《数字图像处理教程（OPENCV版）》 课件 Ch03 图像灰度变换与空间域滤波、Ch04 图像的频域处理

数字图像处理教程第3章

图像灰度变换与空间域滤波2024/5/61

2024/5/623.1常用灰度变换

2024/5/633.1.1线性变换

2024/5/643.1.2对数变换与反对数变换

2024/5/653.1.3幂律变换（伽马变换）

2024/5/663.1.4分段线性变换对位于不同灰度区间段的像素值分别采用不同线性变换函数，选择性拉伸或压缩某段灰度区间的像素值位平面分层也属于分段线性变换。图像所有像素位于同一比特位上的二进制数组合得到一幅二进制值图像，每个位平面一幅图像2024/5/673.2基于直方图的灰度变换2024/5/68变换后灰度值不仅与变换前灰度值有关，还与变换前其它像素灰度值有关2024/5/693.2.1直方图

2024/5/6103.2.2直方图均衡

2024/5/6113.2.2直方图均衡

2024/5/6123.2.2直方图均衡

2024/5/6133.2.2直方图均衡

2024/5/6143.2.2直方图均衡

2024/5/615018370.22424112860.1569829540.11646319380.23657410250.1251251840.0224664810.0587274870.059453.2.2直方图均衡

2024/5/6163.2.2直方图均衡

2024/5/617000100218370.22424322400.27343400519380.23657612090.1475879680.118163.2.2直方图均衡数字图像灰度值为整数，即使直方图均衡后也几乎不可能得到完全均匀分布的直方图经过均衡处理后直方图在整个动态范围内概率密度分布更均匀，客观上起到了增强对比度的作用。2024/5/6183.2.3直方图规定化（直方图匹配）将图像灰度变换为符合指定概率密度分布变换后图像直方图是已知的、可以指定任何形状直方图均衡是直方图规定化的特例2024/5/6193.2.3直方图规定化（直方图匹配）

2024/5/6203.2.3直方图规定化（直方图匹配）

2024/5/6213.2.3直方图规定化（直方图匹配）

2024/5/6223.2.3直方图规定化（直方图匹配

2024/5/62300102030.1540.2050.3060.2070.153.2.3直方图规定化（直方图匹配）

2024/5/62400102031425566773.2.3直方图规定化（直方图匹配）

2024/5/6253.2.4自适应直方图均衡CLAHE当图像像素值局部分布与全局分布一致性较好时，直方图均衡或规定化这类基于全局的处理效果较好若图像中存在明显的局部区域明暗分布与全局明暗分布不一致，则全局处理直方图方法对图像增强的效果不好自适应直方图均衡算法基本思想是将图像分成若干个矩形区域，对每个区域做直方图均衡，达到改进图像局部对比度的目的2024/5/6263.2.4自适应直方图均衡CLAHE简单的自适应直方图均衡在改善区域局部对比度的同时，也会放大平坦区域的噪声。平坦区域包含的像素非常相近，像素灰度级动态范围很小，其直方图宽度窄、高度高。当对该区域直方图均衡，窄的像素范围映射到整个图像取值范围，使得区域内原微弱的噪声与其它部分差异变大限制对比度自适应直方图均衡(ContrastLimitedAdaptiveHistogramEqualization，CLAHE)通过限制自适应均衡算法中对比度提高程度，抑制噪声放大的问题2024/5/6273.2.4自适应直方图均衡CLAHE

2024/5/6283.2.4自适应直方图均衡CLAHE

2024/5/6293.2.4自适应直方图均衡CLAHE

2024/5/6303.2.4自适应直方图均衡CLAHE每个矩形区域直方图裁剪后分别进行直方图均衡。对每个区域分别直方图均衡通常会出现块效应：每个区域内部看上去自然，但各区域边界处灰度差别明显。2024/5/6313.2.4自适应直方图均衡CLAHECLAHE采用了双线性内插消除块效应找到距离像素点p最近的四个区域中心点，分别对应A、B、C、D四个区域像素点p均衡后灰度值由这四个区域各自直方图均衡结果内插得到。2024/5/6323.2.4自适应直方图均衡CLAHE

