数字图像处理课件第4章：图像增强.pptVIP

图4.1.2 灰度分段线性变换关系 （a）扩展感兴趣的，牺牲其它； （b）扩展感兴趣的，压缩其它。 2. 指数变换 与对数变换的效果相反，指数变换使得高灰度范围得到扩展，而压缩了低灰度范围，其一般表达式为 其中λ和γ为常数。为避免时底数为0的情况，增加偏移量ε。γ值的选择对于变换函数的特性有很大影响，当γ＜1时会将原图像的灰度向高亮度部分映射，当γ＞1时向低亮度部分映射，而当γ 1时相当于正比变换。灰度指数变换的图像示例如图4.1.5所示。 ▓ 直方图与图像清晰性的关系： 直方图反映了图像的清晰程度，当直方图均匀分布时，图像最清晰。由此，我们可以利用直方图来达到使图像清晰的目的。 ? 直方图均衡化 直方图均衡化就是通过原始图像的灰度非线性变换，使其直方图变成均匀分布，以增加图像灰度值的动态范围，从而达到增强图像整体对比度，使图像变清晰的效果。 [例4.1] 设有一幅大小为64×64，包含灰度值是0?7的8个灰度级的数字图像，其各灰度级的像素个数见表4.2.1所示，要求对其进行直方图均衡化，求出灰度变换关系和变换后的直方图。 表4.2.1 图像各灰度级的像素个数 图4.2.3 直方图均衡化的示意图（a）原始直方图P i ；（b）累计直方图Pi ；（c）均衡化后的直方图P j 。 图4.2.3给出了直方图均衡化的示意图。从图和表中可以看出，由于数字图像灰度取值的离散性，通过四舍五入使变换后的灰度值出现了归并现象，而使变换后的直方图并非完全均匀分布，但相比于原直方图要平坦得多。 ? 直方图规定化（匹配） ▓数字图像直方图规定化的方法步骤如下： （1） 对原直方图均衡化，即求其累计直方图 ： （2） 对规定直方图均衡化，即求其累计直方图 ： （3） 按 最靠近的原则进行 的变换； （4） 求出 的变换函数，对原图像进行灰度变换 。其中， 为原数字图像的直方图， 为规定直方图，i和j分别为原图像和期望图像的灰度级，且具有相同的取值范围，即 。 [例4.2] 对例4.1所给的图像进行直方图规定化处理。给定的规定直方图如表4.2.4所示。 表4.2.4 规定直方图 图4.2.6给出了直方图规定化的示意图。 从图4.2.6可看出，经直方图规定化变换后的图像的直方图（称为匹配直方图），并非完全与规定直方图相同，但相比于原直方图，匹配直方图要更接近于规定直方图。 ▓目的：去除或衰减图像中噪声和假轮廓； ▓方法分类：空域和频域方法。 一、 空域平滑法 （一）邻域（局部）平均法 1. 定义：用某点邻域的灰度平均值来代替该点的灰度值； 2. 公式： 8-邻域平均： 2 含噪声图像 f fs+η, 则 上式第 2 项的 E · 0，D · ，故减少了噪声。 （3）带来问题：使目标物轮廓或细节（边缘）变模糊。 （二）阈值平均法 为克服邻域平均使图像变模糊的缺点，可以采用加门限的方法来减少这种模糊。具体计算公式是： 其中的门限T通常选择为 ， 表示图像的均方差。但实际应用中，门限T要利用经验值和多次试验来获得。这种方法对抑制椒盐噪声比较有效，同时也能较好地保护仅有微小变化差的目标物细节。 （五）多图像平均法 1. 条件：在相同条件下，得到同一目标物的若干幅图像； 2. 公式： 设 ，则 3. 特性：多图像平均后，图像信号基本不变，而各点噪声的方差降为单幅图像中该点噪声方差的 。从而就抑制了噪声，相当于提高了信信噪比。因此，这种平均的消噪思想被广泛应用于强噪声中的弱目标检测。 二、频域低通滤波法 图4.3.5 频域低通滤波法的处理过程 1.空域模板平滑法等效于频域低通滤波法 [证] 若选用平滑模板 则平滑公式为 三、中值滤波法（非线性滤波法） 三、中值滤波法 三、中值滤波法 三、中值滤波法 ? 空域锐化法 ? 真彩色图像在HSI模型下的增强 HSI HSV 模型 色调 H Hue :它表明颜色的种类，取决于主波长； 饱和度 S Saturation :表示颜色浓淡的物理量。 亮度 I Intensity /V Value :人眼所感受到的颜色明暗程度的物理量。 ? 真彩色图像在HSI模型下的增强 利用颜色模型（坐标）转换方法，先将彩色图像从RGB坐标转换成HSI坐标，仅对I分量（亮度）进行增强处理，H和S分量不变，然后再变换回RGB坐标。 结果： ⑴ 增强了图像，但不改变颜色； ⑵ HSI之优点：亮度和色度分开。 ? 模板锐化法 Laplacian 锐化模板 （1）4-邻模板 W1 （2）8-邻模板 W4 ▓锐化模板特点 （1）模板内系数有正有负，表示差分运算； （2）模板内系数之和 1（ ① 对常数图像 f m,n ≡c，处理前后不变； ② 对一般图像，处