图像处理课件版04图像增强点运算

数字图像处理图像增强的点运算图像增强算法并不能增加原始图像的信息，而是通过某种技术手段有选择地突出对某一具体应用有价值的信息。灰度线性变换1．全域线性变换灰度范围线性变换关系采用线性变换对图像每一个像素灰度作线性拉伸，可有效地改善图像视觉效果。反相变换

在图像增强中，为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可以采用分段线性变换。常用的方法是分三段作线性变换，其数学表达式为2．分段线性变换对比度扩展（ContrastStretching）：分段线性变换中最常见的就是对比度扩展，即图像对比度增强。消波的变换关系削波（Clipping）：削波可以看作是对比度扩展的一个特例。阈值化的变化关系阈值化（Thresholding）：阈值化可以看作是削波的一个特例3.对数变换对数变换的一般表达式为可以使用更简化的形式。比如matlab中：F=log(1+F);对数变换的主要应用对数变换将变化范围较大的灰度级压缩到较小的范围内例如：显示傅里叶变换的频谱值频谱值的范围从0到106或更高图像显示系统不能显示如此大范围的灰度值，使许多重要的灰度细节显示不出来增强较暗区域的对比，减弱较亮区域的对比。4.指数变换指数变换可以对图像的高灰度区给予较大的拉伸。一般表达式为伽马变换γ<1时变换将增强较暗区域的对比，减弱较亮区域的对比。γ>1时变换作用相反；右上，左下，右下分别为γ=3.0,4.0,5.0时的结果(a)原始灰度图像(b)|(c)(b)log10对数变换处理结果(c)γ=2时幂变换的处理结果5.直方图均衡一幅图像的像素若占有全部的灰度级且分布均匀，就能够具有高对比度；灰度级变换，新图像中每个点的灰度s是该点原始灰度r的变换结果：s=T(r)基本思想是：把原始图的直方图变换为均匀分布的形式(对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减)，这样增加了像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；直方图均衡化算法(1)求出图像中所包含的灰度级fj

,可以定为0~L-1,(0~255)(2)统计各灰度级的像素数目nj(j=0,1,2,…L-1)(3)计算图像直方图:(4)计算累积分布函数：i=0,1,2,…L-1nnfPjjf=)(（5）应用以下公式计算映射后的输出图像的灰度级gi(i=0,1,2,…P-1)

，P为输出图像灰度级的个数：其中，为取整符号；（6）统计映射后各灰度级的像素数目；（7）计算输出图像直方图；（8）用的映射关系修改原始图像的灰度级，从而获得直方图近似为均匀分布的输出图像。均衡化处理举例，有一幅8×8的图像如下所示:0464445555044454554464656044065544644406444040554446444444075555共有8个灰度级：01234567各灰度级像素数nj：8000311681求直方图pf(nj/n)：.125000.484.25.125.016映射gi=

INT[7C(i)+0.5]

：11114677求C(i)：.125.125.125.125.609.859.9841.001474446666144464664474767144176644744417444141664447444444176666统计ni：8888311699直方图(ni/n)

：.125.125.125.125.484.25.141.141fi

gi这样，不同的灰度级(6,7)合并成同一个灰度级，减少了图像的灰度等级，以便换取对比度的扩大。00.14290.28570.42860.57140.71430.85711.006.直方图规定化使原图像灰度直方图变成规定形状的直方图而对图像作修正的一种增强方法直方图规定化算法直方图规定化增强处理的步骤如下：①对原始图像作直方图均衡化处理；②按照希望得到的图像的灰度概率密度函数pz(z)，求得变换函数G(z)；③用步骤①得到的灰度级s作逆变换z=G-1(s)。经过以上处理得到的图像的灰度级将具有规定的概率密度函数pz(z)。0464445555044454554464656044165544644406444042554446444444375555共有8个灰度级：01234567各灰度级像素数nj：5111311681求直方图pf(nj/n)：.078.016.016.016.484.25.125.016规定输出直方图pz

：00.20.500.3求C(f)：.078.094.110.126.610.860.9851.012474447777244474774474777244277744744427444242774447444444277777确定映射关系：2222