2024/5/6333.3空间域滤波2024/5/634滤波滤掉不想要的成分，显现被模糊的细节或者突出某些细节，是图像增强的常用方法分为空间域滤波和频域滤波空间域滤波在空间域对像素进行操作平滑滤波减小噪声锐化滤波用于提取边缘突出边缘及细节、弥补平滑滤波造成的边缘模糊2024/5/6353.3.1空间域滤波基础知识

2024/5/6363.3.1空间域滤波基础知识空间域滤波的边界填充常数值填充，通常使用0填充复制图像边界值，水平方向填充值用行边缘值填充，垂直方向填充值用图像列边缘值填充镜像填充2024/5/6373.3.2平滑滤波图像具有局部连续的性质，相邻像素的值相近平滑滤波可以减少和抑制图像中的噪声滤波可分为线性滤波和非线性滤波二大类线性滤波指滤波结果是空间域各像素点的线性组合反之则统称为非线性滤波2024/5/6383.3.2平滑滤波常用的线性平滑滤波有均值滤波（模板所有系数相同）和加权滤波对原图像在模板覆盖范围内像素点求平均值或加权平均值，代替原图像中被模板锚点覆盖像素的实际值2024/5/6393.3.2平滑滤波等效于频域低通滤波器抑制边缘突变，会引发边缘模糊2024/5/6403.3.2平滑滤波

2024/5/6413.3.2平滑滤波中值滤波是最常见的统计排序滤波，用排序序列的中间值作为结果。消除孤立的亮点或暗点，对椒盐噪声非常有效2024/5/6423.3.2平滑滤波最大值滤波用排序的最大值做为滤波结果，用于消除椒噪声最小值滤波用排序最小值做为滤波结果，消除盐噪声2024/5/6433.3.2平滑滤波统计排序滤波比线性平滑滤波能更好地保留边缘统计排序滤波模板，一般噪声越大则设置的模板尺寸越大模板越大滤波后边缘越模糊2024/5/6443.3.2平滑滤波非线性滤波中的边缘保留滤波(EdgePreservingFilter,EPF)可以在去噪的同时，完整保留图像边缘信息常用的边缘保留滤波有双边滤波（bilateralfilter）、mean-shift滤波等2024/5/6453.3.2平滑滤波

2024/5/6463.3.2平滑滤波

2024/5/6473.3.2平滑滤波

2024/5/6483.3.3锐化滤波突出图像突变的部分微分可以用于锐化微分计算均会凸显噪声，因此实际应用中在图像锐化前，需要先对图像进行平滑以抑制噪声2024/5/6493.3.3锐化滤波

2024/5/6503.3.3锐化滤波

2024/5/6513.3.3锐化滤波

2024/5/6523.3.3锐化滤波

2024/5/6533.3.3锐化滤波

2024/5/654数字图像处理教程第4章图像的频域处理2024/5/655二维图像信号既可以在空间域处理也可以在频域处理，图像的频域处理也被称为频域滤波频域处理以二维傅里叶变换为基础，自变量为频率，因变量是傅里叶变换值一些空间域处理本质上对应频域处理空间域均值滤波与频域低通滤波效果类似频域处理可以充分利用频率成分和图像之间的对应关系，一些在空间域难以实现的处理，在频域中能轻松完成2024/5/6564.1二维离散傅里叶变换2024/5/657通过傅里叶变换可以将对函数的分析转为对构成它的频率成分进行分析，每个系数代表着其对应频率对函数的贡献量二维图像通过傅里叶变换把像素值与空间坐标对应关系转化为傅里叶变换值与频率之间的关系2024/5/6584.1.1二维离散傅里叶变换和反变换

