新数字图像处理及应用 含 1CD 教学课件 李朝晖 主编 Lesson4.pptVIP

4 图像增强 4.1.1 灰度变换（点处理） 线性变换 分段线性 线性变换特例 非线性变换 非线性变换 非线性变换 4.1.2 灰度直方图 直方图：直方图是图像的灰度—象素数统计图，即对于每个灰度值，统计在图像中具有该灰度值的象素个数，并绘制成图形，称为灰度直方图（简称直方图）。 直方图模型：表示图像中不同灰度级出现的相对频率 Gray-level histogram 4.1.2 直方图处理 直方图均衡 一、直方图均衡：把原始图的直方图变换为均匀分布的形式，增加像素灰度值的动态范围，提高图像对比度。 Histogram equalization 点处理增强：g=EH(f) 表示。 是一种非线性变换。 直方图均衡的特点：增加像素灰度值的动态范围，提高图像对比度。 4.1.3 图像的同态增晰 4.1.4 图像间运算 4.2 空域滤波增强 [图像平滑] 图像平滑是在图像噪声模型未知时消除噪声的一种常规办法。 Smoothing 邻域平均法 均值滤波 [均值滤波] 实现图像平滑最常见的方法是在像素邻域内求局部均值，称为均值滤波。 3 x 3 均值滤波 O(X, Y) = ( I(X-1, Y-1) + I(X, Y-1) + I(X+1, Y-1) + I(X-1, Y) + I(X, Y) + I(X+1, Y) + I(X-1, Y+1) + I(X, Y+1) + I(X+1, Y+1) ) / 9 滤波核h（x，y）： [例1]设16x16点阵的假想图像如右图所示。 采用3x3均值滤波。 滤波核为： 结果如右图所示。 [例2]设16x16点阵的假想图像如右图所示。 采用3x3均值滤波。 滤波核为： 结果如右图所示。 5 x 5 均值滤波 滤波核： 均值滤波的特点：局部求均值的运算或平均计算使数字信号变“平坦”，可以在图像中消除或抑制噪声。同时，图像中景物边缘也会不同程度地变得模糊。 中值滤波 中值滤波：中值滤波与均值滤波的区别仅限于：中值滤波是求局部中值而不是局部均值，即对参与计算的象素灰度值按大小排序，然后取位置居中的象元灰度值。 Median filtering [例2]设16x16点阵的图像如右图所示。 采用3x3中值滤波。 结果如右图所示。 中值滤波的机理：在图像局部中，杂散噪声点的灰度值较大或较小，求中值可以自动将其消除。但中值滤波不同于均值滤波，其中值直接取自某个象素的灰度值，不经过计算，所以能较好地保持图像景物原状。 4.2.3 锐化滤波器（边缘锐化） [边缘锐化]补偿图像的轮廓，突出图像中景物的边缘或纹理，使图像清晰，---空域高通滤波（俗称勾边处理）。 Sharpening 边缘锐化的机理：图像中景物的边缘或纹理是灰度值发生突变的地方，数字信号处理采用差分或梯度计算来检测边缘。若在原图上（或一定的灰度值上）叠加该检测结果有勾边效果。 4.3 频域增强 4.3.1 低通滤波器 4.3.3 带通或带阻滤波器 4.4 彩色增强 4.4.1 伪彩色增强 4.4 彩色增强 4.4 彩色增强 4.4.2 真彩色增强 作业：p664.1、4.2、4.5、4.7 [照片模糊两种理解] 1、平均或积分效应引起——用微分处理； 2、模糊可看作图像上高频分量被削弱——高频增强，引入微分： 微分法： [note：噪音亦属高频分量，往往会随高频增强而突出。因此往往需 要去噪后再锐化－微分] 讨论微分算子： 一般情况： 希望求微分算子是各向同性的，即其微分效果不随特征方向不同而不同。 可证明：偏导数的平方和是各项同性的，梯度运算Laplace运算都符合上述条件。 x’ y’ y f(x,y) θ 一、梯度运算 (i,j) (i+1,j) (i,j+1) (i,j) (i+1,j) (i,j+1) (i+1,j+1) 二、拉普拉斯运算 -1 -1 4 -1 -1 -1 -1 -1 8 -1 -1 -1 -1 -1 注意: 1)图像中灰度变化小时，g(x,y)输出小或为负 2）图像中灰度变化大时，g(x,y)的增强可能超出范围，需要变回0～L-1尺度中 2 2 2 2 2 2 2 mask 0 -1 0 -1 4 -1 0 -1 0 Eg: 灰度级为4 2 2 2 4 1 1 1 1 mask 0 -1 0 -1 4 -1 0 -1 0 三、