数字图像处理与深度学习技术应用教材配套课件 第5章 图像的灰度变化

第5章图像灰度变换

杨淑莹主要内容概述二值化和阈值处理灰度线性与分段线性变换灰度非线性变换直方图5.1.1图像增强对比度增强——电子显微镜下的花粉5.1.1图像增强去除噪声——电路板X光图像5.1.1图像增强突出细节——骨骼X光图像5.1.1图像增强图象不清晰、不突出是多种因素造成的：采集中未突出所需部分，有干扰（噪音、散斑、运动模糊等等）。目标是比原图像更适合于特定的应用，便于识别，人工或后继处理。不同的问题适合采用不同的方法，评价结果好坏没有统一的标准。图像增强：不考虑降质原因，关心有用信息，抑制次要部分，去干扰，增强对比度。不一定要去逼近原图像。复原技术：针对降质原因，设法补偿降质因素，尽可能逼近原始图像，恢复原图。二者有重叠部分：增强带有恢复性质，突出有用信息上，且是局部性恢复。图像增强空间域图像增强频率域灰度变换空域滤波直接灰度变换直方图修正法图像的代数运算直方图均衡化直方图规定化图像平滑图像锐化高通滤波低通滤波带通、带阻滤波灰度变换图像获取中，经常出现以下情况（1）成像时光照不足，使得整幅图像偏暗（2）成像时光照过强，使得整幅图像偏亮（3）照射源或光敏器件本身动态范围太小，使得整幅图像的有用信息集中在灰度中间级。图像灰度变换按一定变换关系，逐点改变原图像中每一个像素灰度值的方法。是图像增强处理技术中一种非常基础、直接的空间域图像处理方法。目的是为了改善画质，使图像的显示效果更加清晰。点运算输入图像为f(x,y),输出图像为g(x,y)点运算为：g(x,y)=T[f(x,y)]是一种像素的逐点运算。g仅仅依赖f在(x,y)点的值描述了输入和输出值之间的转换关系。不改变空间位置关系。点运算又称为“对比度增强”、“对比度拉伸”、“灰度变换”。灰度变换根据g(x,y)=T[f(x,y)]，可以将灰度变换分为线性变换和非线性变换。灰度线性变换输出灰度级与输入灰度级呈线性关系的点运算。灰度线性变换如果a>1，输出图像的对比度增大。如果a<1，输出图像的对比度减小。如果a＝1，b≠0，使所有像素的灰度值上移或下移，使整个图像更暗或更亮。如果a＝1，b＝0时，输出、输入图像相同。如果a为负值，暗区域将变亮，亮区域将变暗。分段线性变换为了突出感兴趣的区间，抑制不感兴趣区域，可采用分段线性变换。非线性变换输出灰度级与输入灰度级呈非线性关系的点运算。25512025521025512025530对数运算指数运算非线性变换问灰度变换属于A点运算B领域运算5.2二值化和阈值处理经过阈值处理后的图像变成了一幅黑白二值图。实现步骤取得原图的数据区指针。通过对话框输入阈值T。所有像素依次循环，若像素灰度值小于T，则将该像素置为0；否则置为255。ggff

0T1T22550T1T2255（a）0-255-0型灰度变换函数（b）255-0-255型灰度变换函数

双固定阈值法双固定阈值法(a)0-255-0方式(b)255-0-255方式实现步骤取得原图数据区指针通过对话框输入阈值1（T1）和阈值2（T2），并选择方式（0-255-0）型或（255-0-255）型。若选择方式0（0-255-0型），每个像素依次循环，若该像素灰度值大于T1并且小于T2，则将其灰度值置为255，其余像素的灰度值置为0。若选择方式1（255-0-255型），每个像素依次循环，若该像素灰度值大于T1并且小于T2，则将其灰度值置为0，其余像素的灰度值置为255。5.3灰度线性与分段线性变换反色变换“颠倒黑白”适用于增强暗色区域的白色或灰色细节5.3灰度线性与分段线性变换窗口灰度变换灰度窗口变换的变换函数表达式如下：式中L表示窗口的下限，U表示窗口的上限。用于去除无用信息5.3灰度线性与分段线性变换分段线性变换分段线性的变换函数表达式如下：式中（x1,y1），（x2,y2）表示两个转折点坐标5.4灰度非线性变换灰度对数变换对数变换函数表达式如下：扩展低灰度值而压缩高灰度值，让图像的灰度分布更加符合人的视觉特性。5.4灰度非线性变换灰度指数变换指数变换函数表达式如下：扩展高灰度值而压缩低灰度值5.4灰度非线性变换灰度幂次变换幂次变换函数表达式如下：伽马校正成像系统各部分的器件输入——输出特性都是一个幂函数为弥补图像系统中的非线性传输环节，需要伽马校正5.4灰度非线性变换灰度幂次变换r=0.6,0.4,0.3暗图像变亮5.4灰度非线性变换灰度幂次变换r=3.0,4.0,5.0亮图像变暗5.5直方图灰度直方图表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率。它是图像最基本的统计特征。横坐标：灰度级；纵坐标：该灰度级出现的个数数组形式47325.5直方图直方图性质只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。丢失了位置的信息。图像与直方图之间是多对一的映射关系。直方图具有旋转、平移不变性由于直方图是对具有相同灰度值的像素统计得到的，因此，一幅图像各子区的直方图之和等于该图像全图的直方图。5.5直方图已知直方图，可以恢复出原图吗？A可以B不可以5.5直方图直方图计算将每个像素灰度值看做一个随机变量的样本，直方图是该变量的概率密度函数在离散形式下，用rk代表离散灰度级，nk为图像中出现rk级灰度的像素数，n是图像像素总数，而nk/n即为频数。初始化：p［k］=0;k=0,…,L-1。统计：p［f(x,y)］++;x,y=0,…,M-1,0,…,N-1。归一化：p(x,y)=p(x,y)/M*N。5.5直方图Lena图像及反色变换后的直方图5.5直方图四种基本图像类型,暗、亮、低对比度和高对比度以及它们对应的直方图。若一幅图像的像素占据全部可能的灰度级并且均匀分布，则图像有高对比度直方图均衡化直方图均衡化是指通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有“相同的”像素点数的过程

直方图均衡化经变换后得到的新直方图不很平坦，但比原始图像的直方图平坦的多，扩展了动态范围。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，这种现象叫做“简并”现象。由于简并现象的存在，处理后的灰度级总是要减少。经变换后得到的新直方图不很平坦，说明出现次数近似相等直方图均衡化计算利用累积分布函数作为灰度变换函数直方图均衡化计算统计直方图数组，用一个数组p记录p[i]。i从1开始，令s[i]=s[i-1]+p[i]。一个数组L记录新的s索引值，即令L[i]=s[i]*(256-1)。依次循环每一个像素，取原图的像素值作为数组L的下标值，取该下标对应的L数组值为均衡化之后的像素值。直方图均衡化计算已知，某图片灰度级r0-r7出现的概率分别为0.1，0.05,0.03,0.2,0.15,0.3,0.02,0.15，求直方图均衡化后的概率分布5.5.4自适应直方图均衡化理论基础自适应直方图均衡化方法是以像素为中心，采用一个滑动的窗口，计算其局部直方图和相应的累积直方图，并进行灰阶变换，从而改变该中心像素值。步骤如下：①采用滑动模板W在图像上移动，并且模板W的中心对应图像上的点；②对滑动窗口直方图进行均衡化处理，实现对窗口中心像素的处理③逐个像素计算，得到整幅图像的自适应直方图均衡化图像。函数说明