数字图像处理--第4章 图像增强2课件.ppt

第四章 图 像 增 强 4.1 概述 图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，提高图像的使用价值。 图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。 空间域增强是直接对图像各像素进行处理； 频率域增强是将图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。 4.2 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。 1．线性变换 令图像f(i,j)的灰度范围为[a,b]， 线性变换后图像g(i,j)的范围为 [a′,b′]，如图: g(i,j)与f(i,j)之间的关系式为： 设 r、s 分别为原图象和处理后的图像。 1) 求出原图象 r 的灰度直方图，设为 h 。 h 为一个256维的向量。 2）求出图像 r 的总体像素个数 3）计算图像各灰度级的累计分布 hp。 4）求出新图像 s 的灰度值。 直方图均衡化示例 4.4.3 K近旁均值滤波器 (1) 做一个m*m的作用模板。 (2) 在其中选择K个与待处理像素的灰度差 (绝对值)为最小的像素。 (3) 用这K个像素的灰度均值替换掉原来的值。 K近旁均值滤波器的效果 较小的K值使噪声方差下降较小，但保持 细节效果较好；而较大的K值平滑噪声较好 但会使图像边缘模糊。 4.4.4 、对称相邻均值滤波器 (1) 作一个作用模板 (2) 在模板中寻找对称的像素对 (3) 计算每一对像素与待处理像素的灰度差 (4) 保留灰度差较小的像素 (5) 将留下的像素的灰度均值替代原像素的灰度值 算法示意图如下所示： 对称相邻均值滤波器的效果 2. K近旁中值滤波器 (1) 作一个3*3的窗口。 (2) 在其中选择K个与待处理像素的灰度差为最小的像素。 (3) 将这K个像素的灰度中值替换掉原来的值。 K近旁中值滤波器的效果 4.4.5 最小均方差滤波器 中值滤波器的效果 2. 边界保持类的中值滤波器 1)、K近旁中值滤波器(KNNMF) (1) 作一个m*m的作用模板。 (2) 在其中选择K个与待处理像素的灰度差为最小的像素。 (3) 将这K个像素的灰度中值替换掉原来的值。 2)、对称相邻中值滤波器（SNNMF） (1) 作一个作用模板 (2) 在模板中寻找对称的像素对 (3) 计算每一对像素与待处理像素的灰度差 (4) 保留下灰度差较小的像素 (5) 将留下的像素的灰度中值替代原像素的 灰度值 K近旁中值滤波器的效果 2)、对称相邻中值滤波器（SNNMF） 算法示意图如下所示： 3)、最小均方差中值滤波器 (1) 按图做出9个模板，计算出各自的方差。 (2) 选出方差为最小的模板 (3) 将该模板的灰度中值代 替原像素灰度值 为克服简单局部平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等，下面简要介绍几种算法。 4.4.2 超限像素平滑法 对邻域平均法稍加改进，可导出超限像素平滑法。它是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g′(x,y)。其表达式为 这算法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊程度也大。 同局部平滑法相比，超限像元平滑法去椒盐噪声效果更好。 3 5 4 2 4 1 1 3 1 3，3，4 3 5 4 2 3 1 1 3 1 1/3（3+3+4）=3.33 3,1,3,3, 2,0,1, 1 p1 p2 q1 q2 p1 p2 q1 q2 1/12*（p2+q2+…) 3 5 4 2 4 1 1 3 1 3，3，4 3 5 4 2 3 1 1 3 1 4.4.5 最大均匀性平滑 为避免消除噪声引起边缘模糊，该算 法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。 4.4.6 最小均方差滤波器 对图像任一像素(x,y)的5×5邻域，采用9个掩模，其中包括一个正方形、4个五边形和4个六边形。计算各个掩模的方差，最小方差所对应的掩模区的灰度均值就是像素（x,y) 的输出值。 该方法以方差作为各个区域灰度均匀性的测度。若区域含有尖锐的边缘，它的灰度方差必定很大，而不含边缘或灰度均匀的区域的方差小