第4单元图像的增强.pptVIP

?? 图像增强 图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，提高图像的使用价值。 图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。 空间域增强是直接对图像各像素进行处理； 频率域增强是将图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。 图像增强的点运算 灰度变换 灰度变换可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。 1．线性变换 令图像f(i，j)的灰度范围为[a,b]， 线性变换后图像g(i，j)的范围为 [a′,b′]，如图。 g(i，j)与f(i，j)之间的关系式为： 已知64x64的灰度图像的灰度等级为8,其灰度分布如下，请对其进行直方图均衡化计算: r0=0 n0=790; r1=1/7 n1=1023; r2=2/7 n2=850; r3=3/7 n3=656; r4=4/7 n4=329; r5=5/7 n5=245; r6=6/7 n6=122; r7=1 n7=81; 原始直方图：nk/N N=4096 n0/N= 0.19; n1/N=0.25; n2/N=0.21; n3/N=0.16; n4/N=0.08; n5/N=0.06; n6/N=0.03; n7/N=0.02 均衡化计算 均衡化计算 s0=0+0.19=0.19; s1=0.19+0.25=0.44; s2=0.44+0.21=0.65; s3=0.65+0.16=0.81; s4=0.81+0.08=0.89 S5=0.89+0.06=0.95;s6=0.95+0.03=0.98; s7=0.98+0.02=1.00; S0=0.19=1/7;s1=0.44=3/7; s2=0.65=5/7; S3=s4=6/7; S5=s6=s7=1 映射关系：0→1； 1→3； 2→5； 3，4 →6； 5，6，7 →7； 统计新直方图各灰度像数 1：790；3：1023；5：850；6：965；7：7：448 新直方图 1：790；3：1023；5：850；6：965；7：7：448 1：0.19；3：0.25；5：0.21；6：0.24； 7：0.41 （希望记下）其作用相当于用这样的模板同图像卷积。 设图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高M倍。 这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。如下图 (a)原图像 (b) 对(a)加椒盐噪声的图像 (c)3×3邻域平滑 (d) 5×5邻域平滑 为克服简单局部平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等，下面简要介绍几种算法。 超限像素平滑法 对邻域平均法稍加改进，可导出超限像素平滑法。它是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g′(x,y)。其表达式为 这算法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊程度也大。 同局部平滑法相比，超限像素平滑法去椒盐噪声效果更好。 (a)原图像 (b)对(a)加椒盐噪声的图像 (c)3×3邻域平滑 (d) 5×5邻域平滑 (e)3×3超限像素平滑(T=64) (f)5×5超限像素平滑(T=48) 中值滤波 中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。 例：采用1×3窗口进行中值滤波 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 2 2 2 2 4 4 4 4 4 它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。 对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。 原图像