图像shuzic.pptVIP

数字图像处理(Digital Image Processing） 第3章 图像增强 3.1 引言 3.2 灰度增强 3.3 图像平滑 3.4 图像锐化 3.5 伪彩色和真彩色增强 图像增强的主要目标是处理图像，以便处理结果图像比原图像更适合于特定的应用。 特定意味着增强方法针对特定的问题，不同的问题适合采用不同的增强方法。 没有一个图像增强的统一理论，如何评价图像增强的结果好坏也没有统一的标准。 主观标准：人 客观标准：结果 1、灰度变换 灰度变换可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。 亮度调整——加亮、减暗图像 分段线性变换（对比度拉伸） 分段线性变换（对比度拉伸） 分段线性变换（二值化） 灰度切割 对数变换示例： 对数变换的一般表达式： 窄带低灰度输入图－宽带灰度输出图 对数变换的实例：傅立叶频谱 由0～1.5×106到0～6.2范围内。 灰度级与该灰度级出现频率间的统计关系 rk为k级灰度，nk为k级灰度出现的次数。以r为横坐标，以P(rk)为纵坐标画图，称之为直方图。 总结 直方图特性 (1) 直方图是一幅图像中各象素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数〕，而未反映每一灰度值象素所在位置。也就是说，它只包含了该图像中某一灰度值的象素出现的概率，而丢失了其所在位置的信息。 (2) 任一幅图像，都能唯一地算出一幅与它对应的直方图，但不同的图像，可能有相同的直方图。也就说，图像与直方图之间是一种多对一的映射关系。 (3) 由于直方图是对具有相同灰度值的象素统计计数得到的，因此，一幅图像各子区的直方图之和就等于该图全图的直方图。 直方图均衡化－简并现象 理想情况下，经过直方图均衡化以后 的图像直方图应是十分平坦的，但实 际情况并非如此，产生的新的直方图 比变换前平坦多了，但和理论分析有 差异，此外，灰度级减少了。这种现 象称为简并现象，这是灰度级作近似 的结果。 直方图匹配 步骤： （1）由 各点灰度由 r映射成s。 （2）由 各点灰度由 z映射成v。 步骤： （3）根据v=G(z), z=G-1(v) 　由于v, s有相同的分布，逐一取v=s，求出与r对应的z=G-1(s)。 Matlab 直方图函数 1、生成直方图 Imhist（A） 2、直方图的均衡化 B=histeq（A)， histeq（A,n） 把图像A的灰度级变为n阶； Matlab函数 灰度变换 g = imadjust ( f, [flow fhigh], [glow ghigh], GAMMA); If GAMMA is greater than 1, the mapping is weighted toward lower (darker) output values. GAMMA defaults to 1 (linear mapping) 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就等于该图像全图的直方图 直方图的分解 直方图一对多 如何根据直方图信息对图象进行修改？ 直方图修整法 灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。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。 直方图修整法包括直方图均衡化及直方图规定化两类。 1.直方图均衡化 直方图均衡化是将原图像通过某种变换，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 直方图均衡化示例 下面先讨论连续变化图像的均衡化问题，然后推广到离散的数字图像上。 设r和s分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。即 在[0,1]区间内的任一个r值，都可产生一个s值，且 T(r)作为变换函数，满足下列条件： ①在0≤r≤1内为单调递增函数，保证灰度级从黑到白的次序不变； ②在0≤r≤1内，有0≤T(r)≤1，确保映射后的像素灰度在允许的范围内。 反变换关系为 T-1(s)对s同样满足上述两个条件。 由概率论理论可知，如果已知随机变量r的概率密度为pr(r),而随机变量s是r的函数，则s的概率密度ps(s)可以由pr(r)求出。 假定随机变量s的分布函数用Fs(s)表示，根据分布函数定义 利