《数字图像处理及工程应用》课件第5章

2024/8/21第1页第5章图像增强图像增强是指根据特定的需要突出一幅图像中感兴趣的信息，同时抑制某些不需要的信息的处理方法。其目的主要有两个：一是提高图像清晰度，改善图像的视觉效果。二是将图像转换成一种更适合人类或机器进行分析处理的形式，以便从图像中获取更多有用的信息。概述2024/8/21第2页图像增强方法按照其处理所进行的空间不同，可分为空间域方法和频率域方法两大类。空间域增强算法的基础是灰度映射变换，主要有直接灰度变换、直方图增强、彩色处理等。频率域增强算法的基础是傅里叶变换和滤波技术，主要有低通滤波(平滑)、高通滤波(锐化)、同态滤波等。第5章图像增强2024/8/21第3页图像增强频域方法空域方法点运算邻域增强彩色技术灰度级矫正灰度变换直方图修正图像平滑图像锐化噪声消除法邻域平均法中值滤波梯度倒数加权选择式掩模平滑梯度法拉普拉斯算子高通滤波掩模匹配法统计差值法假彩色处理伪彩色增强低通滤波同态图像增强图像增强

方法一览2024/8/21第4页第5章图像增强5.1直接灰度变换

采用图像灰度变换的方法，可以改变图像的灰度动态范围，扩展图像的对比度，使图像清晰，特征明显，改善视觉效果。

灰度变换是图像增强的重要手段之一，它是将原图像的灰度经过一个变换函数转换成一个新图像的灰度，即根据变换函数的形式，灰度变换可分为线性变换和非线性变换。(5.1)2024/8/21第5页第5章图像增强1.线性灰度变换（1）.灰度的全域线性变换设原图像灰度取值范围为，线性变换后图像的灰度取值范围为，则线性变换映射关系如图5.1所示。变换关系式为：(斜率）（a)(b)图5.1灰度线性变换映射关系(5.2)2024/8/21第6页第5章图像增强根据和的取值大小，有如下几种情况：1)扩展动态范围：若,即，则结果会使图像灰度取值的动态范围展宽，图像对比度增大，这样就可改善曝光不足的缺陷，或充分利用图像显示设备的动态范围。2)改变取值区间：若，即，则变换后灰度动态范围不变，灰度取值区间会随和的大小而上下平移，其效果是使整个图像更暗或更亮。3)缩小动态范围：若，即，则变换后图像动态范围会变窄，图像对比度减小。2024/8/21第7页第5章图像增强4)反转或取反：若，即对于，有则变换后图像的灰度值会反转，即原图像中亮的变暗，暗的变亮。在时，显示为的底片效果。【例5.1】对原图像lena.bmp进行线性灰度变换。【解】分别对图像进行亮度、对比度、取反等灰度变换的MATLAB实现程序如下：f=imread('lena.bmp');%读取原图像figure,imshow(f)f=im2double(f);%利用imadjust函数进行图像的灰度变换g1=imadjust(f,[0.33,0.56],[0,1]);%增加对比度2024/8/21第8页第5章图像增强figure(2),imshow(g1)；g2=imadjust(f,[0,1],[0.33,0.56]);%减小对比度figure(3),imshow(g2)；g3=imadjust(f,[0,1],[1,0]);%反相显示figure(4),imshow(g3)；g4=imadjust(f,[0.3,0.6],[0.6,0.9]);%线性增加亮度，使图像变亮figure(5),imshow(g4)；g5=imadjust(f,[0.3,0.6],[0,0.3]);%线性减小亮度，使图像变暗figure(6),imshow(g5);2024/8/21第9页第5章图像增强图像灰度线性变换的效果如图5.2所示。(a)原图像(b)图像取反(c)扩展灰度范围(d)压缩灰度范围2024/8/21第10页第5章图像增强(e)增加亮度(f)减小亮度图5.2灰度线性变换效果示例（2）.灰度的分段线性变换为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可将图像灰度分成两段或多段分别作线性变换，即采用分段线性变换。