数字图像处理_第4章图像增强.ppt

人耳视频 处理前 人耳图像的处理，过多毛发无法处理, 有颜色失真现象 处理后 4.7 图像增强案例分析 2 对比度增强 目的: 实现后续分割算法的准确性,提高视觉上的分析和理解 方法: 直方图均衡,自适应直方图均衡,对比度受限自适应直方图均衡 问题: 颜色改变失真 转换到Lab空间上进行增强处理， Lab空间能够独立地控制色彩信息和亮度信息，能够直接用彩色空间的欧氏距离比较不同色彩，有效用于测量小的色差。 依次为原图、直方图均衡、自适应均衡、对比度受限直方图均衡 4.7 图像增强案例分析 3 彩色增强 目的:色调一致性调整, 颜色矫正 方法:白平衡, 图像间颜色转换 问题: 有时导致真正数据的丢失 白平衡前 白平衡后 图像间颜色转换 A为参考图像，B为目标图像 目的：使目标图像颜色与参考图像颜色一致 颜色空间转化： 颜色空间转化： 颜色转换 参考图像 目标图像 结果图像 颜色接近了参考图像,且部分杂质消失 * 解决了染色剂质量、周围环境和人为因素的一些影响。 * 4.3.2 频域平滑——低通滤波器 FFT H(u,v) IFFT f(x,y) F(u,v) G(u,v) g(x,y) 频域滤波器公式：G(u,v) = H(u,v) · F(u,v) 其中： F(u,v)：原始图像Fourier频谱 G(u,v)：平滑后图像的Fourier频谱 H(u,v)：滤波器转移函数（即频谱） H(u,v)函数的定义，方法很多，没有唯一通用办法，针对具体情况选用不同方法。 频域处理的过程 4.3.2 频域平滑——低通滤波器 图像中，噪声或物体边缘处灰度变化剧烈，对应傅立叶频谱的高频分量，物体内部灰度分布均匀，变化平稳，对应傅立叶频谱的低频分量。因此可以用频率域低通滤波法去除或削弱图像的高频成分，以使噪声得到消除或抑制，从而实现图像平滑。 H(u,v) D(u,v) D0 1 理想低通滤波器(ILPF) 其中， 是点 到频率平面原点的距离 负效：图像模糊，出现振铃效果 2 巴特沃斯低通滤波器（BLPF） 一个n阶的巴特沃斯滤波器的传递函数为 其中，k=1或0.414，n为滤波的阶次。 它的带通与带阻之间无明显的不连续性，因此无振铃现象，模糊程度减少，它的尾部有较多的高频，通过下降它的截止频率达到一些平滑效果。 H(u,v) D(u,v)/D0 3 指数低通滤波器（ELPF） 指数低通滤波器的传递函数为 ELPF具有较平滑的过渡带，为此平滑后的图像无振铃现象，比BLPF有更快的衰减特性，比BLPF稍模糊一些 其中， 或 H(u,v) D(u,v)/D0 4 梯形低通滤波器（TLPF） H(u,v) D0 D1 类别 振铃程度 图像模糊程度 噪声平滑效果 ILPF TLPF ELPF BLPF 严重 较轻 无 无 严重 轻 较轻 很轻 最好 好 一般 一般 几种低通滤波器的比较 4.4 图像锐化 方法分类 空域锐化 频域高通滤波法 梯度运算 拉普拉斯运算 图像平滑是通过削弱高频成分突出低频成分来达到滤除噪声、模糊图像的目的。锐化与平滑相反，主要是加强高频或减弱低频，图像锐化加强了细节和边缘，对图像有去模糊的作用。 4.4.1 空域锐化 在空域中，图像平滑的实质就是对图像进行了求和取平均，是一种积分运算。而图像的锐化可以用积分的反运算——“微分”来实现。微分运算提取出了图像中的边缘和轮廓，把微分的结果乘上一定的比例并与原图像相加即为空域锐化。 根据图像锐化的本质，锐化的通用公式可以写成： 或 1 梯度运算 (a) 一幅纵向边缘的图像 0 0 0 (b) 每行像素的 灰度剖面图 (c) 一阶导数 (d) 二阶导数 微分原理 梯度对应一阶导数，对于一个连续图像函数f(x,y)： 梯度矢量定义: 梯度的幅度: 梯度的方向: 微分原理 离散域上微分改成差分，而且由水平和垂直两个方向模板组成。以（i, j）为待处理位置坐标，则一阶差分: x方向模板 y方向模板 (i,j) (i,j+1) (i+1,j) (i,j) 常用梯度算子 1 0 0 -1 0 1 -1 0 Roberts算子 -1 0 1 -2 0 2 -1 0 1 1 2 1 0 0 0 -1 -2 -1 Sobel算子 -1 0 1 -1 0 1 -1 0 1 1 1 1 0 0 0 -1 -1 -1 Prewitt算子 -1 0 1 0 -1 0 1 1 1 0 0 0 -1 -1 Isotropic算子