影像组成空间领域之处理方法：.PDF

影像組成 一般照片的影像是由像素(Pixel)組成的，而像素（Pixel ）是組 成數位影像的最小單位。我們在電腦螢幕上所看到的畫面是由許多細 微的小格點所組成的，而這些小格點就稱為像素。像素裡面僅包含了 顏色資訊，每個像素都有一個明確的顏色，許多不同顏色的像素排列 後就構成了一張圖片；以一張 800X600 的數位影像圖片來說，它就 是由橫向 800 個格點所組成的，因此一張長寬為 800X600 大小的數 位影像圖片，一共包含了 48 萬個格點或 48 萬個像素，所以像素在 數位影像領域中也被稱之為點(dot) 。數位影像圖片上所有的點都擁有 一個明確的座標位置，也都有自己的顏色資訊，透過這些包含個別色 彩資訊的像素去排列組合後，我們就可以得到一張張美麗的數位影像 圖片了。 空間領域之處理方法： 直接處理運算影像元素(Pixel) 。 g(x,y) = T[ f(x,y) ] １. T 函數對單一影像元素運作： a.對比伸展 b.分劃c.二元影像 ２. T 函數對一影像元素集合運作： T[f(x,y)] = w1f(x-1,y-1) + w2f(x-1,y) + w3f(x-1,y+1) + w4f(x,y-1) + w5f(x,y) + w6f(x,y+1) + w7f(x+1,y-1) + w8f(x+1,y) + w9f(x+1,y+1) 空間領域之強化過濾器 1.平滑過濾器 a.低通空間領域過濾器 b. 中間值過濾器 2.銳化過濾器 a. 基本高通空間領域過濾器 b. High-boost 過濾器 Highpass = Original - Lowpass High boost = (A)(Original) - Lowpass = (A - 1)(Original) + Highpass 直方圖等化 直方圖等化（histogram equalization ）是一種在影像處理領域中 很常見的自動影像增強法，其原理是藉由重新分配影像中的灰階分佈， 使其分佈的較均勻因此強化了明暗對比，而得到最佳的顯示狀態。灰 階影像的直方圖就是灰階度的一種統計圖，從此統計圖中可以 得知影像再亮度上的特性，包括其動態分佈的範圍。 一張影像的灰階度集中在某一段區域內時，影像的對比度會相當 差。要改善這種情形，可使用直方圖等化法處理影像。直方圖等化的 意思就是將灰階度平均分配給影像中的所有像素，使灰階度的直方圖 儘可能呈現均勻分佈，如可提高影像的對比度，影像看起來會比較清 晰。 假設變數 r 代表影像增強前的某一個原始灰階值，並假設其灰度 已經從[0,L-1]標準化至 [0, 1] 的範圍內，也就是說 r = 0 對應於黑而 r = 1 對應於白。影像轉換是將原始影像中的每一個像素灰階 r 值對 應轉換至一個新的灰階值 s ，如式(2.2-1) S=T(r) （2.2-1 ） 我們希望式 (2.1-2) 中的轉換函數需滿足以下的條件： (a) T(r) 在 0 ≦ r ≦ 1 區間上是單值且單調遞增的； (b) 對於 0 ≦ r ≦ 1 ，0 ≦ T(r) ≦ 1 。 條件 (a)使灰階保持從黑到白的次序，而條件 (b)保證映射轉換後的 像素灰階仍在允許的範圍之內。 雙直方圖等化 直方圖等化利用的是全域性的資訊，因此在處理之後，影像中某 些區域的對比度可能反而減低，而有些區域可能發生增強過度的現 象， 使得處理過後的影像看起來不自然。 為了些儲值方圖等化的缺點，提出了雙直方圖等化的方法。他將 強度直方圖分成兩個部分，分隔點是影像的強度平均，兩部分在分別 使用直方圖等化做轉換，如此一來就減少了過度增強的問題，但處理 過後的不自然性依然是雙直方圖等化的一個問題。 直方圖處理 直方圖是將一幅灰階介於[0, L –1] 的影像，根據其每一個灰階值在 影像中出現次數或頻率，所作出的一個統計計量值或計量圖。一幅數 位影像的直方圖是一個離散函數， P(rk)=nk/n ，ｋ＝0 ，1 ，2 ，．．．．，L-1 rk ：第K 個灰階 nk ：影像中灰階為