第4章-图像增强

第4章图像增强1.问题的引入

看两个图例，分析画面效果不好的原因。亮暗差别不是很大2.解决问题的思路

提高对比度，增加清晰度3.4.1对比度对比度的概念：对比度：通俗地讲，就是亮暗的对比程度。对比度通常表现了图像画质的清晰程度。4.对比度的计算对比度的计算公式如下：其中： 即相邻像素间的灰度差即相邻像素间的灰度差为δ的像素分布概率5.像素的邻域 一个坐标为(x,y)的像素p，有4个水平和垂直方向的近邻像素。坐标分别为(x-1,y)，(x,y+1)，(x+1,y)，(x,y-1)。这些像素组成p的四邻域，用N4(p)表示。再加上P的4个对角邻域像素(x-1,y-1)、(x-1,y+1)、(x+1,y+1)、(x+1,y-1)合成为P的八邻域,用N8(p)表示。23P14N4(p)4325P1678N8(p)6.对比度的计算例题设图像信息强度为：

(四邻域范围)7.图像在获取、传输等过程中，往往会发生质量损伤，通常利用图像增强方法以改善图像的质量。图像增强的目的是为了改善画质，使图像的显示更加清晰。图像增强可能为了视觉的或应用的需要,使图像中重要的（或感兴趣的）内容更突出，更容易被获取，对不重要的内容加以抑制，以获得更显著的显示效果。图像增强可以将不同灰度的图像赋以不同的彩色（即伪彩色），以增强人类的视觉感知。在医学图像处理和多波段遥感图像中经常采用。图像增强8.图像增强可以有多种方法，这一章主要介绍图像灰度变换。图像的灰度变换也称为直方图修正。对灰度直方图进行某些操作，可以改变图像的某些特性，从而使它直接成为图像处理的一种手段。所谓灰度变换，就是通过一个灰度映射函数：Gnew=F(Gold)，将原灰度直方图改造成你所希望的直方图。所以，灰度变换的关键就是灰度映射函数F。9.10图像灰度变换主要包括：线性对比度展宽动态范围调整直方图均衡化处理伪彩色技术图像反色10.114.2对比度展宽设有一幅图，由于成像时光照不足，使得整幅图偏暗，（灰度范围从0到63）；或者成像时光照过强，使得整幅图偏亮，（灰度范围从200到255）。我们称这些情况为低对比度，即灰度都挤在一起，没有拉开。灰度扩展的意思就是把你所感兴趣的灰度范围拉开，使得该范围内的像素，亮的越亮，暗的越暗，从而达到了增强对比度的目的。我们可以用如下的图来说明对比度扩展的原理。

11.12图中的横坐标f表示原图的灰度值，纵坐标g表示经过对比度扩展后得到了新的灰度值。α、β、γ为三段直线的斜率。a到b表示原图中要进行对比度扩展的范围，则新的灰度值位于[ga,gb]范围内。255abfg255gagbαγβ对比度线性展宽映射关系12.13右图为左图取a=100；b=150；β=3.0进行对比度展宽的结果。可以看出亮的区域（雕塑）变得更亮，暗的区域（手）变得更暗。13.对比度展宽效果14.4.3灰级窗及灰级窗切片4.3.1灰级窗灰级窗也称为灰度窗口，它是将某一区间的灰度级和其它部分（背景）分开，只显示指定灰度级范围内的信息。灰级窗也称削波(cliping)。它可以看作对比度扩展的一个特例。255abfg255gagbαγβ255abfg255β15.灰级窗映射的计算公式表示如下：255abfg255gagbαγβ255abfg255β16.灰级窗作用：只保留感兴趣的部分，其余部分置为0。下面的右图为左图取a=150；b=200的结果。把亮的区域（雕塑）提取出来。17.灰级窗效果示例原图肺窗肌肉窗骨窗18.灰级窗效果示意图原图对比度展宽灰级窗19.4.3.2灰级窗切片将待检测灰度分布范围内的像素值映射成255，将在此范围之外的像素灰度值映射成0。255abfg25520.灰级窗切片效果示意图21.4.4

