第3章空间域图像增强1——点、直方图处理技术方案.ppt

计算各灰度级的累积直方图sk ： 依此类推可计算得：s2=0.65；s3=0.81；s4=0.89；s5=0.95；s6=0.98；s7=1。 对sk 进行舍入处理。 由于原图像的灰度级只有8级，因此上述各需用1/7为量化单位进行舍入运算，得到如下结果： s0舍入=1/7 s1舍入=3/7 s2舍入=5/7 s3舍入=6/7 s4舍入=6/7 s5舍入=1 s6舍入=1 s7舍入=1 sk 的最终确定： 由sk 的舍入结果可见，均衡化后的灰度级仅有5个级别，分别是：s0=1/7，s1=3/7，s2=5/7，s3=6/7，s4=1。 计算对应每个的像素数目： 因为r0=0映射到 s0=1/7，所以有790个像元取s0这个灰度值； 同样 r1映射到s1=3/7，因此有1023个像素取值s1＝3/7； 同理有850个像元取值s2=5/7； 又因为r3和r4都映射到s3=6/7，所以有656+329=985个像素取此灰度值； 同样有245+122+81=448个像素取s4＝l的灰度值。 均衡化后的直方图见图(c) ，灰度分布比较均匀。原图像灰度偏低。 图3.12 直方图均衡化 (a)原始直方图 (b)转换函数 (c)均衡化直方图 直方图均衡化 表3.1 直方图均衡化计算步骤列表 直方图均衡化效果示例 (a) (b) (c) (d) (a)和(b)分别是原始图像和其直方图 (c)和(d)分别是均衡化后图像和其直方图 图3.13 直方图均衡化前后图像及其直方图 图3.14 不同类型图像直方图均衡化的效果比较 图3.14 不同类型图像直方图均衡化的效果比较（续） (2) 局部增强 (a) 原图 直方图均衡化与直方图规定化都是全局性处理方法。 图3.15 局部均衡化示例 (b) 全局均衡化结果 (c) 对每个像素用7×7邻域局部均衡化的结果 附：Photoshop图像增强示例 点、直方图处理示例 使用photoshop观察对图像进行的效果。 操作项：Image – Adjustments（调整） Invert （反色） Equalize（均衡化） Threshold（阈值化） 作 业 二 使用photoshop对图像进行函数变换、阈值处理、直方图均衡化等不同类型、不同参数的空间域点和直方图增强处理，观察效果。 要求：1周内完成，提交实验报告。 编写程序，可以完成对图像进行函数变换、阈值处理、直方图均衡化等增强运算。 要求： 1周内完成，程序可以进行交互式参数输入； 实验报告记录各种处理效果。 * 通常这需要一定的量化过程，将色彩分成若干互不重叠的种类。 数字图像处理 第三章 图像增强处理 李熙莹 副教授 stslxy@ 图像增强的首要目标： 图像增强的方法分为两大类：空间域方法和频域方法 空间域： 指图像平面本身。 处理图像，使其比原始图像更适用于特定应用。 空间域方法：以对图像的像素直接处理为基础。 频域方法： 以修改图像的傅氏变换为基础。 图像质量的视觉评价是一种高度主观的过程。 定义一个“理想图像”标准，通过此标准去比较算法的性能。 图像增强的通用理论是不存在的。 一、背景知识 (1) 空间域处理定义式 g (x, y) = T [ f (x, y) ] f (x, y) 是输入图像，g(x, y) 是输出图像。 (2) 一个点 (x, y) 的邻域 一般取以点(x, y)为中心 的正方形或矩形子图像。 最简单形式： 邻域为1×1， 即单个像素。 原点 图像f(x, y) (3) (灰度)直方图 数字图像的（灰度）直方图是灰度级的离散函数，描述图像中具有该灰度级的像素个数。 一维表达式： h(rk)=nk k=0, 1, … , L-1 rk是第k级灰度，nk 是图像中灰度级为rk的像素个数。 横坐标是灰度级，纵坐标是该灰度出像的频率（像素的个数） 归一化的直方图： p(rk)=nk /n n为图像像素的总数 p(rk)给出了灰度级为rk发生的概率估计值。 图像直方图反映了图像的基本灰度级特征（暗、亮、低对比度和高对比度）。 从概率的观点来理解，灰度出现的频率可看作其出现的概率，这样直方图就对应于概率密度函数pdf (probability densi