第4章图像增强1灰度变换.pptVIP

第四章 图像增强 概述 4.1 灰度变换 空域处理表示 空域处理表示 灰度变换方法 直方图 直方图 直方图的性质： 　　(1) 直方图是一幅图像中各灰度级出现频数的统计结果，未反映某一灰度级像素所在的位置，即丢失了位置信息。　　(2) 一幅图像对应一个直方图，但不同的图像可能有相同的直方图。也就是说，图像与直方图之间是一种多对一的映射关系。　　(3) 各子图像的直方图之和等于整幅图像的直方图。 不同灰度分布的直方图 不同灰度分布的直方图 直接灰度变换 1、图像求反 假设对灰度级范围是[0，L-1]的图像求反，就是通过变换将[0，L-1]变换到[L-1，0]，变换公式如下： 图像求反 直接灰度变换 2.线性灰度变换 直接灰度变换 直接灰度变换 大部分像素的灰度级分布在区间［a, b］，很小部分的灰度级超出了此区间 保持f (x, y)灰度低端和高端值不变 直接灰度变换 3.分段线性变换 典型的分段线性变换数学表达式如下： 分段线性变换 分段线性变换 直接灰度变换 4.非线性变换－－对数变换 要消除因动态范围太大而引起的失真，一种有效的方法是对原图像的动态范围进行压缩，最常用的是借助对数形式对动态范围进行调整，其数学表达式如下： 非线性动态范围调整 非线性变换 不同变换函数的增强效果 4.2 直方图修正 直方图修正 直方图均衡化 1．直方图均衡化 基本思想: 对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减，从而达到清晰图像的目的。 求法（五步）一、 求灰度直方图 设f、g分别为原图像和处理后的图像。 求出原图f的灰度直方图，设为h。 显然，在[0,255]范围内量化时，h是一个256维的向量。 例 二、计算灰度分布概率 例 三、计算灰度级的累计分布 设图像各灰度级的累计分布hp。 是小于等于i的所有像素的灰度分布概率之和 例 四、计算新图像的灰度值 新图像g的灰度值g(i,j)为 例 五、处理前后灰度直方图的比较 直方图均衡化 原始图像各灰度级对应的概率分布 直方图均衡化 图像直方图均衡化过程如下： （1）计算各灰度级的累计分布： 直方图均衡化 （2）将hp扩展到整个灰度级范围内，并取整，得： 直方图均衡化 （4）变换后5个灰度级的像素数 直方图均衡化 直方图均衡化 直方图均衡化 直方图均衡化 动态范围增大，直方图更平坦。适应于对比度较弱或灰度集中的图像。 灰度级减少，出现 “简并”现象。对比度增加，图像更清晰。 直方图规定化 2． 直方图规定化 直方图规定化 原始图像各灰度级对应的概率分布 直方图规定化 直方图规定化 直方图规定化 直方图规定化 直方图规定化 直方图规定化 4.2.3 直方图规定化　　直方图均衡化能自动增强整个图像的对比度，但它的具体增强效果不易控制。直方图规定化就是把直方图变换为某个特定的形状，从而有选择地增强某个灰度范围内的对比度。　　设pr(r)和pz(z)分别表示原直方图与规定直方图，L为图像的灰度级总数，则直方图规定化可以借助直方图均衡化来实现。直方图规定化的步骤如下： 　　(1) 对原直方图进行均衡化处理，得到映射关系rk→sk： 　　(2) 对规定直方图进行均衡化处理，得到映射关系zl→vl： 　　(3) 对于每个sk，迭代计算出满足式(4-15)的最小vl，得到映射关系sk→vl，再由rk→sk得到rk→vl，最后由zl→vl的逆变换vl→zl求出rk→zl的变换: 　　以图4-8(a)中的直方图为例，规定直方图pz(z)为： pz(3/7)=0.2，pz(5/7)=0.5，pz(1)=0.3。现对其进行规定化处理。原始图像的直方图与规定直方图的均衡化结果sk和vl如表4-2所示。 　表4-2 数字图像的直方图规定化 　　第三步的计算过程如下： 　　k=0时，当l=3时，v3-s0=0.2-0.19=0.01，开始满足式(4-15)，于是有r0→z3； 　　k=1时，当l=5时，v5-s1=0.7-0.44=0.26，开始满足式(4-15)，于是有r1→z5； 　　k=2时，当l=5时，v5-s2=0.7-0.65=0.05，开始满足式(4-15)，于是有r2→z5； 　　k=3时，当l=7时，v7-s3=1.0-0.81=0.19，开始满足式(4-15)，于是有r3→z7； 　　k=4时，当l=7时，v7-s4=1.0-0.89=0.11，开始满足式(4-15)，于是有r4→z7； 　　k=5时，当l=7时，v7-s5=1.0-0.95=0.05，开始满足式(4-15)，于是有r