图象处理-51.pptVIP

第五章 空间域图像增强 增强的首要目标是处理图像，使其比原始图像更适合于特定应用。这里的“特定”很重要，因为它确定了本章所讨论的技术是面向问题的。例如，一种很适合增强X射线图像的方法，不一定是增强由空间探测器发回的火星图像的最好方法。 图像增强是图像处理中最具有吸引力的领域之一。 图像增强的方法分为两大类： 空间域 (spatial domain) 方法 频域(frequency domain)方法。 “空间域”一词是指图像本身，这类方法是以对图像的象素直接处理为基础的。“频域”处理技术是以修改图像的傅立叶变换为基础的。 本章讲述空间域方法。本章关于增强的许多基本技术在后续章节里的其他图像处理应用中也会用到。 图像增强的通用理论是不存在的。 当为了视觉解释而对图像进行处理时，由观察者最后判断特定方法的效果。图像质量的视觉评价是一种高度主观的过程，因此很难定义一个“理想图像”标准，通过这个标准去比较算法的性能。 当为机器感知而处理图像时，这个评价任务就会容易一些。例如，在一个特征识别的应用中，不考虑像计算要求这些问题，最好的图像处理方法应该是一种能得到最好的机器识别的结果的方法。 5.1 背景知识 “空间域”是指构成图像的像素集合。空间域方法是直接对这些像素操作的过程。空间域处理可由下式定义： 其中f(x,y)是输入图像，g(x,y)是处理后的图像，T是对f的一种操作，其定义在(x,y)的某些邻域上。另外，T能对输入图像集进行操作，例如，为减少噪音而对K幅图像进行逐个像素的求和操作。 定义一个点(x,y)邻域的主要方法是利用中心在(x,y)点的正方形或矩形子图像。子图像的中心从一个像素向另一个像素移动，比如从左上角开始。T操作应用到每一个(x,y)位置得到该点的输出g。这个过程仅仅使用小范围邻域里的图像像素。 尽管近似于圆的其他邻域形状有时也用，但正方形和矩形阵列因其容易执行操作而占主导地位。 T操作最简单的形式是邻域为1?1的尺寸（即单个像素）。在这种情况下，g仅仅依赖于f 在(x,y)点的值，T操作成为灰度级变换函数（也叫做强度映射） ，形式为： s=T (r) (2) s、r分别为f(x,y)和g(x,y)在任意点(x,y)的灰度值。 利用灰度级变换可以形成非常简单，但是非常有效的处理方法。因为在图像任意点的增强仅仅依赖于该点的灰度，这类技术称为点运算（对比度增强、对比度拉伸）。 典型的点运算应用包括： 光度学标定：通过对图像传感器的非线性特性作出补偿来反应某些物理特性，例如，光照强度、光密度等； 对比度增强：调整图像的亮度、对比度，以便观察； 显示标定：使得图像在显示时能够突出用户感兴趣的特征； 图像分割：为图像添加轮廓线，辅助后续运算中的边界检测； 图像裁剪：将输出图像的灰度级限制在某一范围内。 更大的邻域会有更多的灵活性。一般的方法是，在点(x,y)事先定义的邻域里，定义一个关于f的函数，决定g在(x,y)的值。主要是利用所谓的模板mask（也指滤波器filters、核kernels、掩模templates或窗口windows）。 模板是一个小的（例如：3?3）二维阵列。模板的系数值决定了处理的性质，如图像平滑、图像尖锐化等。 以这种方法为基础的增强技术通常被称为模板处理或滤波。 5.2 基本灰度变换 图像增强技术中最简单的一类就是灰度变换。处理前后的像素值分别用r 和s 表示。这些值与s=T(r) 表达式的形式有关，这里T是把像素值r 映射到s 的一种变换。由于处理的是数字量，变换函数的值通常存储在一个一维阵列中，并且从r 到s 的映射通过查表得到。对于8比特环境，一个包含T值的可查阅的表需要有256个记录。 下图中显示了图像增强常用的三个基本类型函数： 线性的（正比和反比）、 对数的（对数和反对数函数）、 幂次的（n次幂和n 次方根变换）。 5.2.1 图像反转 灰度级范围在[0，L-1]的图像的反转可由上图中的反比变换获得。表达式为： s=L-1-r 用这种方法倒转图像的强度产生图像反转的对等图像。这种处理尤其适用于增强嵌入于图像暗色区域的白色或灰色细节，