可能用电子元器件实现。第74页，课件共95页，创作于2023年2月2、巴特沃兹高通滤波器第75页，课件共95页，创作于2023年2月结果第76页，课件共95页，创作于2023年2月同态滤波在实际工作中，存在一类图像，灰度级动态范围很大，即黑的部分很黑，白的部分很白，而感兴趣的某部分物体灰度级范围又小，分不清物体的灰度层次和细节采用一般的灰度线性变换是不行的，因为扩展灰度级虽可以提高物体图像的反差，但会使动态范围更大，而压缩灰度级，虽可以减少动态范围，但物体灰度层次和细节都不清晰采用图像同态滤波方法，如果使用合适的滤波特性函数，可以达到既压缩灰度动态范围，又能让感兴趣的物体部分灰度级扩展，从而使图像清晰第77页，课件共95页，创作于2023年2月反射分量集中在高频段，描述景物的细节，与照明无关同态滤波是一种在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强的方法－即把频率过滤和灰度变换结合起来以图像的照明反射模型作为频域处理的基础，设自然景物的图像f(x,y)可以表示成它的照度分量fi(x,y)与反射分量fr(x,y)的乘积照度分量集中在低频段，描述景物的照明，与景物无关由于傅立叶变换是线性变换，无法将两个分量分开，即第78页，课件共95页，创作于2023年2月同态滤波原理lnH(u,v)(u,v)0.51.02.0第79页，课件共95页，创作于2023年2月具体步骤1、通过取对数将他们在频率上分开这主要是因为照度分量和反射分量所具有的特性，一幅图像取对数后的傅立叶变换的低频分量和照度分量联系，反射分量与高频分量联系，近似虽然粗糙的，但能有很好的增强效果2、进行傅立叶变换－照明函数频谱在低频段，反射函数频谱在高频段令第80页，课件共95页，创作于2023年2月3、在频率域对I(u,v)和R(u.v)分别进行修正照度分量变化缓慢，但变化幅度很大，使图像的动态范围很宽，占用很大比特数，对图像信号传输、处理和存储提出很高的要求，但它又不包含多少信息量，因此将其压缩反射分量描述的景物，特别是阴影区（如山沟中的建筑物）图像灰度级范围很小，层次不清，细节不明，可这正是人们感兴趣的，为此将其扩展，以获得更多的信息将图像频谱乘上一个传递函数H(u,v)的同态滤波器，图像在低频段被压缩，在高频段增强，从而达到图像增强的目的第81页，课件共95页，创作于2023年2月4、对上式进行反傅立叶变换，得5、对上式求指数－获得增强后的图像令第82页，课件共95页，创作于2023年2月这样就获得了增强后的图像，显然针对图像本身特性以及实用需要选用不同形状的传递函数，就会对整个图像灰度级范围进行不同程度的压缩，而对其中感兴趣的景物灰度级进行不同的扩展，从而得到合适的层次和细节。第83页，课件共95页，创作于2023年2月局部增强前面都可以认为是对整幅图像进行操作，而且在确定变换或转移函数是也是基于整幅图像的统计量在实际中，对某些局部信息感兴趣，其象素数量相对于整幅图像的象素数量往往较小，利用整幅图像算得的变换或转移函数并不能保证在这些局部区域能得到增强效果直方图变换是空域增强中最常用的方法，也容易用于局部增强。图像分成一系列小区域（子图象）第84页，课件共95页，创作于2023年2月彩色图像增强人眼只能分辩几十种不同深浅的灰度级，但能分辩几千种不同的颜色－借助彩色图像增强视觉效果。彩色图像增强方法－伪彩色增强，真彩色增强第85页，课件共95页，创作于2023年2月伪彩色增强对原来灰度图像中不同灰度值的区域赋予不同的颜色，以更明显的区分－赋色过程实际上是一种着色过程视觉效果明显，不复杂的图像增强技术优点相同物体或大物体各个部分因光照灯条件不同，形成不同的灰度级，结果出现了不同彩色，错误判断缺点密度切割灰度变换频域滤波方法分类第86页，课件共95页，创作于2023年2月密度切割设一幅黑白图像f(x,y)，在某一个灰度级如f(x,y)=Li上设置一个平行于xy平面的切割平面，如图(a)所示，黑白图像被切割成只有两个灰度级，切割平面下面的即灰度级小于Li的象素分配一种颜色（如蓝色），相应的切割平面上的即灰度级大于Li的象素分配给另外一种颜色（如红色），如图(b)所示第87页，课件共95页，创作于2023年2月用M个切割平面，得到M个不同区域，分配M种不同颜色的伪彩色图像优点：简单，可以用硬件实现，还可以扩大用途，如计算图像中某灰度级面积等缺点：视觉效果不理想，彩色生硬，量化噪声大(分割误差)，为了减少量化误差，必须增加分割级数，引起设备复杂，而且彩色漂移严重第88页，课件共95页，创作于2023年2月灰度级－彩色变换在遥感技术中常称为假彩色合成方法，可以将黑白灰度图像变为具有多种颜色渐变的连续彩色图像基本思想：对输入象素的灰度级进行三个相互独立的转换，然后，这三个结果分别送到彩色监视器的红、绿、蓝的电子发射枪上。同一灰度由于三个变换器对其实施不同变换，而使三个变换器输出不同，从而在彩色显像管里合成某种彩色第89页，课