数字图像处理第三章概要1.ppt

　感兴趣的范围指定较高的值，其它不变。 ６、幂次变换　s = crγ　　（c和 γ 是正常数）γ 1 提高灰度级，在正比函数上方，使图像变亮γ 1 降低灰度级，在正比函数下方，使图像变暗 人体胸上部脊椎骨折的核磁共振图像　 γ 1 提高灰度级，使图像变亮　　　　　 c=1 航空地面图像　 γ 1降低灰度级，使图像变暗　　　　c=1 　　　　　 直方图的性质 只能反映图像的灰度分布情况，而不能反映图像像素的位置。 一幅图像对应唯一的灰度直方图，反之不成立。 灰度直方图的应用 —— 分割阈值选取 假设某图像的灰度直方图具有 二峰性，则表明这个图像较亮的区域和较暗的区域可以较好地分离。 取二峰间的谷点为阈值点，可以得到好的二值处理的效果。 具有二峰性的灰度图的二值化 主要用于增强动态范围偏小的图像的反差 基本思想是把原始图的直方图变换为在整个灰度范围内均匀分布的形式，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。 直方图均衡方法的实现思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减，从而达到清晰图像的目的。 直方图均衡化 s=T(r) r代表原始图像的灰度级，s为变换后的灰度级。通过上述变换，每个原始图像的像素灰度级r都对应产生一个s值。 ? ? 连续灰度的直方图非均匀分布 连续灰度的直方图均匀分布 直方图均衡化目标 直方图均衡化 要找到一种变换 s=T ( r ) 使直方图变平直，为使变换后的灰度仍保持从黑到白的单一变化顺序，且变换范围与原先一致，以避免整体变亮或变暗。必须规定： （1）在0≤r≤1中，T(r)是单调递增函数，且0≤T(r)≤1； （2）反变换r=T-1(s),T-1(s)也为单调递增函数，0≤s≤1。 直方图均衡化 考虑到灰度变换不影响像素的位置分布，也不会增减像素数目。所以有 ? 直方图均衡化 应用到离散灰度级，设一幅图像的像素总数为n，分L个灰度级。 nk: 第k个灰度级出现的频数。 第k个灰度级出现的概率 P(rk)=nk/n 其中0≤rk≤1，k=0,1,2,...,L-1 累计分布概率为： ? 直方图均衡化的算法步骤 1、计算每个灰度级的像素个数在整个图像中所占的概率(百分比) 直方图均衡化的算法步骤 3、根据 的值判断变换后的灰度级 假设图像的灰度级只有8级，因此需用1/7为量化单位进行舍入运算 设图像有64*64=4096个象素，有8个灰度级，灰度分布如表所示。进行直方图均衡化。 例：设图像有64*64=4096个象素，有8个灰度级，灰度分布如表所示。进行直方图均衡化。 １、计算累计概率分布sk 直方图均衡化的效果 直方图均衡化效果示例 直方图规定化直方图均衡化存在的问题 直方图均衡化的优点是得到近似均匀分布的直方图。 但由于变换函数采用累积分布函数，只能产生近似均匀的直方图的结果。 例：原图像 直方图规定化的思想 直方图规定化方法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。 直方图规定化的算法 将原始图直方图转换为期望直方图 步骤 1.　对原始图的直方图进行灰度均衡化 2.　计算能使规定的直方图均衡化的变换 3.　将原始直方图对应映射到规定直方图 ——采用什么样的映射规则呢？ 直方图规定化 单映射规则SML 直方图规定化 组映射规则GML 直方图规定化 Matlab函数 imhist（I，n）函数：计算和显示灰度图像I的直方图。n为指定的灰度级数目，缺省值为256 。 J=histeq( I,n ) 函数：做直方图均衡化， I为输入图像，n是输出图像的灰度级数，默认值为64，通常我们设置为256。 J=histeq(I ,hspec)函数：做直方图规定化，I为输入图像，hspec为规定的直方图(一个由指定值构成的行向量，各元素值域为[0，1])。 镜头边界的检测 一个镜头是指一系列连续记录的图像帧，用于表示一个时间段或相同地点连续的动作。镜头由摄像机一次摄像的开始和结束所决定。 镜头边界的检测 检测到由镜头切换所产生的关键帧： 提供基于关键帧的视频浏览 提供基于内容的视频检索和查询 实现计算机自动分析和总结，节省大量的人力和时间 使海量视频数据的管理和索引成为可能 镜头检测方法1——连续帧相减 算法原理：计算相邻两帧像素变化的数目。当超过设定的阈值时，即找到了镜头的边界 缺点：对摄像机运动敏感，如缩放、平移