数字图像处理图像增强第一讲及灰度变换程序.ppt

应该明确的是增强处理并不能增强原始图像的信息，其结果只能增强对某种信息的辨别能力，而这种处理有可能损失一些其他信息。 图像增强是数字图像处理的基本内容之一。 图像增强示例 图像增强技术大致分为 空间域增强和频率域增强两类。 1．空间域增强法 在空间域直接对像素灰度值进行运算。 f (x, y)是待增强的原始图像, g(x, y)是已增强的图像, h(x, y)是空间运算函数。 对点操作（如灰度变换、直方图变换等）有 g(x,y) = f(x,y) ·h(x,y) （4.1） 对于区域操作（如平滑、锐化等）有 g(x,y) = f(x,y)*h(x,y) （4.2） 在频率域利用二维滤波器H(u, v)对f (x, y)进行滤波，得到新的频谱G(u, v)，即 G(u, v) = F(u, v)·H(u, v) 单点增强： 灰度级校正、灰度变换、灰度直方图变换。 区域增强的平滑方法： 邻域平均法、中值滤波和各种边界保持类滤波方法。 区域增强的锐化方法： 梯度锐化法、拉普拉斯算子、高通滤波及其他常用的锐化算子。 直接灰度变换属于所有图像增强技术中最简单的一类。 为了将图像灰度级的整个范围或一段范围扩展或压缩到记录或显示设备的动态范围内，可使图像动态范围增大，图像对比度扩展。 使图像变得清晰/图像上的特征变得明显。 环境光源太暗，使灰度值偏小，就会使图像太暗看不清。 如果环境光源太亮，又使图像泛白。 通过灰度变换，就可以将灰度值调整到合适的程度。 灰度变换可分为线性变换、分段线性变换和非线性变换几种方法。 灰度线性变换表示对输入图像灰度作线性扩张或压缩，映射函数为一个直线方程，其表达式和演示控件如下： 增强的对象： 在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。采用灰度线性变换方法可以拉伸灰度动态范围，使图像清晰。 灰度g与灰度f之间的关系为 （1）变换使得图像灰度范围增大，即对比度增大，图像会变得清晰； （2）变换也可使得图像灰度范围缩小，即对比度减小。 灰度线性变换-示例 对整个灰度区间进行分段，采用分段线性函数进行变换。 这种增强对比度变换突出了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间。 对灰度区间[a, b]进行了线性拉伸，而灰度区间[0, a]和[b, fmax]则被压缩。 常用的是三段线性变换。 实际上，S1、S2、t1、t2可取不同的值进行组合，从而得到不同的效果。 1、如果S1=t1，S2=t2，则T为1条斜率为1的直线，增强图像和原图像相同。 2、如果S1=S2，t1=L-1，则增强图像只剩2个灰度级，此时对比度最大但细节全丢失。 3、如果S1t1，S2t2，则原图像中灰度值在0到S1和S2到L-1间的动态范围减少了，而原图中灰度值在S1和S2间的动态范围增加了，从而增强了中间范围内的对比度。 4、如果S1t1，S2t2，则原图像中灰度值在0到S1和S2到L-1间的动态范围增加了，而原图中灰度值在S1和S2间的动态范围减少了。 由此可见，通过调整折线拐点的位置及调整S1、t1、S2、t2可以控制分段直线的斜率，可对任一灰度区间进行扩展和压缩。 在遥感图像分类中，感兴趣的地貌特征可能有明显的灰度变化，而那些过黑或过白的像素往往对应于玄武岩、水、冰等。 思考：由于具体图像增强应用中有不同的要求，所以需要设计出不同的映射函数，说明以下分别为什么映射函数，解释其作用？ 设变量 r 代表图像中像素灰度级。在图像中，像素的灰度级可作归一化处理，这样，r 的值将限定在下述范围之内: 对于一幅给定的图像来说，每一个像素取得[0，1]区间内的灰度级是随机的，也就是说 是一个随机变量。假定对每一瞬间它们是连续的随机变量，那么，就可以用概率密度函数 来表示原始图像的灰度分布。 为了有利于数字图像处理，必须引入离散形式。在离散形式下，用 rk 代表离散灰度级，用 Pr(rk) 代表 pr(r) ，并且有下式成立： 直方图均衡化 直方图均衡化 直方图均衡-流程 1. 统计原始图像的直方图： 其中， 是归一化的输入图像灰度级。 2. 计算直方图累积分布曲线 3. 用累积分布函数作变换函数进行图像灰度变换：根据计算得到的累积分布函数，建立输入图像与输出图像灰度级之间的对应关系，即重新定位累计分布函数 （与归一化灰度等级 比较，寻找最接近的一个作为原灰度级k变换后的新灰