宋怀波第9讲：图像增强讲解.ppt

第4章 图像增强 4.1 引言 4.2 直接灰度变换 4.3 直方图修正 4.4 图像平滑 4.5 图像锐化 4.6 图像锐化 4.7 彩色增强 4.3.3 直方图均衡化 变换函数s=T(r)应满足下列条件： 在0≤r≤1区间内,T(r)单值单调增加。保证图像的灰度级从黑到白的次序不变。 对于0≤r≤1,有0≤T(r)≤1。保证映射变换后的像素灰度值在允许的范围内。 实例 4.3.3 直方图均衡化 4.3.3 直方图均衡化 4.3.3 直方图均衡化 4.3.3 直方图均衡化 4.3.4 直方图规定化 在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。 直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。 直方图规定化是对均衡化处理的一种有效的扩展。是直方图均衡化的一个特例。 实例： 4.3.4 直方图规定化 4.3.4 直方图规定化 4.3.4 直方图规定化 4.3.4 直方图规定化 4.3.4 直方图规定化 4.3.4 直方图规定化 4.3.4 直方图规定化 图像噪声 图像噪声的分类 图像噪声的特点 4.4.1　邻域平均法 4.4.1　邻域平均法 4.4.1　邻域平均法 4.4.1　邻域平均法 4.4.1　邻域平均法 4.4.1　邻域平均法 4.4.1　邻域平均法 4.4.1　邻域平均法 4.4.2　中值滤波 4.4.2　中值滤波 4.4.2　中值滤波 例： 实例 实例 梯度算子 一、单方向的一阶梯度算法(浮雕效果) 1. 水平方向的锐化 梯度算子 2. 垂直方向的锐化 梯度算子 2.垂直方向的锐化 一阶导数和二阶导数的区别 红线：高斯函数(正态分布) 绿线：高期函数的一阶导数 蓝线：高斯函数的二阶导数 注意：高斯曲线的局部极值和拐点 振铃现象 (a)半径为5的频率域ILPF (b)相应的空间滤波器 (c)空间域中的5个脉冲模拟5个像素 (d)空间域(b)和(c)的卷积 理想低通滤波器 半径分别为5,15，30, 80和230 能量分别为92％，94.6％，96.4％, 98%和99.5％ （2）巴特沃思低通滤波器BLPF（Butterworth） n=1 n=3 物理上可实现,有效减少振铃效应，高低频率间的过渡比较光滑 2、巴特沃斯低通滤波器 图像由于量化不足产生虚假轮廓时常可用低通滤波进行平滑以改进图像质量 例 BPLF 半径分别为5, 15，30, 80和230 2、巴特沃斯低通滤波器阶数对振铃现象的影响： 阶数越高，振铃现象越明显 阶数分别为1, 2，5和20 （3）指数低通滤波器 n=1 n=3 （4）梯形低通滤波器 四种低通滤波器的性能比较 类别 振铃程度 图像模糊程度 噪声平滑效果 ILPF TLPF ELPF BLPF 严重 较轻 无 无 严重 轻 较轻 很轻 最好 好 一般 一般 其它例子：字符识别前的增强处理 其它例子：人脸皱纹处理 4.5 图像锐化 4.5.1 微分法 4.5.2 高通滤波法 边缘锐化（Sharpening） 补偿图像的轮廓，突出图像中景物的边缘或纹理，使图像清晰——空域高通滤波（俗称勾边处理）。 4.5 图像锐化 4.5 图像锐化 为什么需要锐化 1. 图像传输变换（未聚焦好）、各种干扰使图像模糊 2. 图像的判读和识别中，常需突出目标的轮廓或边缘信息 图像模糊的原因： 图像被平均或积分 为实现图象的锐化，需反运算“微分”以增强高频分量，使图像边缘清晰，但同时也增强了噪声 条件 原图像有较高的SNR 4.5 图像锐化 边缘锐化的原理 边缘或纹理是灰度值发生突变的地方，数字信号处理采用差分或梯度计算来检测边缘。在原图上叠加该检测结果有勾边效果。 边缘锐化的缺点 边缘突出的同时图像中噪声也会被突出。 图像模糊的两种理解 1．平均或积分效应引起——用微分处理； 2．高频分量被削弱——高频增强，引入微分： 4.5 图像锐化 注意 噪声亦属高频分量，往往会随高频增强而突出。因此往往需要先去噪后锐化 4.5 图像锐化 边缘是什么？ 图像中灰度局部不连续的部分。边缘本质上意味着一个区域的结束和另一个区域的开始 具有方向和幅度两个特性 沿边缘走向的像素灰度变化平缓 垂直边缘走向的像素灰度变化剧烈 边缘的描述 边缘点 边缘方向和法线方向 边缘位置 边缘强度：法线方向灰度变化强度的亮度 4.5 图像锐化 锐化的作用 增强图像中目标的边缘 目的 突出目标边缘细节，改善图像质量 便于对图像中目标的分割及目标区域识别 4.5 图像锐化 阶跃型 凸缘型 房顶型