2024/8/21第11页第5章图像增强变换时，把整个灰度值区间分为若干区间段，每一个区间都对应一个局部的线性变换关系。常用的三段线性变换关系如图5.3所示。图5.3灰度分段线性变换关系图中，感兴趣目标的灰度范围被拉到，其它区间灰度被压缩，对应分段线性变换表达式为：2024/8/21第12页第5章图像增强式(5.3)中，参数和给出需要转换的灰度范围，和决定线性变换的斜率。通过调节节点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。(5.3)2024/8/21第13页第5章图像增强a.灰级窗变换。灰级窗变换是对比度扩展的一个特例，灰级窗映射关系如图5.4所示。若用户只对原图像中处于区间的灰度感兴趣，将之按照比例系数k进行线性扩展；而对处于区间以外的灰度均令之为0。即通过开窗的方式，只把窗内的目标进行对比度增强，而把窗外的灰度级完全抑制掉。图5.4灰级窗映射关系2024/8/21第14页第5章图像增强灰级窗变换公式如可表示为：斜率。b.灰级窗切片。灰级窗口切片有两种形式：一种是清除背景，一种是保留背景。图5.5(a)所示变换关系将灰度区间内的灰度置为最大值255(白色)，区间以外的灰度均置为0(黑色)，即将图像中某一灰度范围内的像素提取出来，转换成最大灰度输出，可实现将图像中的目标提取出来的目的。(5.4)2024/8/21第15页第5章图像增强图5.5(b)所示变换关系表示在保留背景的前提下提取目标。(a)去除背景(a)保留背景图5.5灰级窗切片映射关系灰级窗切片变换公式可表示为：(5.5)2024/8/21第16页第5章图像增强【例5.2】对图5.6(a)所示图像进行灰级窗变换。(a)原图(b)肺窗(c)肌肉窗(d)骨窗图5.6灰级窗变换的效果(b)、(c)、(d)分别是对图(a)采用不同的窗口进行灰级窗处理后的结果，从图中可以清晰的看到各个部分的纹理细节。2024/8/21第17页第5章图像增强上例的MATLAB实现程序如下：f=imread('test2.bmp');f=rgb2gray(f);figure;imshow(f);figure;imhist(f)f=double(f);[M,N]=size(f);fa=35; %修改fa和fb的值改变窗口fb=150;k=255/(fb-fa);fori=1:M

2024/8/21第18页第5章图像增强

forj=1:Niff(i,j)<=fag(i,j)=0;elseiff(i,j)>=fbg(i,j)=0;elseg(i,j)=k*[f(i,j)-fa];%灰级窗变换

endendendendfigure;imshow(g,[]);2024/8/21第19页第5章图像增强（2）.非线性灰度变换单纯的线性灰度变换可以在一定程度上解决视觉上的图像整体对比度问题，但是对图像细节部分的增强较为有限，结合非线性变换技术可以解决这一问题。非线性变换不是对图像的整个灰度范围进行扩展，而是有选择的对某一灰度范围进行扩展，其他范围的灰度则有可能被压缩。非线性变换在整个灰度值范围内采用统一的变换函数，利用变换函数的数学性质实现对不同灰度值区间的扩展与压缩。常用的两种非线性变换为对数变换和指数变换。2024/8/21第20页第5章图像增强a.对数变换。对数变换的一般表达式为：

为尺度比例常数，为偏移量，可以调节曲线的位置。在图5.7所示的对数函数曲线上，函数输入变量为低值时，曲线的斜率很高；输入变量为高值时，曲线的斜率变小。图5.7对数函数曲线(5.6)2024/8/21第21页第5章图像增强对数变换可以扩展图像的低灰度区，压缩高灰度区，从而增强图像中较暗部分的细节。因此，对数变换被广泛用于频谱图像的显示中。【例5.3】对图5.8(a)所示图像进行对数变换。(a)原图像(b)居中的的频谱图像

