第3章 灰度变换与空间滤波3章 灰度变换与空间滤波第3章 灰度变换与空间滤波第3章 灰度变换与空间滤波.ppt

第3章 灰度变换与空间滤波 3.1 背景知识 3.2 基本灰度变换函数 3.3 直方图处理 3.4 空间域滤波基础 3.5 平滑空间滤波器 3.6 锐化空间滤波器 3.1 背景知识 在图像的形成、传输和变换过程中，由于多种因素的影响，会造成图像品质下降，归纳起来，图像质量退化的原因有: 对比度问题，对比度局部或全部偏低,影响图像视觉 噪声干扰问题，使图像蒙受干扰和破坏 清晰度下降问题，使图像模糊不清,甚至严重失真 如果不考虑图像降质的原因，只将图像中感兴趣的特征(如边缘、轮廓、对比度等)进行强调或有选择的突出，同时衰减其它不需要的特征，以便于显示、观察或分析，此种图像处理称为图像增强（Image Enhancement）。 图像增强的特点 1.图像增强并不能增加原始图像的信息，其结果只能增强对某种信息的辨别能力，使这些特征更加易于检测或识别。而这种处理肯定会损失一些其它信息。 2.图像增强是基于问题的技术，增强后的图像质量好坏主要依靠人的主观感觉来评定，难以定量描述。同时，要获得一个满意的增强结果，往往靠人-机交互。 3.图像增强的首要目标是使处理后的图像更适合于特定应用。 图像增强可能为了人类视觉的需要, 使图像的内容更突出，更容易被获取，并不关心和原始图像是否一致，甚至人为地畸变原始图像,以达到视觉增强的效果。 例如,伪彩色图像增强：将不同灰度的图像赋以不同的彩色,以增强人类的视觉感知,在医学图像处理中经常采用； 又如，假彩色增强：不同波段获取的图像赋以不同的彩色,用在对多波段遥感图像的假彩色显示等 图像的增强是综合和一般性地改善图像质量，解决图像由于噪声、模糊退化和对比度降低等三类问题,获得最好的视觉效果。 图像增强的主要方法 空间域方法:直接以图像中的像素操作为基础。 灰度变换（强度映射、点处理） 直接灰度变换 直方图处理（直方图均衡化、直方图匹配） 寻找一个合适的变换函数T 空间域滤波（模板处理） 平滑空间滤波器 锐化空间滤波器 寻找一个合适的模板（滤波核） 频率域方法 卷积理论 寻找一个合适的模板（滤波核） 输出图像 g(x,y)任意像素(x,y)的灰度值为输入图像f (x,y )事先定义的(x,y)邻域内所有像素灰度值的某种函数，即： g(x,y)= T[f(x,y)] 上述增强操作常利用所谓的模板运算来实现。 模板又称滤波器、核、掩模、窗口等，是一个小的二维阵列， 模板的系数值决定了增强处理的性质，如平滑、锐化等，这种增强方法又称空间域滤波。 令f (x,y)表示输入图像，g(x,y)表示处理之后的输出图像；如邻域大小为像素本身，即输出图像 g(x,y)任意点(x,y)的灰度值仅依赖于输入图象f (x,y)在(x,y)像素点的灰度值，则T[?]定义的操作被称为灰度级变换函数（又称灰度映射） 。 令 r和s分别表示输入图像f (x,y)和输出图像g(x,y)在任意点(x,y)的灰度级（值），灰度变换可表示为： 灰度变换的关键：是根据要解决的图象增强问题，选择合适的灰度变换函数 T[r]。 根据灰度变换函数 T[r]选择方法的不同，灰度变换可分为：直方图处理方法和直接灰度变换。 在图像的某种变换域内，对图像的变换值进行处理。如，先对图像进行二维傅立叶变换，再对图像的频谱进行某种修正（滤波），最后将修正后的变换值逆变换到空间域，从而获得增强后的图像。 卷积定理: 如果原始图像是f(x,y)，处理后的图像是g(x,y)，而h(x,y)是滤波器的单位冲激响应，那么，空间域滤波处理过程可由下式表示： 如果G(u,v), H(u,v), F(u,v)分别是g(x,y)，h(x,y)和 f(x,y)的傅里叶变换，由傅里叶变换的卷积定理可知: 经傅里叶逆变换可得到g(x,y)： 两个关键： 将图像从图像空间转换到频域空间所需的变换T以及再将图像从频域空间转换到图像空间所需的变换T-1。 在频域空间对图像进行增强处理的滤波核H。 3.2 基本灰度变换函数 根据问题，直接选择灰度变换函数s=T(r) ，实现图像增强。主要处理对比度、灰度动态范围等问题。 r和s分别是输入图像f (x,y)和输出图像g (x,y)在任意点(x,y)的灰度级。 常用的变换函数有： （1）线性函数（正比、反比、分段线性函数） （2）对数函数 （3）幂律函数（n次幂和n次方根函数） （4）其它特殊非线性函数 一、图像反转 当输入图像的灰度级范围为[0, L-1] 的图像反转操作可由反比变换获得，表达式为： s = L-1-r 二、对数变换 其中，c 是一个