第三章 空间域图像增强.ppt

梯度计算完之后，可以根据需要生成不同的梯度增强图像: ·第一种是使各点的灰度g(x, y)等于该点的梯度幅度，即 g(x, y)= ▽f(x, y) 缺点是增强的图像仅显示灰度变化比较陡的边缘轮廓，而灰度变化平缓的区域则呈黑色。 ·第二种增强的图像是使 式中：T是一个非负的阈值。 适当选取T，即可使明显的边缘轮廓得到突出，又不会破坏原灰度变化比较平缓的背景。 ·第三种增强图像是使 式中：LG 是根据需要指定的一个灰度级，它将明显边缘用一个固定的灰度级LG 来表征。 ·第四种增强图像是使 此法将背景用一个固定灰度级LB来实现，便于研究边缘灰度的变化。 ·第五种增强图像是使 此法将背景和边缘用二值图像表示， 便于研究边缘所在位置。 梯度法可以表示成模板的形式—Sobel算子 可用绝对值代替，即 式中： 可通过下面的模板实现： ——Roberts交叉梯度算子 Sobel算子法的基本原理： Sobel算子图像坐标 在3×3的图像中，第三行与第一行间的差值接近于x方向上的微分，同样，第三列于第一列间的差值接近于y方向上的微分。 可通过下面的模板实现： ——Sobel算子 Sobel算子不像普通梯度算子那样用两个像素的差值，具有以下四个优点： （1） 由于引入了平均因素，因而对图像中的随机噪声有一定的平滑作用。 （2） 由于它是相隔两行或两列之差分， 故边缘两侧元素得到了增强，边缘显得粗而亮。 （3） 权重为2，通过突出中心点的作用而达到平滑目的。 （4） 系数总和为0，表明灰度恒定区域的响应为0。 采用梯度微分锐化图像，同时会使噪声、条纹等得到增强， Sobel算子则在一定程度上克服了这个问题。 （二）基于二阶微分的图像增强——拉普拉斯算子 拉普拉斯(Laplacian)算子是常用的线性二次微分边缘增强算子，具有各向同性和位移不变性。其边缘增强程度与边缘的方向无关，能突出增强图像中的孤立点、孤立线或线端点。 对于连续图像f(x,y)，其拉普拉斯算子为 对数字图像f(x, y)，其拉普拉斯算子为 式中， 同理， 则拉普拉斯算子▽2f为 可见，数字图像在（x, y）点的拉普拉斯算子，可以由(x, y)点灰度值减去该点邻域平均灰度值来求得。 拉普拉斯算子的成模板形式 拉普拉斯模板 例： （a） 二值图像； （b） 拉普拉斯锐化结果 由于拉普拉斯是一种微分算子，它的应用强调图像中灰度的突变及降低灰度慢变化的区域。这将产生一幅把图像中的浅灰色边线和突变点叠加到暗背景中的图像。 同梯度算子进行锐化一样，拉普拉斯算子也增强了图像的噪声，但与梯度法相比，拉普拉斯算子对噪声的作用较梯度法强。故用拉普拉斯算子进行边缘检测时，有必要先对图像进行平滑处理。 将原始图像和拉普拉斯图像叠加在一起，可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。所以，我们使用拉普拉斯变换对图像增强的基本方法可表示为下式： 式中：f、g分别为锐化前后的图像。 即首先计算拉普拉斯过滤图像，然后从原始图像减掉该图像的过程是两种线性处理之差。可通过一个模板来一次实现。 相应的模板为 实际中还常用到如下的拉普拉斯模板： ?例：拉普拉斯算子的图像锐化 (a)月球北极的图像，(b)拉普拉斯滤波后的图像 (c)标定后的拉普拉斯图像，(d)叠加原图像后的图像 将原始图像加到拉普拉斯的处理结果中去就可以使图像中的各灰度是得到复原，而且通过拉普拉斯变换增强了图像中灰度突变处的对比度。最终结果是使图像中小的细节部分得到增强并良好保留了图像的背景色调。 例：使用复合拉普拉斯模板锐化图像 (a) 烧坏的钨丝的扫描电子显微镜图像(放大250倍)， (b)和(c)为分别应用两种合成掩模滤波的结果 与原始图像比较，可以看出这两种模板都产生了有效的增强效果，但图(c)的结果锐化的更明显。 课后习题： 1、 已知黑色背景上一个白色的台球，其图像的直方图如下： 图像的像素间距是1mm，台球是用1.5g/cm3的材料制成， 试问球的重量是多少？ 灰度极 像素数 9000 100 3000 500 0 100 500 30000 9000 3000 500 200 100 200 300 500 627 500 300 200 100 0 0 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 像素数 灰度极 2. 为什么一般情况下对离散图像的直方图均衡化并不能产生完全平坦的直方图？ 3. 设已用直方图均衡化技术对一幅数字图像进行了增强，如再用这一方法对所得结果增强会不会改变