(c)对数变换后的频谱图像图5.8对数变换应用示例图5.8所示图像比较了对傅里叶频谱图像进行对数变换前后的效果，图5.8(c)和(b)相比较，可以看到更多的低灰度区细节。2024/8/21第22页第5章图像增强对数变换的MATLAB实现程序如下：f=imread('test.tif');figuresubplot(131),imshow(f)F=fft2(f);Fc=fftshift(F);S1=abs(Fc);subplot(132),imshow(S1,[])S2=log(1+S1);subplot(133),imshow(S2,[])2024/8/21第23页第5章图像增强b.指数变换。指数变换的一般表达式为其中，和的取值范围均为[0，1]，为补偿系数，避免底数为0。

为伽马系数，其值的选择对变换函数的特性有很大影响，决定了输入图像和输出图像之间的灰度映射方式。其中：当时，原图像的低灰度区对比度得到增强；当时，原图像的高灰度区对比度得到增强；当时，相当于正比变换。2024/8/21第24页第5章图像增强指数变换的映射关系如图5.9所示。与对数变换不同之处在于，指数变换可以根据的不同取值选择性的增强低灰度区域的对比度或是高灰度区域的对比度。输出灰度级输入灰度级图5.9指数函数曲线(取不同值)2024/8/21第25页第5章图像增强【例5.4】对lena.bmp图像进行对数变换。(a)原图像(b)=0.5时的变换结果(c)=1.5时的变换结果图5.10取不同值的指数变换效果比较2024/8/21第26页第5章图像增强从图5.10可以看出，不同伽马因子给图像的整体明暗程度带来的变化，以及对图像暗部和亮部细节清晰度的影响。指数变换的MATLAB实现程序如下：f=imread('lena.bmp');%读取原图像figure,imshow(imadjust(f,[],[],0.5))%分别取0.5，1，1.5figure,imshow(imadjust(f,[],[],1))figure,imshow(imadjust(f,[],[],1.5))2024/8/21第27页第5章图像增强5.2直方图修正在数字图象处理中，灰度直方图是一个简单有用的工具，它可以描述图像的概貌，是图像的重要统计特征。通过修改直方图的方法增强图像是一种实用而有效的处理技术，直方图修正法包括直方图均衡化及直方图规定化两类。1.灰度直方图的定义与性质（1）.直方图的定义灰度直方图是指数字图像中各灰度级与其出现的次数或概率(又叫归一化直方图)间的统计关系，可定义为：2024/8/21第28页第5章图像增强且式中，k为图像的第k级灰度值，为中灰度值为k的像素个数，N为图像的总像素个数，L为灰度级数。直方图反映了图像的整体灰度分布情况，从图形上来说，其横坐标为图像中各像素的灰度级别，纵坐标表示具有各灰度级的像素在图像中出现的次数(像素的个数)或概率。(5.8)(5.9)2024/8/21第29页第5章图像增强【例5.5】画出图5.11(a)所示图像的灰度直方图。图5.11(b)为图像(a)的灰度直方图，图(c)为其归一化直方图。图5.11(c)所示直方图是将0～255共256个灰度级平均划分为64个长度为4的灰度区间，纵轴为每个灰度区间内的像素在图像中出现的频率。(a)示例图像(b)灰度直方图(c)归一化灰度直方图图5.11灰度直方图的生成2024/8/21第30页第5章图像增强上例的MATLAB实现程序如下：f=imread('lena.bmp');%读取原图像subplot(121),imshow(f)subplot(122),imhist(f)%imhist函数用于获取图像直方图[M,N]=size(f);%计算图像大小[counts,x]=imhist(f,64);%计算有64个小区间的灰度直方图counts=counts/M/N;%计算归一化灰度直方图各区间的值figure,stem(x,counts)%绘制归一化直方图2024/8/21第31页第5章图像增强对于相同的场景，由于获得图像时的亮度或对比度不同，图像所对应的直方图也不同，图5.12所示的为几种不同类型的图像及其对应的灰度直方图。(a)较暗的图像及其直方图2024/8/21第32页第5章图像增强(b)较亮的图像及其直方图(c)对比度较小的图像及其直方图2024/8/21第33页第5章图像增强(d)对比度较大的图像及其直方图图5.12四种类型图像及其对应的直方图通过图像的直方图，可以直观的看出图像的亮度、对比度特征。对于较暗的图像，直方图集中在灰度级较低(暗)的一侧，如图5.12(a)所示；较亮图像的直方图则分布在灰度级较高的一侧，如图5.12(b)所示。如果直方图中只有中间某一小段非零值，则图像的对比度较低，如图5.12(c)所示；反之，若直方图占有全部可能的灰度级并且分布均匀，这样的图像有较高的对比度，如图5.12(d)所示。2024/8/21第34页第5章图像增强（2）.直方图的性质