2024/5/6594.1.1二维离散傅里叶变换和反变换

2024/5/6604.1.1二维离散傅里叶变换和反变换

2024/5/6614.1.1二维离散傅里叶变换和反变换

2024/5/6624.1.1二维离散傅里叶变换和反变换

2024/5/6634.1.1二维离散傅里叶变换和反变换

2024/5/6644.1.2二维离散傅里叶变换性质

2024/5/6654.1.2二维离散傅里叶变换性质

2024/5/6664.1.2二维离散傅里叶变换性质

2024/5/6674.1.2二维离散傅里叶变换性质

2024/5/6684.1.2二维离散傅里叶变换性质

2024/5/6694.1.2二维离散傅里叶变换性质

2024/5/6704.1.2二维离散傅里叶变换性质相位影响携带目标在图像中的位置信息2024/5/6714.2频域滤波基础知识2024/5/6724.2.1频域滤波基础

2024/5/6734.2.1频域滤波基础

2024/5/6744.2.2频域滤波步骤

2024/5/6754.3频域低通滤波2024/5/6764.3.1理想低通滤波器

2024/5/6774.3.1理想低通滤波器

2024/5/6784.3.1理想低通滤波器

2024/5/6794.3.2巴特沃斯低通滤波器

2024/5/6804.3.2巴特沃斯低通滤波器

2024/5/6814.3.2巴特沃斯低通滤波器不同参数滤波效果比较2024/5/6824.3.3高斯低通滤波器

2024/5/6834.3.3高斯低通滤波器

2024/5/6844.3.3高斯低通滤波器不同标准差参数，滤波效果比较2024/5/6854.4频域高通滤波2024/5/686图像锐化在频率域通过高通滤波实现频域高通滤波器衰减图像频谱中的低频成分而保留频谱中的高频成分，而频谱的高频成分来自像素值剧烈变化高通滤波等价于“原图像-原图像低通滤波结果2024/5/6874.4.1理想高通滤波器

2024/5/6884.4.1理想高通滤波器理想高通滤波器会产生振铃现象2024/5/6894.4.2巴特沃斯高通滤波器

2024/5/6904.4.2巴特沃斯高通滤波器

2024/5/6914.4.3高斯高通滤波器

2024/5/6924.4.3高斯高通滤波器高斯高通滤波效果2024/5/6934.4.4拉普拉斯滤波器

2024/5/6944.4.4拉普拉斯滤波器

2024/5/6954.4.5反锐化掩蔽与高提升滤波

高频应变滤波器2024/5/6964.5同态滤波2024/5/697

2024/5/698

低频高频2024/5/699

2024/5/6100

2024/5/6101同态滤波器效果2024/5/61024.6频率选择滤波器2024/5/6103选择频谱中某段特定频率，允许其通过或将其衰减带通滤波器带阻滤波器陷波滤波器2024/5/61044.6.1带阻滤波器和带通滤波器

2024/5/61054.6.1带阻滤波器和带通滤波器

2024/5/61064.6.2陷波滤波器对特定频谱点进行衰减，其余频谱不衰减用于去除周期噪声当噪声频谱是离散点时，陷波滤波器效果比带阻滤波器好设计比带阻滤波器复杂2024/5/61074.6.2陷波滤波器

2024/5/61084.6.2陷波滤波器

2024/5/61094.6.2陷波滤波器

2024/5/61104.6.2陷波滤波器陷波滤波器去除周期噪声示例2024/5/61114.6.2陷波滤波器实际中陷波滤波器设计小窍门求图像离散傅里叶变换，将其幅度谱以图像形式显示找到频谱图中规律性的离散亮点，这些亮点来自周期性噪声两种方法得到陷波滤波器频谱：频谱图是单色的(黑灰白)，用彩色点遮盖噪声频谱中心点、或者用彩色块遮盖噪声频谱交互程序，用鼠标选择陷波区域由于频谱的对称性，建议只用彩色点/块（或鼠标选择区域）遮盖1、2象限的频谱