动态范围调整动态范围：是指图像中从暗到亮的变化范围。由于人眼所可以分辨的灰度的变化范围是有限的，所以当动态范围太大时，很高的亮度值把暗区的信号都掩盖了。（例如：刚刚从室外进入正在放映电影的电影院中。）通过动态范围的压缩可以将所关心部分的灰度级的变化范围扩大。22.一、线性动态范围调整：255abfg255β黑白ab0255N为最高灰度值23.线性动态范围调整

——例题1399821373360646820529260灰度变化范围[a,b]为[2,7]03999003933606469005090600299900292270747900509070将[2,7]转换到[0,9]作用：进行亮暗限幅

g(i,j)=9/5*f(i,j)-18/5C=16.9211C=26.289524.线性动态范围调整效果25.二、非线性动态范围调整提出非线性动态范围调整，是因为线性动态范围调整的分段线性影射不够光滑。非线性动态范围调整，可以用光滑的曲线来实现。考虑到人眼对视觉信号的处理过程中，有一个近似对数算子的环节，因此，可采用对数运算来实现非线性动态范围调整。26.非线性动态范围调整

——例题13998213733606468205292603599943585580868940749480g(i,j)=9*log(f(i,j)+1)作用：将暗的部分扩展，而将亮的部分抑制。C=16.9211C=18.763227.非线性动态范围调整28.4.5直方图均衡化直方图均衡方法的基本思想是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。从而达到清晰图像的目的。直方图均衡化（平滑化）是一种最常用的直方图修正，它是把给定图像的直方图分布改造成均匀直方图分布。直方图均衡化导致图像的对比度增加。由信息学的理论来解释，具有最大熵（信息量）的图像为均衡化图像。直观地讲，直方图均衡化一方面要求尽量扩展灰度的分布域；另一方面更重要的是努力使每一个灰度级上的频度尽可能一致。频度趋于一致的图像使人感觉色调沉稳、安定，意味着图像质量“好”。29.直方图均衡化方法的具体步骤如下：①求原图像f(i,j)的灰度直方图，设用256维的向量hj表示；②由hj求原图的灰度分布概率，记作Pf，则有其中，Nf=M×N(M,N分别为图像的长和宽)为图像的总像素个数；③计算图像各个灰度值的累计分布概率，记作pa，则其中，令pa（0）=0④进行直方图均衡化计算，得到处理后图像的像素值g(i,j)为：30.算法：设f、g分别为原图像和处理后的图像。1)求出原图f的灰度直方图，设为h。h为一个N维（256色灰度图为256维）的向量。1399821373360646820529260

f

h0312243441516471829331.2）求出原图的灰度分布概率 计算图像f的总体像素个数Nf=m×n(m,n分别为图像的长和宽)；计算每个灰度级的像素个数在整个图像中所占的百分比：Pf(i)=h(i)/Nf(i=0,1,…,N)h03122434415164718293

Pf00.1210.0820.1630.1640.0450.0460.1670.0480.0890.1232.3）计算图像各灰度级的累计分布hp。

Pf

pa

00.1210.0820.1630.1640.0450.0460.1670.0480.0890.120010.2020.3630.5240.5650.6060.7670.8080.8891.0033.4）求出新图像g的灰度值。(确定原图各点灰度值与新图各点灰度值的映射关系)

2599832575570757830539370

gN*Pa

pa0010.2020.3630.5240.5650.6060.7670.8080.8891.00001223354555677788990011.823.234.745.055.466.877.287.99934.35

