图像增强与复原.pptVIP

第四章 图像增强与复原;4.1 概述;4.1 概述;图像增强目的和方法;问题提出;图像增强问题提出;图像增强问题提出;图像增强问题提出;图像增强问题提出;图像增强问题提出;4.2 灰度修正;4.2.2 灰度级变换 线性灰度变换 当图像由于成像时曝光不足和过度，或由于成像设备的非线性和图像记录设备动态范围太窄等因素，都会产生对比度不足的弊病，使图像的细节分辨不清。这时将图像的对比度进行扩展，常常能够显著地改善图像的观看质量。 ;灰度变换法线性灰度变换;灰度变换法线性灰度变换;灰度变换法分段线性灰度变换;灰度变换法示例;灰度变换法示例;灰度变换法示例;灰度变换法示例;4.3 直方图修正;4.3.2 直方图修正 直方图修正就是对图像的统计特性进行修改，以达到某种特定的处理效果。 实现思路： 1）求出灰度直方图A；级变换T 2）??欲达到的统计特性直方图表示A1； 3）求出A--- A1灰度级变换G; 4）用G对图像做灰度级变换;4.3 直方图修正;直方图均衡化的数学基础;直方图均衡化?累积分布函数;直方图均衡化实现 1.列出原始图像灰度级fj, j=0,1,…,k,…,L-1; 2.统计各灰度级的像素数目，nj, j=0,1,,…,k,…,L-1; 3.计算原始图像直方图Pf(fj)=nj/n，n为原始图像总的像素数目； 4.计算累积分布函数c(f); 5.应用转移函数，计算映射后的灰度级, gi=INT[(gmax-gmin)c(f)+gmin+0.5] 6.统计映射后各灰度级的像素数目ni, i=0,1,…,p-1; 7.计算输出图像直方图Pg(gi)= nj/n，i=0,1,…,p-1; 8.用fj和gi的映射关系，修改原始图像灰度级，获得直方图近似均匀分布 的输出图像。;直方图均衡化;4.4 同态增晰;景物图像光照模型 fI(x,y)是照度分量，fR(x,y)是反射分量。 fI(x,y)频率特征表示低频信息， fR(x,y)频率特征表示高频信息，包含景物信息。 通常，光照均匀， fI(x,y)近似于常数。 若光照分布不均匀、动态范围大，将fI(x,y)和fR(x,y)分离，抑制fI(x,y)，增强fR(x,y); 4.4.2 同态增晰原理 Ln x 函数 傅立叶变换 滤波 傅立叶反变换;指数函数 ;4.5 噪声处理;4.5.2 空间平均法 图像特点：图像由许多灰度恒定的小块组成，像素之间存在很高的空间相关性； 噪声特点：随机不相关加性噪声，且是独立等分布的。;超限像素平均法 ;4.5.3 中值滤波 中值滤波方法，它对脉冲干扰和椒盐噪声的抑制效果好，在抑制随机噪声的同时能够保持边缘减少模糊。 中值滤波：对一个滑动窗口内的诸像素的灰度排序，用其中值代替窗口中心像素原来的灰度值。N=5 ;二维中值滤波;二维中值滤波;4.6 锐化;4.6.1 梯度运算 在数学上，图像模糊相当于图像被平均或被积分，而图像锐化相当于图像被微分。微分的作用是求变化率。 梯度函数G[f(x,y)] Robert梯度算子 GM(x,y)=|f(x,y)-f(x+1,y+1)| + |f(x+1,y) - f(x,y+1)| 梯度与边缘 梯度值正比于像素之差，在平滑区域梯度值小，在边缘区域梯度值大。;梯度算子(1);梯度算子(2);4.6.2 高通滤波 理想高通滤波 Butterworth高通滤波 ;理想高通滤波器;Butterworth高通滤波;图像的减运算;图像的减运算;4.7 几何变换;4.7.2 灰度插值 灰度插值的策略：像素移交和像素填充。 像素移交：输入图像的像素被影射到输出图像的四个像素之间。 像素移交的问题 (1)输入像素可能被映射到输出图像边界之外。 (2)缩小：多个输入像素的灰度确定一个输出像素的灰度，重复计算量大。 (3)放大：输出像素可能有遗漏。 像素填充：输出图像的像素被影射到输入图像的四个像素之间。 像素填充问题：按空间定义方式随机访问输入图像，可能有一些复杂。;灰度插值;灰度插值;空间变换;空间变换;空间变换;空间变换;4.8 图像复原;4.8 图像复原;4.8.2 解卷积(反滤波) 离散退化模型： 离散退化模型的矩阵表示：5122? 5122 =262144 H的矩阵表示：;反滤波恢复;反滤波恢复;反滤波恢复;反滤波恢复