数字视频图像技术 第3篇 空间域图像增强.pptxVIP

;空间域图像增强;基本概念 ? 图像增强分为两类： ? 空间域增强：对图像的像素直接处理 ? 频域增强 ： 修改图像的傅里叶变换（后面介绍） ? 空间域增强： g?x, y? ? T?f ?x, y?? ? f(x,y)是原图像 ? g(x,y)是处理后的图像 ? T是作用于f的操作，定义在(x,y)的邻域 ? 空间域增强的简化形式： s ? T?r? ? r是f(x,y)在任意点(x,y)的灰度级 ? s是g(x,y)在任意点(x,y)的灰度级;点运算;点运算——1反转变换，2对数变换;点运算——1反转变换，2对数变换;点运算——3幂次变换;;;点运算——4对比度拉伸;点运算——5灰度级切片;;点运算——6位平面切片;点运算——6位平面切片;;点运算——6位平面切片;;;;;;;;;;;;;;;;;;;;;? 异或运算的定义 g(x,y) = f(x,y) ? h(x,y) ? 主要应用举例 ? 获得相交子图像;直方图运算;一个灰度级在范围[0，L-1]的数字图像的直 方图是一个离散函数 h(rk)= nk nk是图像中灰度级为rk的像素个数 rk 是第k个灰度级，k = 0,1,2,…,L-1 由于rk的增量是1，直方图可表示为： p(k)= nk 即，图像中不同灰度级像素出现的次数;? 图像直方图的定义（2） 一个灰度级在范围[0，L-1]的数字图像的直 方图是一个离散函数 p(rk)= nk/n n 是图像的像素总数 nk是图像中灰度级为rk的像素个数 rk 是第k个灰度级，k = 0,1,2,…,L-1;? 两种图像直方图定义的比较;;;? 直方图应用举例——直方图均衡化 ? 希望一幅图像的像素占有全部可能的灰度级 且分布均匀，能够具有高对比度 ? 使用的方法是灰度级变换：s = T(r) ? 基本思想是把原始图的直方图变换为均匀分 布的形式，这样就增加了像素灰度值的动态 范围，从而达到增强图像整体对比度的效果;直方图均衡化;直方图均衡化 Pr(r)是r的概率密度函数，Ps(s)是s的概 率密度函数，Pr(r)和T(r)已知，且T-1(s) 满足上述条件(1)，所以;直方图均衡化;;;应用——镜头边界的检测;什么是镜头？;什么是镜头？;镜头检测方法1——连续帧相减;镜头检测方法2——直方图相减 ? 算法原理：统计相邻两帧中所有像素在 不同灰度（颜色）上的分布差异，当差异 的累加值超过阈值T时，即检测到镜头边界 （后面有算法的详细说明） ? 优点：对对象运动不敏感，因为直方图 忽略了帧内的空间变化 ? 缺点：可能两个图像有类似的直方图但 却是完全不同的内容。然而，这种事件的 概率是足够低;镜头检测方法2——直方图相减;镜头检测方法2——直方图相减;镜头检测方法3——时空切片分析;镜头检测方法3——时空切片分析;镜头检测方法3——时空切片分析 ? 纹理的方向表明摄像机和对象的不同运动;空间域图像增强;空间滤波器 ? 空间滤波和空间滤波器的定义 使用空间模板进行的图像处理，被称 为空间滤波。模板本身被称为空间滤波 器;空间滤波和空间滤波器的定义;? 平滑空间滤波器的作用;线性滤波器 ? 包含在滤波器邻域内像素的平均值，也 称为均值滤波器 ? 作用 ? 减小图像灰度的“尖锐”变化，减小噪 声 ? 由于图像边缘是由图像灰度尖锐变化 引起的，所以也存在边缘模糊的问题;线性滤波器;线性滤波器——例1;线性滤波器——例2;? 什么是统计排序滤波器？ ? 是一种非线性滤波器 ? 基于滤波器所在图像区域中像素的排序，由 排序结果决定的值代替中心像素的值 ? 分类 ? 中值滤波器： 用像素领域内的中间值代替该像素 ? 最大值滤波器：用像素领域内的最大值代替该像素 ? 最小值滤波器：用像素领域内的最小值代替该像素;? 中值滤波器 ? 主要用途：去除噪声 ? 计算公式：R = mid {zk | k = 1,2,…,n} ? 最大值滤波器 ? 主要用途：寻找最亮点 ? 计算公式：R = max {zk | k = 1,2,…,n} ? 最小值滤波器 ? 主要用途：寻找最暗点 ? 计算公式：R = min {zk | k = 1,2,…,n};? 中值滤波的原理 ? 用模板区域内像素的中间值，作为结果值 R = mid {zk | k = 1,2,…,n} ? 强迫突出的亮点（暗点）更象它周围的值， 以消除孤立的亮点（暗点）;? 中值滤波算法的实现 ? 将模板区域内的像素排序，求出中间值 例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。 ? 对于同值像素，连续排列。 如（10,15,20,20,20,20,20,25,100）;中值滤波器 ? 中值滤波