第四章图像增强1直方图变换.pptVIP

4.1 直接灰度变换 概述 4.2 灰度变换 线性变换1 线性变换2 线性变换3 线性变换效果图 分段线性变换 为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区域，可采用分段线性变换。 常用的三段线性变换法如下页图所示，其数学表达式如下： 分段线性变换 分段线性变换 通过细心调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行扩展或压缩。这种变换适用于在黑色或白色附近有噪声干扰的情况。 1. 灰度直方图(Histogram) 1. 一般离散形式下的计算 2. 步骤 示例图 图像增强—均衡化 1、基础 2、直方图均衡化 处理 基础——变换函数 一幅给定图像的灰度级分布在0≤r≤1范围内。可以对［0, 1］区间内的任一个r值进行如下函数变换： S=T(r) 通过上述变换，每个原始图像的像素灰度值r都对应产生一个s值。变换函数T(r)应满足下列条件： （1） 在0≤r≤1区间内，T(r)值单调增加； （2） 对于0≤r≤1， 有 0≤T(r)≤1 基础 通过变换函数T(r)可以控制图像灰度级的概率密度函数，从而改变图像的灰度层次。这就是直方图修改技术的理论基础。 均衡化 很重要很常用的变换函数： 均衡化 均衡化 均衡化 均衡化—离散情况 均衡化—离散情况 1、利用累积分布函数作为灰度变换函数的的方法对于对比度较弱的图像进行处理很有效。 2、由于直方图是近似的概率密度函数，所以用离散灰度级作变换一般得不到完全平坦的结果。 3、变换后的灰度级减少了的这种现象叫“简并”现象。由于简并现象的存在，处理后的灰度级总是要减少的， 这是像素灰度有限的必然结果。所以 数字图像的直方图均衡只是近似的。 直方图的规定化 直方图均衡化的优点 能自动地增强整个图像的对比度。 直方图均衡化的缺点 增强效果不易控制，处理的结果得到全局均衡化的直方图。 直方图的规定化 直方图的规定化有三个步骤： 对原始图的直方图进行灰度均衡化 规定需要的直方图，并计算能使规定直方图均衡化的变换 将原始直方图对应映射到规定的直方图。 规定化的两种映射规则 单映射 组映射 直方图规定化的列表计算： 均衡化示例 i=imread(circuit.tif); figure subplot(221);imshow(i); subplot(222);imhist(i); subplot(223);histeq(i); subplot(224);imhist(histeq(i)); 规定化示例 i=imread(circuit.tif); [m,n]=size(i); for i=1:8:257 counts(i)=i; end q=imread(circuit.tif); N=histeq(q,counts); figure subplot(121);imshow(N); subplot(122);imhist(N); axis([0 260 0 5000]); 图像间的运算 图像的算术运算： 图像减法 图像加法平均 图像的逻辑运算 图像与 图像或 图像非 图像相减 SI=imread(tire.tif); subplot(221);imshow(SI); [m,n]=size(SI); I=SI; for i=1:m for j=1:n I(i,j)=bitand(I(i,j),240); end end subplot(222);imshow(I); IMIN=uint8(double(SI)-double(I)); subplot(223);imshow(IMIN); subplot(224);imshow(histeq(IMIN)); 图像逻辑运算 i=imread(lena.bmp); [m,n]=size(i); i=double(i); i1=ones(m,n)*255; i1(90:195,110:180)=0; for k=1:m for j=1:n ii(k,j)=bitor(i(k,j),i1(k,j)); end end i=uint8(i);i1=uint8(i1);ii=uint8(ii); subplot(231);imshow(i); subplot(232);imshow(i1); subplot(233);imshow(ii); 图像直方图 (1)保证T(r)的反变换存在,同时保持了输出图像从黑到白的次序增加; (2)则保证了映射变换后的像素灰度值在容许的范围内。 （4-2） 定义 性质