2014数字图像处理第五章图像增强正新.ppt

第三章 图像增强 3.1 空间域单点增强 3.1.1灰 度修正 3.1.2灰 度 变 换 □灰度线性变换 假定原图像f(x, y)的灰度范围为［a, b］，希望变换后图像g(x, y)的灰度范围扩展至［c, d］，则线性变换可表示为 此式用图4-12表示。若图像灰度在0～Mf范围内，其中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，为改善增强的效果，可令： 例如，当a=50, b=80, c=20, d-c=120时，即采用下式： 图4-13 线性灰度变换 (a) 原始图像； (b) 灰度变换后的图像 分段线性变换 为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区域，可采用分段线性变换。 常用三段线性变换法： 分段线性变换图 式(4-16)对灰度区间 ［0, a］和［b, Mf］加以压缩，对灰度区间［a, b］进行扩展。通过细心调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行扩展或压缩。 这种变换适用于在黑色或白色附近有噪声干扰的情况。例如, 照片中的划痕， 由于变换后在［0, a］以及［b, Mf ］之间的灰度受到压缩， 因而使污斑得到减弱。 常见的几种非线性变换函数 灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。 纵坐标视图像类型而定， ■对连续图像，它是灰度值出现的概率密度pr(r) ， ■对数字图像，它是灰度值为rk的像素个数或出现这个灰度值的概率pr(rk) 设r代表图像中像素灰度级，作归一化处理，r将被限定在［0, 1］之内。在灰度级中，r=0代表黑，r=1代表白。 对于一幅给定图像，每一个像素取得［0, 1］区间内的灰度级是随机的，即r是一个随机变量，则可用灰度级的概率密度函数pr(r)来表示原始图像的灰度分布，得概率密度曲线，如图4-2所示。 图4-2 图像灰度分布概率密度函数 从图像灰度级的分布可以看出一幅图像的灰度分布特性。 ■图 (a)：大多数像素灰度值取在较暗的区域，所以这幅图像肯定较暗。一般在摄影过程中曝光过强就会造成这种结果。 ■图(b) 的像素灰度值集中在亮区，因此，图像(b)将偏亮。一般在摄影中曝光太弱将导致这种结果。 ●结果：从两幅图像的灰度分布来看图像的质量均不理想。 直方图的性质 ●直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。 ●任一幅图像，都能惟一地确定出一幅与它对应的直方图， 但不同的图像，可能有相同的直方图。 图像与直方图间的多对一关系 图像与直方图间的多对一关系 直方图的拉伸 ●一幅给定图像的灰度级分布在0≤r≤1范围内，在［0, 1］区间内的任一个r值，可进行如下变换： s=T(r) (4-2) ●变换函数T(r)应满足下列条件： （1） 在0≤r≤1区间内，T(r)值单调增加； （2） 对于0≤r≤1， 有 0≤T(r)≤1 或 0≤s≤1。 ●条件（1）保证了图像的灰度级从白到黑的次序不变， ●条件（2）保证了映射变换后的像素灰度值在容许的范围内。 满足这两个条件的变换函数的例子如图4-7所示。 图4-7 灰度拉伸变换函数 反变换 ●从s到r的反变换可用下式表示： r=T-1(s) T-1(s)对S同样满足上述条件，且为单调增长函数。 ● 由概率论理论可知，如果已知随机变量r的概率密度函数为pr(r)，而随机变量s是r 的函数，即s=T(r)，则s 的概率密度为ps (s)，所以可由pr(r)求出ps (s)，如下式所示。 直方图均衡 ● 直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。假定变换函数为 例1 ● 在图4-9中，(a)是原始图像的概率密度函数。从图中可知，该图像的灰度集中在较暗的区域。 ■由图(a)可知， 原始图像的概率密度函数为 例1 曲线 ● 按照这样的关系变换，就可以得到一幅改善质量的新图像。 ■图 (b)为变换函数； 图 (c)为变换后的均匀的概率密度函数。 ■这幅图像的灰度层次将不再是呈现较暗色调的图像，而是一幅灰度层次较为适中， 比原始图像清晰， 明快得多的图像。 ● 可以证明，变换后的灰度及概率密度是均匀分布的 验证： 由此可见，按变换后所得图像灰度级分布是均匀的。 当灰度级是离散值时，可用频数近似代替概率值，即 变换函数式的离散形式：  例2 设有一幅64x 64x3bit的图像，其灰度级分布如表4—1所示。这幅图像的直方图如图4—6(a)所示。 根据变换关系可求出： 此灰度变换的图形如图4—6(