(a).直方图没有位置信息。它只反映该图像中不同灰度值出现的概率，而未反映某一灰度像素所在的位置。(b).直方图与图像之间为一对多的映射关系。如图5.13所示四幅图像，假设目标具有同样的灰度且面积相等时，则四幅不同的图像其直方图是相同的。图5.13不同图像对应相同的直方图2024/8/21第35页第5章图像增强(c).直方图的可叠加性。即一幅图像各子区的直方图之和等于该图像全图的直方图。如图5.14所示图5.14直方图的叠加性直方图给出了一个直观的指示，可以据此判断一幅图像是否合理的利用了全部被允许的灰度级范围。在实际应用中，如果获得的图像直方图效果不理想，可以人为的改变图像的直方图，即实施图像的直方图均衡化或直方图规定化处理。2024/8/21第36页第5章图像增强2.直方图均衡化直方图均衡化的基本思想是将原始图像的灰度通过某种映射变换，得到一幅灰度直方图为均匀分布的新图像的方法。直方图均衡化是最常用、最重要的图像增强算法之一。(1)原理设分别用和表示归一化了的原始图像灰度和变换后的图像灰度，即

与的变换关系为，变换函数应满足如下条件：2024/8/21第37页第5章图像增强(a)在区间，为单调递增函数；(b)在区间，。条件(1)保证通过灰度变换，原始图像的每个灰度级都对应产生一个输出灰度级，且变换前后灰度级从黑到白的次序不变。条件(2)保证变换后的像素灰度值仍在变换前允许的动态范围内。由到的反变换函数为这里，对也满足上述两个条件。2024/8/21第38页第5章图像增强

若图像变换前后灰度级的概率密度函数分别为和，对于连续图像，直方图均衡化(并归一化)处理后的输出图像灰度级的概率密度函数是均匀的，即设原图像的灰度范围为，包含的像素个数为，经过单调增的一对一变换，变换后的灰度范围为，包含的像素个数为，变换前后的像素个数相等，即(5.10)(5.11)2024/8/21第39页第5章图像增强两边取积分，得=式(5.12)被称为图像的累积分布函数，该式表明变换函数单调地从0增加到1，所以满足在内单值单调增加。对于离散的数字图像，灰度级出现的频率为：(5.12)(5.13)2024/8/21第40页第5章图像增强均衡变换采用求和方式表示累积分布函数为：式(5.12)和(5.14)是在灰度取值为[0，1]范围的情况下推导出来的，若原始图像的灰度级为从[0，L-1]，为使变换后的灰度值及其灰度范围仍与原图像的灰度值和灰度范围相一致，可将式(5.12)和(5.14)的两边乘以最大灰度值(L-1)。此时式(5.14)对应的转换公式为(5.14)(5.15)2024/8/21第41页第5章图像增强上式计算的灰度值可能不是整数，一般采用四舍五入取整法使其变为整数，即：式中的表示取整。综上所述，直方图均衡化处理就是用原始图像灰度级的累积分布函数作为变换函数，产生一幅具有均匀直方图的图像。其结果扩展了图像灰度取值的动态范围，增强了图像整体对比度，使图像变得清晰。(5.16)2024/8/21第42页第5章图像增强（2）.步骤直方图均衡化计算过程：(a)列出原始图像和变换后图像的灰度级，分别用、表示，则：；(b)统计原图像各灰度级的像素个数；(c)计算原始图像的归一化灰度直方图，记作，则有

