FFT示意图精要.docVIP

二、 解：（采用图像vision1.bmp） 本题是探讨对比度增强问题，对比度小的图像很难辨别。对vision1.bmp图像通过直方图观察发现其灰度值范围在0～150之间，且多数象素点的灰度在0～50之间，对比度显然很较差。常用的对比度增强方法有图像均衡和灰度拉伸。 图像均衡 （1）原理、方法 利用统计的方法，通过点运算使输入图像转换为每一灰度级上都有相同的象素点数的输出图像（即输出图像的直方图是平的）。这样就增加了象素灰度值的动态范围。 首先定义图像的概率密度函数（PDF，归一化到单位面积的直方图）： 其中H（x）为图像直方图，A0为图像的面积 转换前图像的概率密度函数为，转换后图像的概率密度函数为，转换函数为。由概率论知识，可以得到： 如果想使转换后图像的灰度均匀分布，即图像的概率密度函数为1（直方图为平的），则必须要求： ， 要由原象素点的灰度值，只需对该等式两边对积分，得到： 对于没有归一化的情况，只要乘以最大灰度值（灰度图为255）即可。灰度均衡的转换公式为 对于数字图像（离散），转换公式为： 式中Hi为第I级灰度的象素个数。。 （2）结果及分析 经过均衡化后，图像的对比度明显增强，（图2.1和图2.3比较），基本可以辨别图像中的物体和人的特征。原图象的直方图灰度集中在0～150之间，均衡化后直方图较为平坦，且灰度分布范围扩展到0～255之间，反应在图像上就是图像有较大的反差，显然对比度增强。直方图均衡化的优点是能自动地增强整个图像的对比度，但它的具体增强效果不易控制，不能只针对某个灰度区间进行有意识的灰度变换。因此对于我们所要求的细节，该变换不一定能提高它的可看性。 图2.1 原图象 图2.2原图象的灰度直方图 图2.3 均衡化后的图像 图2.4 均衡图像的灰度直方图 （二）灰度拉伸 （1）机理及方法 一般来说正确地使用直方图规定化的函数有可能获得比直方图均衡化更好的效果，而且也可以有意识地对某个灰度区间进行灰度拉伸。通过这种灰度拉伸来改变图像对比度的方法大致有两种： ①线性灰度拉伸 对于原图象的某个灰度区间的灰度值Z按照下式变换函数变换 式中，斜率为常数k= (式2.1) 显然灰度范围由变换到,从而改变图像的对比度 ②非线性灰度拉伸 一般在傅立叶功率谱中，与直流成分相比，其它的频率成分的值即使乘以10的几次方也是小的，为此先取输入图像灰度值的对数，变换函数为 式中斜率为常数k= (式2.2) 此外，也可以规定，为其它的非线性函数，如二次函数、三角函数等。 （2）针对vision1.bmp的拉伸 由式2.1、式2.2（注：式2.2中自变量为logZ,应变量为Z’）可以看出 ⅰ、若斜率k1，则变换后灰度值将变大，即产生“伸”的结果，可以由图2.5得到验证，图2.5（0，0）至（27，66）区间，与图2.2（灰度值为0的象素点较多，占5.79%）相比，延伸后大部分象素点较多的灰度平移到灰度值为70的附近，灰度值为70的象素点数目占了7.60%。从对比度效果看，灰度值在区间0～27的象素点将变亮。参看图2.5的变换结果图，与原图（图2.1）比较，地板和沙发底座附近（灰度在0～27之间）的对比度明显增强，而墙壁的亮的部分（灰度值大于27），基本没有产生对比度变化。 图 2.5 变换函数（延伸） 横坐标——原灰度 纵坐标——变换后的灰度 图2.6 变换函数（收缩） 横坐标——原灰度 纵坐标——变换后的灰度 ⅱ、若斜率k1，则变换后灰度值将变小，即产生“缩”的结果，可以由图2.6得到验证，图2.6（0，0）至（41，4）区间，与图2.2（灰度值为0的象素点较多，占5.79%）相比，收缩后大部分象素点较多的灰度平移到灰度值为0的附近，灰度值为0的象素点数目骤增到24.37%。从对比度效果看，灰度值在区间0～41的象素点将变亮。参看图2.6的变换结果图，与原图（图2.1）比较，地板和沙发底座附近（灰度在0～41之间）几乎无法分辩，对比度减弱，而墙壁的亮的部分（灰度值大于41），基本没有产生对比度变化。 ⅲ、若斜率k=1，则变换后不会改变该区间的灰度值， 如上面分析中灰度在72～255区间的象素点的灰度不会改变。 综上分析，直方图“伸”将使图像对比度增强，“缩”将使图像对比度减弱。 （3）较佳的灰度拉伸 由于vision1.bmp整幅图像明显偏暗，图像的灰度集中在较暗的区域，为此根据前面分析，采用灰度“延伸”的方法来提高图像的对比度。从原图象的直方图看出，灰度值在0～150的象素点数目占