图像的点运算汇编.ppt

第 3 章 图像的点运算 从数学角度讲，图像直方图描述图像各个灰度级的统计特性，它是图像灰度值的函数，统计一副图像中各个灰度级出现的次数或概率。 从图形上来说，灰度直方图是一个二维图，横坐标为图像中各个像素点的灰度级别，纵坐标表示具有各个灰度级别的像素在图像中出现的次数或概率。 这种类型的处理特别适用于增强嵌入在一幅图像的暗区域中的白色或灰色细节，特别是当黑色面积在尺寸上占主导地位时。 对数曲线上，函数自变量为低值时，曲线的斜率很高；自变量为高值时，曲线斜率变小。 由对数函数曲线可知，这种变换可以增强一幅图像中较暗部分的细节，从而可用来扩展被压缩的高值图像中的较暗像素，因此对数变换被广泛地应用于频谱图像的显示中 。 动态范围：图像系统中最大可度量灰度与最小可检测灰度之比。由系统能表示的最低和最高灰度级来确定。主要是用来衡量受光者（如相机里的感光器件）与发光者（如显示器） 。 对比度：图像像素具有的最高和最低灰度级间的比值。 直方图均衡化又称灰度均衡化，是指通过某种灰度映射使输入图像转换为在每一个灰度级上都有近似相同的像素点数的输出图像， 即输出的直方图是均匀的 。 经过均衡化处理后的图像中，像素占有尽可能多的灰度级并且分布均匀，这样的图像会有高对比度的外观，灰度细节丰富，动态范围较大。 直方图均衡化技术仅取决于给定的输入图像，不需要配置额外的参数，是完全自动的。 2. 变换函数的选取 在一幅图像中，可以认为灰度值是一个在[0，1]区间取值的随机变量r，其概率分布密度pr r 是一个在[0，1]区间变化的单调增加的单值函数。由概率理论可知，任何一个其随机变量R的概率分布密度在[0，1]区间变化的单调增加单值函数，都满足变换要求的两个条件，因此取变换函数为： 0≤r≤1 3. 离散变换函数 由于数字图像的灰度级是离散值，所以可以用灰度级rk的频数近似替代概率值。这样，一幅图像中第k个灰度级rk出现的概率为： K 0,1,…,L-1 3. 离散变换函数 续1 由此可得对应于上式的离散灰度变换函数，也即直方图均衡化公式为： K 0,1,…,L-1 这样，就把原输入图像中灰度级为rk的各像素映射到新图像 输出图像 中灰度级为sk的对应像素。 4.2.1 直方图均衡 对于原图像灰度级为[0 L-1]的情况，需要乘以最大灰度值L-1。 4. 直方图均衡的实现 ◆直方图均衡的步骤： （1）计算原图像的归一化灰度级别及其分布概率pr rk nk/n。 （2）根据直方图均衡化公式求变换函数的各灰度等级值sk。 * * 数字图像处理与机器视觉 用 r 表示输入图像在 f x,y 处的像素值 用 s 表示变换后的输出图像 g x,y 的像素值 T[?]表示对 f x,y 的点运算操作 则灰度变换可一般地定义为: s T[r] T为采用的点运算算子，表示在原始图像和输出图像之间的某种灰度级映射关系 图像的点运算是一种逐像素点对图像进行变换的方法 3.1 灰度直方图 3.2 灰度的线性变换 3.3 灰度对数变换 3.4 伽马变换 3.5 灰度阈值变换 3.6 分段线性变换 3.7 直方图均衡化 3.2一些基本的灰度变换函数 3.1.1 理论基础 3.1 灰度直方图 3.1.1 理论基础 3.1 灰度直方图 灰度直方图 灰度累积直方图 3.1.1 理论基础 3.1 灰度直方图 ◆ 归一化直方图的定义 设 rg为图像 f x,y 的第 g 级灰度值，Ng是图像 f x,y 中具有灰度值 rg 的像素的个数, N 是图像 f x,y 中的像素总数，则图像 f x,y 的归一化灰度直方图定义为： Pg Ng / N 其中，0≤rg≤ L-1 ；g 0, 1 , … , L-1。 区别：纵坐标！ 3.2 一些基本的灰度变换函数 3.2.1 灰度反转 设图像的灰度级为L，则图像的灰度反转可用公式表示为： t L-1-s 用变换函数曲线表示为下图： 3.2.2 对数变换 P67 设图像的灰度级为 L，则图像的对数变换可用公式表示为： t clog 1+s 对数变换曲线如下图所示： 主要用于：动态范围压缩 一个典型的应用是傅里叶频谱，其动态范围可能宽达0~106。直接显示时，图像的显示设备的动态范围往往不能满足要求，从而丢失大量的暗部细节，而在使用对数变换之后，图像的动态范围被合理地非线性压缩，从而可以清晰显示。 3.2.3 幂变换 伽马变换，伽马校正 设图像的灰度级为 L，则图像的对数变换可用公式表示为： y c x+esp γ 变换曲线如图所示： 与对数变换不同，伽马变换可以根据γ的不同取值，选择性的增强低灰度区域的对比度或是高灰度区域的对比度。 伽马校正