,N为原始图像总的像素数；(d)计算图像各个灰度值的累积分布概率，记作，则有：2024/8/21第43页第5章图像增强(e)利用灰度变换函数计算变换后的灰度值，并四舍五入取整：(f)确定灰度变换关系，据此将原图像的灰度值修正为；(g)统计变换后各灰度级的像素个数；(h)计算变换后图像的直方图。【例5.6】对不同亮度和对比度的图像进行直方图均衡化处理。2024/8/21第44页第5章图像增强图5.15中左侧为原图及其对应的直方图，右侧为对原图进行直方图均衡化处理后的效果图及其对应直方图。可以看出，对于不同亮度、对比度的几种类型图像分别进行均衡化处理后，其直方图均占据了整个图像灰度值允许的范围，增强了图像的对比度，使图像细节变得清晰。(a)对比度较小图像的直方图均衡化效果2024/8/21第45页第5章图像增强(b)对比度较大图像的直方图均衡化效果(c)较亮图像的直方图均衡化效果2024/8/21第46页第5章图像增强(d)较暗图像的直方图均衡化效果图5.15不同亮度、对比度图像(左)的直方图均衡化效果(右)示例2024/8/21第47页第5章图像增强直方图均衡化的MATLAB实现程序如下：f=imread('pollen.tif');%读取原图像figuresubplot(121),imshow(f)subplot(122),imhist(f)g=histeq(f,256);%histeq(I,n)函数执行直方图均衡化figuresubplot(121),imshow(g)subplot(122),imhist(g)2024/8/21第48页第5章图像增强3.直方图规定化直方图均衡化能自动增强整个图像的对比度，得到全局均匀化的直方图。但在实际应用中，有时并不需要考虑图像的整体均匀分布直方图，而是希望有针对性的增强某个灰度范围内的图像，这时可以采用比较灵活的直方图规定化。所谓直方图规定化，就是通过一个灰度映射函数，将原灰度直方图改造成所希望的特定形状直方图，以满足特定的增强效果。一般来说正确地选择规定化的函数可以获得比直方图均衡化更好的效果。2024/8/21第49页第5章图像增强假设和分别代表输入图像和希望得到的图像的灰度级，和为它们对应的连续概率密度函数。分别对、作直方图均衡化处理：(5.17)(5.18)(5.19)2024/8/21第50页第5章图像增强上面的式子表明，可以由均衡化后的灰度变量v获得期望图像的灰度变量。因为对原始图像和期望图像都进行了直方图均衡化处理，所以和具有相同的均匀概率密度。如果用原始图像中得到的均匀灰度级代替(5.19)中的，其结果灰度级将是所希望的概率密度函数的灰度级。式(5.20)意味着可以由原始图像均衡化后的图像灰度值来计算期望图像的灰度值。直方图规定化处理后的新图像将具有事先规定的概率密度，从而达到预期处理效果。(5.20)2024/8/21第51页第5章图像增强此外，利用式(5.20)和(5.17)还可以得到组合变换函数：对于离散图像，相应的规定化表达式为：其中为图像中的像素的总和，为灰度级的像素数量，为离散灰度级的数量。式(5.22)-(5.24)是数字图像直方图规定化的基本公式。(5.21)(5.22)(5.23)(5.24)2024/8/21第52页第5章图像增强【例5.7】将图像lena.bmp按照图5.16(a)所示标准图1、2的直方图形状分别进行规定化处理。(a)直方图规定化效果2024/8/21第53页第5章图像增强(b)直方图规定化后的灰度直方图图5.16直方图规定化效果图2024/8/21第54页第5章图像增强

