03空间域图像增强.pptVIP

空间域图像增强 北京化工大学 图像增强的目的 图像增强的分类 背景知识 背景知识 空间域增强法 灰度变换 直方图处理 算术／逻辑操作增强 平滑空间滤波器 锐化空间滤波器 一、基本灰度变换函数 １、图像反转 ２、对数变换 ３、幂次变换 ３、幂次变换—伽马校正 ３、幂次变换 ３、幂次变换 ４、分段线性变换 优点：变换函数可以任意合成。 缺点：需要更多的用户输入。 分类： 对比拉伸 灰度切割 位图切割 ４、分段线性变换——对比拉伸 ４、分段线性变换 灰度切割：提高特定灰度范围的亮度。 方法： 关心范围内的灰度指定一个较高值，其它的灰度值指定一个较低值。 关心范围的灰度变亮，其它保持原有灰度。 ４、分段线性变换 位图切割：提高特定位的亮度。 ４、分段线性变换 二、直方图处理 二、直方图处理 归一化的直方图 二、直方图处理 １、直方图均衡化 目的：使一幅输入图像转换为在每一灰度级上都有相同的像素个数的输出图像。 １、直方图均衡化 １、直方图均衡化 ２、直方图匹配 目的：使输入图像直方图与另一幅图像的直方图或给定直方图相匹配。 ２、直方图匹配 步骤： 对原始图像直方图进行均衡化，求得变换函数　　； 给出规定直方图，并进行均衡化处理，求得变换函数　　； 求得反变换函数　　； 对所有像素变换。 ２、直方图匹配 ２、直方图匹配 ２、直方图匹配 ２、直方图匹配 ２、直方图匹配 三、算术／逻辑操作增强 逻辑操作 (像素值作为一个二进制字符串来处理。) “非”操作 “与”操作 “或”操作 三、算术／逻辑操作增强 三、算术／逻辑操作增强 算术操作 减法 加法 乘法 除法 １、图像减法处理 作用：增强两幅图像的差异。 １、图像减法处理 １、图像减法处理 １、图像减法处理 差值图像的标定： 每个像素值加255，然后除以2。 求差值图像的最小值Min,最大值Max ２、图像平均处理 ２、图像平均处理 ２、图像平均处理 空间滤波基础(邻域处理) 邻域处理：对邻域图像像素值以及有相同维数的子图像值的处理。 子图像被称为滤波器、核、模板或窗口。 子图像中的值是系数值，而不是像素值。 线性空间滤波 线性空间滤波 非线性空间滤波 空间滤波基础 当滤波器中心靠近图像轮廓时： 将模板中心点的移动范围限制在距离图像边缘不小于模板大小的一半。 部分滤波模板处理。 图像的边缘以外补上一行和一列灰度为零的像素点，或者边缘复制。 四、平滑空间滤波器 平滑滤波器：用于模糊处理和减少噪声。 线性滤波器 非线性滤波器 １、平滑线性滤波器 平滑线性空间滤波器的响应是包含在模板邻域内像素的平均值，又称为均值滤波器。 效果： 减小了图像灰度的“尖锐”变化。 副作用：边缘模糊。 主要应用 去除图像中的不相干细节或将目标内的小间断连接起来。 消除噪声。 １、平滑线性滤波器 １、平滑线性滤波器 各种尺寸的掩模平滑图像 １、平滑线性滤波器 ２、统计排序滤波器 非线性空间滤波器的响应：基于图像滤波器覆盖的图像区域中像素的排序，然后由统计排序结果决定的值代替中心像素值。 中值滤波 一维中值滤波 例： 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 二维中值滤波 二维中值滤波 中值滤波 中值滤波 ２、统计排序滤波器 五、锐化空间滤波器 锐化处理的主要目的：是突出图像中的细节或者增强被模糊了的细节。 均值与积分相似； 锐化可通过空间微分完成。 基础 一阶微分的定义： 在平坦段微分值为零 在灰度阶梯或斜坡的起始点处微分值非零 沿着斜坡面微分值非零常数 基础 二阶微分的定义： 在平坦段微分值为零 在灰度阶梯或斜坡的起始点处微分值非零 沿着斜坡面微分值为零 基础 基础 一阶微分与二阶微分比较： 一阶微分处理通常会产生较宽的边缘 二阶微分处理对细节有较强的响应 一阶微分处理一般对灰度阶梯有较强的响应 二阶微分处理对灰度阶梯变化产生双响应 对图像增强来说，二阶微分比一阶微分好，因为形成增强的细节能力好一些。 １、基于二阶微分的图像增强　　　　拉普拉斯算子 定义一个二阶微分的离散公式，然后构造基于此式的滤波器。 各向同性滤波器 滤波器的响应与滤波器作用的图像突变的方向无关。 是旋转不变的，即将原图旋转后的滤波结果与先滤波再旋转的结果一样。 １、基于二阶微分的图像增强　　　　拉普拉斯算子 二元图像函数　　　拉普拉斯变换定义为 拉普拉斯算子 拉普拉斯算子 拉普拉斯算子 简化：单一模板 简化：单一模板 反锐化掩膜与高提升滤波 反锐化掩膜与高提升滤波 例：高提升滤波增强图像 ２、基于一阶微分的图像增强梯度法 梯度法 Sobel Sobel 例： Sobel 六、混合空间增强法 增强图像作为最终产品的领域 印刷工业 基于图像的产品检测 法证