第3章空域图像增强.ppt

3.3.4在图像增强中使用直方图统计学 支架上的钨丝 3.3.4在图像增强中使用直方图统计学 局部平均得到的图像 局部方差得到的图像 符合处理条件的图像 3.3.4在图像增强中使用直方图统计学 增强后的图像 3.3.4在图像增强中使用直方图统计学 已知一幅图灰度级的概率分布密度： 如何对其进行直方图均衡化。 作业题 解：实质是求T(r). 答案 作业题 在位图切割中，就8比特图像的位平面抽取而言 （1）通常，如果将低阶比特面设为零值，对一幅图像的直方图有何影响？ （2）如果将高阶比特面设为零值将对直方图有何影响？ 答案 答：（1）如果将低阶比特面设为零，图像的不同灰度级的个数会减少，即某些灰度级的像素数会丢失，而像素总数是不变的，丢失的像素转移到其它未丢失的灰度级上，从而图像的直方图密度变低； （2）当图像高阶比特面设为零，高灰度级的像素会丢失，丢失的像素都转移到低灰度级上，从而导致图象直方图只有低灰度区，高灰度区直方图均为零。 * 图像增强的通用理论是不存在的。当图像为视觉解释进行处理时，由观察者最后判断方法的效果。 当为机器感知而处理图像时，最好的方法就是能得到最好的机器可识别结果。 * T能对输入图像集进行操作，例如为减少噪音而对K幅图像进行逐像素的求和操作。 * 更大的邻域会有更多的灵活性，一般的方法利用点（x,y）事先定义的邻域里的一个f函数来确定g的值，其公式化的一个主要方法就是利用所谓的模板，模板的系数值决定了处理的性质。 * 为了显示被高亮度像素掩盖了的低灰度级的细节，例如傅立叶频谱0-1.5*106范围，当这些值在8bit的系统中进行线性标度显示时频谱中的低值将被损失掉。 直方图归一化 这里k=0,1,2,……,L-1。 给出了灰度级为 发生的概率估计值，n为图像像素的总数。 一个归一化的直方图其所有部分之和等于1。 直方图是多种空间域处理技术的基础，直方图操作能有效地用于图像增强。 3.3 直方图处理 3.3 直方图处理 考虑连续函数并让变量r代表增强图像的灰度级。假设r的灰度区间[0,L-1]。对于任一个满足上述条件的r,我们注意以下变换形式 在原始图像中,对于每一个象素值r产生一个灰度值s。显然可以假设变换函数T( r )满足以下条件: 1) T( r )在区间[0,L-1]中为单值且单调递增。 2)当 时, 。 3.3.1 直方图均衡化 3.3.1 直方图均衡化 3.3.1 直方图均衡化 在图像处理中一个尤为重要的变换函数如下: 其中w是积分变量。上式的右部为随机变量r的累积分布函数,且满足条件(1)和条件(2)。 用这个结果代入式(3.3.3),取概率值为正,得到: 3.3.1 直方图均衡化 对于离散的数字图像，则变换函数T(rk)的离散形式可表示为: 上式表明，均衡后各像素的灰度值sk可直接由原图像的直方图算出。 3.3.1 直方图均衡化 ？ 若在原图像一行上连续8个像素的灰度值分别为：0、1、2、3、4、5、6、7，则均衡后，他们的灰度值为多少？ 例 假定有一幅总像素为n=64×64的图像，灰度级数为8，各灰度级分布列于表中。对其均衡化计算过程如下： rk nk P(rk) Sk并 Sk计 Sk nsk P(sk) 0 790 0.19 0.19 1.33 1 790 0.19 1 1023 0.25 0.44 3.08 3 1023 0.25 2 850 0.21 0.65 4.55 5 850 0.21 3 656 0.16 0.81 5.67 6 4 329 0.08 0.89 6.23 6 985 0.24 5 245 0.06 0.95 6.65 7 6 122 0.03 0.98 6.86 7 7 81 0.02 1 7 7 448 0.11 3.3.1 直方图均衡化 3.3.1 直方图均衡化 3.3.1 直方图均衡化 3.3.1 直方图均衡化 在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。 可见，它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。 3.2.3 直方图规定化 首先对原始图像进行直方图均衡化，即求变换函数： 假定已得到了所希望的图像，对它也进行均衡化处理，即 它的逆变换是 由s代替v 得 z=G-1(s