图像Lena的直方图

均衡后图像Lena的直方图

原始Lena图像

直方图均衡后的Lena图像

35.直方图均衡化的效果原图像及直方图：均衡后的图像及直方图：原图较暗且动态范围小在直方图中的表现是直方图灰度范围窄且集中在低灰度值区域。现在直方图占据了整个图像灰度值的允许范围，增加了图像的动态范围。图像的反差大了，细节清楚了36.374.6伪彩色由于人眼分辨不同彩色的能力比分别不同的灰度级的能力强，因此，把人眼无法区别的灰度变化，施以不同的彩色来提高识别率，这便是伪彩色增强的基本依据。下图是在遥感及医学图像处理中的伪彩色图。

37.将灰度映射到彩色空间的变换可以表示成：

38.通常选择若干种明显不同的颜色来分别代表不同的数据区间，以达到分类的目的。实现伪彩色的方法可有很多，这里给出三种：基于灰度调色板的伪彩色方法；基于灰度变换的伪彩色方法；基于区域分割的伪彩色方法。39.4.6.1基于灰度调色板的伪彩色方法将灰度图像中的像素灰度值不与亮暗相对应，而对应与不同的颜色索引值；即在以下彩虹条中找出256种索引色，构成调色板，即可得到基于灰度调色板的伪彩色图。索引值RGB1R1G1B12R2G2B2：:::N

RN

GN

BN灰度值40.4.6.2基于灰度变换的伪彩色方法仿照对温度的描述，当温度较低时，我们会想到蓝色（冷色调），当温度较高时，我们会想到红色（暖色调）。将灰度图像中亮度低的映射为蓝色，亮度高的映射为红色，即可得到基于灰度变换的伪彩色图。41.由此，可以按照如下所示的影射关系进行伪彩色处理。255063127191255

fgR255063127191255

fgG255fgB063127191255

按照前面的影射关系，最终可以获得灰度与彩色的对应关系如下图所示。可以看到，颜色与光照强度相关。42.基于灰度变换的伪彩色效果示例43.4.6.3基于区域分割的伪彩色方法将图像经灰级窗处理后形成若干个分离的区域，采用不同的色调着色处理，就可以形成基于区域分割的伪彩色图。目的是可同时增强并清晰地观察不同区域的细节。44.基于区域分割的伪彩色增强示例45.基于区域分割的伪彩色增强示例46.4.7彩色变换4.7.1反色(invert)反色就是形成底片效果。如下图，右图为左图的反色。47.彩色图像亦然。如下图，右图为左图的反色。

48.49反色的实际含义是将灰度值反转。若颜色的量化级别是256，则新图的灰度值为255减去原图的灰度值。这里针对的是所有图，包括真彩图（三个通道），带调色板的彩色图（又称为索引色图）和灰度图。不同种类有不同的处理：真彩图：真彩图不带调色板，每个像素用3个字节，表示R，G，B三个分量。所以处理很简单，把反转后的R，G，B值写入新图即可。带调色板的彩色图（8位索引色图）：将每个像素的灰度值反转即可。也可以只将调色板中的颜色反转，形成新调色板，而位图数据不用动，同样可以实现反转。灰度图：同上。49.504.7.2真彩图转256色图真彩图包含最多达2的24次方种颜色，怎样从中选出256种颜色，又要使颜色的失真比较小，这是一个比较复杂的问题。简单的做法是将R：G：B以3：3：2表示，即取R，G的高3位，B的高两位，组成一个字节，表示256种颜色，但失真肯定很严重。

50.51下面的算法能够比较好的实现真彩色到256色的转换。它的思想是：1)准备一个长度为4096的数组，代表4096种颜色。统计图中的每一个像素，取R，G，B的最高四位，拼成一个12位的整数，根据该整数将对应的数组元素加1。2)全部统计完后，就得到了这4096种颜色的使用频率。其中可能有些颜色一次也没用到，即对应的数组元素为零（假设不为零的数组元素共有PalCounts个）。51.下面的算法能够比较好的实现真彩到256色的转换。它的思想是：3)清除为零的数组元素，使得前PalCounts个元素都不为零。将这PalCounts个数从大到小排序（用起泡排序）