第3章 空-间域图像增强1——点、直方图处理.pptVIP

;第三章 图像增强处理;图像增强的首要目标：;一、背景知识;(3) (灰度)直方图;归一化的直方图： p(rk)=nk /n n为图像像素的总数 p(rk)给出了灰度级为rk发生的概率估计值。 图像直方图反映了图像的基本灰度级特征（暗、亮、低对比度和高对比度）。;从概率的观点来理解，灰度出现的频率可看作其出现的概率，这样直方图就对应于概率密度函数pdf (probability density function)，而概率分布函数就是直方图的累积和，即概率密度函数的积分。如下图所示： 若记像素总数为n，灰度rk为的像素数为nk，则概率密度 p(rk)=nk /n ，而概率分布函数;色彩直方图;(4) 灰度级变换函数(映射) —— 点处理;(5) 模板处理或滤波;二、一些基本的灰度变换;1. 图像反转;2. 对数变换（动态范围压缩/扩展）;3. 幂次变换;图3.4 对显示器输出图像进行伽马校正的过程 (a)线性灰度图像; (b) 对(a)的监视器响应; (c)对(a)作s = r1/2.5的变换结果; (d) (c)的监视器输出;图3.5 扩展灰度实例，? 1 (a) 人的脊椎骨折的核磁共振(MR) 图像; (b)~(d) c=1, ? 分别取0.6, 0.4, 0.3时使用s = cr? 变换的结果;图3.6 压缩灰度实例，? 1 (a)航空图像; (b)~(d) c =1, ? 分别取3.0, 4.0, 5.0时使用 s = cr? 变换 的 结 果 (? =5.0 时有左上角细节丢失);4. 分段线性变换函数;(2) 灰度切割(切分);(3) 位图切割; 较高阶（特别是前四位）包含大多数在视觉上很重要的数据。 其它位平面对图像中更多的微小细节有作用。;5. 阈值化处理（二值化）;阈值处理表达式：（ T：阈值） 阈值选取方法： 全局阈值：图像上各点的阈值都相等。 最简单的图像分割方法。T = T ( f ) 人工选择、直方图分析、类别方差门限法、迭代法 局部阈值方法：每像素点的阈值不同。T = T ( f , x, y) 当背景不均匀，或者不同区域的前景灰度有较大变化时，全局阈值就可能无法解决，这时就需要使用局部阈值。 ;三、直方图处理;暗图像;低对比度图像的直方图窄，集中在灰度级的局部； 高对比度图像的直方图成分覆盖很宽的灰度级范围，且分布比较均匀。;(1) 直方图均衡化;直方图均衡化过程解析;满足这两个条件的变换函数的一个例子： (a)一种灰度变换函数图 (b) r 和 s 的变换函数关系 图3.11 灰度变换示意图;如果 r 的概率密度为Pr(r)，则s 的概率密度Ps(s)可由Pr(r) 求出。 等式两边对s 求导并积分最终得到 上式右边为Pr(r) 的累积分布函数(cumulative distribution function, CDF)。 当变换函数为r 的累积分布函数时，能达到直方图 均衡化的目的。 s的CDF就是原始图的累积直方图。 ;离散形式的直方图均衡化;直方图均衡化的计算步骤及实例;计算各灰度级的累积直方图sk ： 依此类推可计算得：s2=0.65；s3=0.81；s4=0.89；s5=0.95；s6=0.98；s7=1。 对sk 进行舍入处理。 由于原图像的灰度级只有8级，因此上述各需用1/7为量化单位进行舍入运算，得到如下结果： s0舍入=1/7 s1舍入=3/7 s2舍入=5/7 s3舍入=6/7 s4舍入=6/7 s5舍入=1 s6舍入=1 s7舍入=1;sk 的最终确定： 由sk 的舍入结果可见，均衡化后的灰度级仅有5个级别，分别是：s0=1/7，s1=3/7，s2=5/7，s3=6/7，s4=1。 计算对应每个的像素数目： 因为r0=0映射到 s0=1/7，所以有790个像元取s0这个灰度值； 同样 r1映射到s1=3/7，因此有1023个像素取值s1＝3/7； 同理有850个像元取值s2=5/7； 又因为r3和r4都映射??s3=6/7，所以有656+329=985个像素取此灰度值； 同样有245+122+81=448个像素取s4＝l的灰度值。;均衡化后的直方图见图(c) ，灰度分布比较均匀。原图像灰度偏低。 ;;直方图均衡化;直方图均衡化效果示例;图3.14 不同类型图像直方图均衡化的效果比较;图3.14 不同类型图像直方图均衡化的效果比较（续）;