由图5.17可以看到，经规定化处理后原图像的直方图与目标图像的直方图变得较为相似，规定化后的图像与目标图像具有类似的亮度和对比度特性。【例5.7】的MATLAB实现程序如下：f=imread('lena.bmp');%读取原图像f1=imread('rice.bmp');%读取要匹配直方图的图像1f2=imread('coins.png');%读取要匹配直方图的图像2%计算直方图[hgram1,x]=imhist(f1);[hgram2,x]=imhist(f2);2024/8/21第55页第5章图像增强%执行直方图均衡化J1=histeq(f,hgram1);J2=histeq(f,hgram2);%绘图subplot(231),imshow(f),title('原图')subplot(232),imshow(f1),title('标准图1')subplot(233),imshow(f2),title('标准图2')subplot(235),imshow(J1),title('规定化到1')subplot(236),imshow(J2),title('规定化到2')2024/8/21第56页第5章图像增强%绘直方图figuresubplot(231),imhist(f),title('原图直方图')subplot(232),imhist(f1),title('标准图1直方图')subplot(233),imhist(f2),title('标准图2直方图')subplot(235),imhist(J1),title('规定化到1直方图')subplot(236),imhist(J2),title('规定化到2直方图')2024/8/21第57页第5章图像增强5.3同态滤波增强直接灰度变换和直方图修正均属于空间域图像增强方法。同态滤波是一种在频域中进行的图像对比度增强和压缩图像亮度范围的特殊方法。主要用于减少由于光照不均匀引起的图像降质，并对感兴趣的景物进行增强。图像的同态滤波就是基于以入射光和反射光为基础的图像模型上的。减弱入射光可以起到缩小图像灰度范围的作用；增强反射光可以起到提高图像对比度的作用。2024/8/21第58页因此，同态滤波器的传递函数一般在低频部分小于1，高频部分大于1，其特性曲线如图5.17所示。图5.17同态滤波器的特性曲线第5章图像增强2024/8/21第59页第5章图像增强基于以入射光和反射光为基础的图像模型，可以把图像函数表示为光照函数光源的照射分量与目标场的反射分量的乘积，则一幅图像可以表示为：其中，的性质取决于成像物体的表面特性。同态滤波增强法对图像的处理过程如图5.18所示。图5.18同态滤波的处理过程(5.25)2024/8/21第60页第5章图像增强①首先对原图像取对数，目的是使图像模型中的乘法运算转化为简单的加法运算。②再对对数函数做傅立叶变换，目的是将图像转换到频域。简记为③选择适当的同态滤波器传递函数，与进行乘积运算。(5.26)(5.27)(5.28)(5.29)2024/8/21第61页第5章图像增强④再对同态滤波的结果进行傅里叶反变换，将图像从频域转换到空间域。⑤由于第①步对图像进行了对数运算，所以最后对进行指数运算，得空间域同态滤波输出图像。也可以写成式中，；，分别为输出图像的照度分量和反射分量。(5.30)(5.31)(5.32)2024/8/21第62页第5章图像增强【例5.8】对图像进行同态滤波处理。(a)原图像(b)同态滤波后图像图5.19同态滤波增强示例

