数字图像处理---第四章(修改)解答.ppt

* * * * * * * * * * * * * 例 （3）映射结果： t v u 0 0 0 1 0 2 1 1 3 3 2 4 5 5 5 6 6 6 7 7 7 逆变换得 t v u 0 0 0 1 0 2 1 1 3 3 2 4 5 5 5 6 6 6 7 7 7 s 0 1 2 3 4 5 6 7 t 1 3 5 6 6 7 7 7 例 （4）规定化后各灰度级像素数： 规定化后的直方图 灰度级 0 1 2 3 4 5 6 7 像素 0 0 0 790 1023 850 985 448 概率 0.00 0.00 0.00 0.19 0.25 0.21 0.24 0.11 * 结果 原始直方图 规定直方图 结果直方图 效果 原始图像 规定直方图 规定化后直方图 规定化后的图像 (1) 图像减法 图像相减的结果就可把两图的差异显示出来，可以用来增强两幅图像的差异。 效果 - = 直方图均衡后 (2) 图像平均 设噪声互不相关，且具有零均值 ，可用图像平均去除噪声 令 则 随N的增加，图像噪声影响减少 效果 Ａ原图+高斯噪声 Ｂ４幅度图平均 Ｃ４幅度图平均 Ｄ１６幅度图平均 两幅图与操作 两幅图或操作 与 ＝ 或 ＝ * * * * * * * * * * * * * * * * * * * * * 5、位图切割 设图像中每一个像素由8bit表示，也就是说图像有8个位面，一般用位面0表示最低位面，位面7表示最高位面，如图所示。借助图像的位面表示形式可通过对图像特定位面的操作来达到对图像的增强效果。 * * * * 灰度直方图（Histogram）：是图像灰度级的函数，它表示图像中具有每种灰度级的像素的个数，反映图像中每种灰度出现的频率。 设变量r代表图像中的灰度级，如果对它作归一化处理，则r∈[0 ，1]。对于一幅给定的图像，每一像素取得[0 ，1] 间的灰度值是随机的，即可认为它是个随机变量。假定r是连续的，那么可以用概率密度函数P(r)来表示原始图像的灰度分布。 从概率的观点来理解，灰度出现的频率可以看作其出现的概率，这样直方图就对应于概率密度函数pdf(probability dens ity function), 而概率分布函数就是直方图的累积和，即概率密度函数的积分。 * * 几点相关说明 1、直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率；直方图是图像的最基本的统计特征； 2、直方图提供了原图像的灰度分布情况，也可以说给出了一幅图像灰度值的整体描述； 3、直方图绘出了简单可见的指示，用来判断图像是否合理地利用了全部被允许的灰度级范围； 4、不同的直方图代表不同的图像分布，同一直方图未必表示图像相同。 ?直方图均衡化 ?直方图规定化 图像灰度统计直方图： 常用的方法： 直方图均衡化 定义：直方图均衡化（histogram equalization）是一种借助直方图变换实现灰度映射从而达到图像增强目的的方法。 基本思想：把原始图的直方图变换成为均匀分布的形式，这样，就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果 直方图均衡化的计算：假设原图象有L个灰度，不妨记sk就是灰度k。 依次计算频率p(k)＝nk/n, k=0,1,…,L-1. 用下式计算tk的近似值： 由于tk在零与一之间，应该把tk映射到在[0,L-1]范围内的一个整数，所以用L-1乘以tk后取整,即[(L-1)tk]。由此来确定灰度k 到[(L-1)tk]的灰度映射关系。 对于变换t=T（s），满足2个条件： （1）T单值单增函数。 （2）对 有 则有： 条件(1)保证原图中各灰度级在变换后仍保持以黑－白（白－黑）的 排列次序，避免整个图像变亮或变暗； 条件(2)保证变换前后在灰度值动态范围内的一致性。反变换也满足这 2个条件。 * 直方图均衡化中T： 原始64*64图像各灰度级对应的概率分布 灰度级 0 1 2 3 4 5 6 7 像素数 790 1023 850 656 329 245 122 81 概率 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 例 图像直方图均衡化过程如下： （1）得到变换后的值： 依此类推，即可得到 例 （2）用式 将 扩展到 范围内并取整，得： (3)将相同值的归并起来,得: 例 （4）变换