第三章_空域图像增强.ppt

* * * * The third transform is a step too far * * * * * * * * * * * * * * * * * * * * * * * * * Bit Plane Slicing (cont…) Bit Plane Slicing (cont…) Bit Plane Slicing and Image Compression Reconstructed image using only bit planes 7 and 6 Reconstructed image using only bit planes 7,6 and 5 Reconstructed image using only bit planes 7, 6,5 and 4 思考题 构建一组能够产生4比特灰度图像所有单独比特平面的灰度分层变换 3.3 直方图处理 灰度直方图是灰度级的函数，描述的是图像中该灰度级的像素的个数：从图形上说，其横坐标是灰度级，纵坐标是该灰度出现的频率；从数学上说，灰度直方图是图像各灰度值统计特性与图像灰度值的函数，它统计一幅图像中各灰度级出现的次数或概率。 灰度级为[0，L-1]范围的数字图像的直方图是离散函数 ，rk是第k级灰度，nk是图像中灰度级为rk的像素的个数。 3.3 直方图处理 直方图归一化 这里k=0,1,2,……,L-1。 给出了灰度级为 发生的概率估计值，n为图像像素的总数。 一个归一化的直方图其所有部分之和等于1。 直方图是多种空间域处理技术的基础，直方图操作能有效地用于图像增强。 3.3 直方图处理 Histogram Examples Histogram Examples (cont…) Histogram Examples (cont…) Histogram Examples (cont…) Histogram Examples (cont…) Histogram Examples (cont…) Histogram Examples (cont…) Histogram Examples (cont…) Histogram Examples (cont…) Histogram Examples (cont…) 3.3 直方图处理 考虑连续函数并让变量r代表增强图像的灰度级。假设r被归一化到区间[0,1]。对于任一个满足上述条件的r,我们注意以下变换形式 在原始图像中,对于每一个象素值r产生一个灰度值s。显然可以假设变换函数T(r)满足以下条件: 1) T(r)在区间[0,1]中为单值且单调递增。 2)当 时, 。 3.3.1 直方图均衡化 T(r)在区间[0,1]中为单值且单调递增。那么变换s的概率密度函数可由以下简单公式得到: 0 1 rk sk= T(rk) s r T(r) 3.3.1 直方图均衡化 (*) 在图像处理中一个尤为重要的变换函数如下: 其中w是积分变量。上式的右部为随机变量r的累积分布函数,且满足条件(1)和条件(2)。 用这个结果代入式(*),取概率值为正,得到: 3.3.1 直方图均衡化 形式为均匀概率密度函数,与 的形式无关。 对于离散的数字图像，则变换函数T(rk)的离散形式可表示为: 上式表明，均衡后各像素的灰度值sk可直接由原图像的直方图算出。 3.3.1 直方图均衡化 一幅图像sk同rk之间的关系称为该图像的累积灰度直方图 rk Pr(rk) rk s(rk) 1.0 1.0 1.0 下面举例说明直方图均衡过程。 3.3.1 直方图均衡化 例 假定有一幅总像素为n=64×64的图像，灰度级数为8，各灰度级分布列于表中。对其均衡化计算过程如下： 3.3.1 直方图均衡化 3.3.1 直方图均衡化 图像在系统中成像、复制、传输时，总要产生某些降质。这些降质会使计算机从图像中提取信息时发生错误，因此有必要对降质的图像进行处理改善。 * 图像增强的通用理论是不存在的。当图像为视觉解释进行处理时，由观察者最后判断方法的效果。 当为机器感知而处理图像时，最好的方法就是能得到最好的机器可识别结果。 * T能对输入图像集进行操作，例如为减少噪音而对K幅图像进行逐像素的求和操作。 * 更大的邻域会有更多的灵活性，一般的方法利用点（x,y）事先定义的邻域里的一个f函数来确定g的值，其公式化的一个主要方法就是利用所谓的模板，模板的系数值决定了处理的性质。 * 为了显示被