从图5.19所示的同态滤波效果可以看出，同态滤波器压缩了图像亮度范围，在保留图像原貌的同时，对图像细节进行了增强。2024/8/21第63页第5章图像增强【例5.8】的MATLAB实现程序如下：

f=imread('tun.jpg');figure,subplot(1,2,1),imshow(f);[M,N]=size(f);u0=floor(M/2);v0=floor(N/2);f=im2double(f);D0=10;%截止频率c=1.50;Hh=1.5;Hl=0.5;%Hh>1，Hl<1foru=1:Mforv=1:N2024/8/21第64页第5章图像增强D(u,v)=sqrt((u-u0)^2+(v-v0)^2);H(u,v)=(Hh-Hl)*(1-exp(-c*D(u,v)^2/(D0^2)))+Hl;%同态滤波器函数endendln_f=log2(f+0.000001); %第1步，logFFT_f=fft2(ln_f); %第2步，FFTH_F=FFT_f.*H; %第3步，FilteIFFT_f=ifft2(H_F); %第4步，IFFTg=exp(IFFT_f); %第5步，Inverselogsubplot(1,2,2),imshow(g,[])2024/8/21第65页第5章图像增强5.4图像的彩色增强彩色增强技术是改善人眼视觉效应的一种重要手段。由于人眼只能区分由黑到白的十几到二十几种不同灰度级，而人眼对彩色的分辨率可以达到几百种甚至上千种。利用视觉系统的这一特性，将灰度图像变换成彩色图像或改变已有的彩色分布，都会改善图像的可分辨性。彩色增强方法概括起来可以分为伪彩色增强、真彩色增强、假彩色增强。2024/8/21第66页第5章图像增强伪彩色增强是把非彩色图像(灰度、二值图像)的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。增强结果可把人眼不能区分的微小的灰度差别显示为明显的色彩差异，使图像细节更易辨认，目标更容易识别。伪彩色增强的方法主要有以下三种。1.伪彩色增强（1）.密度分割法密度分割或密度分层是伪彩色增强中比较简单的一种方法，它是对图像亮度范围进行分割，使分割后的每个亮度区间对应某一种颜色。2024/8/21第67页第5章图像增强

图5.20(a)、(b)分别为密度分割原理的立体图和平面图。具体来讲，它是把灰度图像的灰度级从0(黑)到L(白)分成k个区间，，给每个区间指定一种彩色。对于每个像素点，如果，则。这样便可以把一幅灰度图像变成一幅彩色图像。此方法比较直观简单，缺点是变换出的彩色数目有限。

2024/8/21第68页第5章图像增强(a)立体图(b)平面图图5.20密度分层法原理示意图（2）.灰度级——彩色变换法空间域灰度级——彩色变换是一种更为常用的伪彩色增强法，其变换过程如图5.21所示。2024/8/21第69页第5章图像增强

它是根据色度学的原理，将原图像的灰度值分别经过相互独立的红、绿、蓝三种不同的变换函数，变成红、绿、蓝三基色分量、、；然后用它们分别去控制彩色显示器的红、绿、蓝电子枪，便可以在彩色显示器的屏幕上合成一幅彩色图像。图5.21灰度级——彩色变换法原理框图2024/8/21第70页第5章图像增强

彩色的含量由变换函数的形状而定，典型的变换函数如图5.22所示。灰度值的取值范围为[0，L]，每个变换取不同的分段变换函数(图2.2(a)-(c))，图5.22(d)是把三种变换画在同一张图上，以便更清楚地对照它们之间的关系。由图5.22(d)可见，在原图像灰度值为零时，输出伪彩色图像呈蓝色；灰度值为L/2时，呈绿色；灰度为L时，呈红色；为其它值时，由三基色混合成不同的色调。(a)红色分量变换函数(b)绿色分量变换函数2024/8/21第71页第5章图像增强(c)蓝色分量变换函数(d)三色合成变换函数图5.22一种典型的变换函数（3）.频率域滤波法频率域伪彩色增强步骤：a.先把灰度图像经傅立叶变换到频率域;b.在频率域内用三个不同传递特性的滤波器(如高通、低通、带通)将图像分离成三个独立分量;2024/8/21第72页第5章图像增强c.然后对它们分别进行傅立叶逆变换，便得到三幅代表不同