数字图像处理与分析 第2版 教学课件 作者 张弘 第4章 图像增强.pptxVIP

第4章 图像增强; 4.1 引言; 4.2 直接灰度变换 ; 灰度范围线性变换关系 线性变换关系;4.2.1 灰度线性变换;4.2.1 灰度线性变换;4.2.1 灰度线性变换;4.2.1 灰度线性变换;线性变换特例;4.2.1 灰度线性变换;4.2.2 灰度非线性变换;4.3 直方图修正法;4.3.1 灰度直方图的定义;4.3.2 直方图的用途;图像——直方图 不可逆变换，多对一的变换 直方图是多对一的映射结果，即多个图像可以生成相同的直方图，因此直方图作为一阶统计特征未反映相邻点之间的关系。 但反映了图像的灰度散布范围等特征，在很多场合下，往往是重要特征。;;4.3.2 直方图的用途;;;;4.3.3 直方图均衡化;g=EH(f) 需满足： a）EH(f) 在 内单值递增，保证由黑到白 b）保证动态范围一致 原始图像的累计直方图满足上面两条件且能将f的分布转换为均匀分布 ;4.3.3 直方图均衡化;DA;原图;4.3.3 直方图均衡化;4.3.4 直方图规定化;;0.11;;4.4.1 邻域平均法 4.4.2 中值滤波 4.4.3 多图像平均法 4.4.4 频域低通滤波法;空域滤波 是在图像空间借助模板进行邻域操作完成线性、非线性运算 功能 1）平滑：低通滤波器。 目的：在提取较大目标前去除太小的细节或将目标内的小间断连接起来消除噪声 2）锐化：高通滤波器，增强被模糊的细节;滤波处理方法 空域：取局部邻域（2M+1）×（2M+1）邻域的加权和局域处理 ;目的：减少噪声 1）加性噪声 2）乘性噪声 3）量化噪声 4）盐和胡椒噪声 噪声：独立同分布的高斯白噪声，均值为0，方差σ;4.4.1 邻域平均法;为减轻经平滑后产生的模糊效应，另一种阈值平均法;均值滤波 实现图像平滑最常见的方法是在像素邻域内求局部均值，称为均值滤波。;3 x 3 均值滤波 O(X, Y) = ( I(X-1, Y-1) + I(X, Y-1) + I(X+1, Y-1) + I(X-1, Y) + I(X, Y) + I(X+1, Y) + I(X-1, Y+1) + I(X, Y+1) + I(X+1, Y+1) ) / 9 滤波核h(x，y)：; ;[例1] 设16x16点阵的假想图像如右图所示。 ;采用3x3均值滤波。 滤波核为： 结果如右图所示 ;5 x 5 均值滤波 滤波核：;均值滤波的特点 局部求均值的运算或平均计算使数字信号变“平坦”，可以在图像中消除或抑制噪声。同时，图像中景物边缘也会不同程度地变得模糊。;4.4.2 中值滤波;目的：既要消除噪声又要保持图像的细节 步骤： 1）模板游走 2）将mask下对应的灰度值（奇数）排序 3）用中间值代替 f(x, y), 消除孤立的噪声点 4） mask大小不一样，效果不一样，与叠加的噪声有关系 窗口形状： 方形、十字形、圆形、圆环形;使用二维滤波需注意 1）有尖顶角几何结构的图像，一般采用十字窗，大小不超过最小有效物体的尺寸 2）有较多的点、线、尖顶角的细节结构，不用中值滤波;[例3] 设16x16点阵的图像如右图所示 ;采用3x3中值滤波，结果如右图所示 ;中值滤波的机理 在图像局部中，杂散噪声点的灰度值较大或较小，求中值可以自动将其消除。但中值滤波不同于均值滤波，中值直接取自某个像素的灰度值，所以能较好地保持图像景物原状。 中值滤波的特点 可以消除杂散噪声点而不会或较小程度地造成边缘模糊。;4.4.3 多图像平均法;4.4.4 频域低通滤波法;(2) 巴特沃斯低通滤波器（BLPF ） 传递系数：;（3）指数低通滤波器（ELPF）;（4）梯形低通滤波器（TLPF）;4.5 图像锐化;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）。;为什么需要锐化 图像传输变换（未聚焦好）、受到各种干扰而退化——图像模糊，而图像的判读和识别中，常需突出目标的轮廓或边缘信息。 数学原理 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” ——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;边缘锐化的原理 图像中景物的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。若在原图上（或一定的灰度值上）叠加该检测结果有勾边效果。 边缘锐化的缺点 边缘突出