图象增强-Read.PPT

第四章 图像增强（Image Enhancement） 什么是图像增强？（一） 什么是图像增强？（二） 什么是图像增强？（三） 目的： 采用一系列技术去改善图像的视觉效果，或将图像转换成一种更适合于人或机器进行分析处理的形式。 注意：图像增强并不以图像保真为准则，而是有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图像的使用价值。 图像增强的基本方法： 空域处理 全局运算：在整个图像空间域进行。 局部运算：在与象素有关的空间域进行。 点运算：对图像作逐点运算。 频域处理 在图像的变换域中进行处理。 图像增强方法的特点： 图像增强算法与以下因素有关 1、感兴趣物体特性 2、观察者的习惯 3、处理目的。 直接灰度变换 1.图像求反 设f(x,y)灰度范围为[a,b] g(x,y)=- f(x,y) +a+b 直接灰度变换 2.对比度增强 设f(x,y)灰度范围：[a,b] g(x,y)灰度范围：[c,d] 直接灰度变换 直接灰度变换 直接灰度变换 3、分段线性灰度变换 将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域。 设f(x,y)灰度范围为[0,Mf]，g(x,y)灰度范围为[0,Mg]。 直接灰度变换 直接灰度变换 直接灰度变换 4、非线性灰度变换 （1）对数变换 低灰度区扩展，高灰度区压缩。 （2）指数变换 高灰度区扩展，低灰度区压缩。 （3）灰度切分 直接灰度变换 直接灰度变换 直接灰度变换 直接灰度变换 直方图处理 1、直方图均衡化(Histogram Equalization) 什么是直方图？直方 直方图表示数字图像中的每一灰度级与其出现的频率(该灰度级的象素数目)间的统计关系,用横坐标表示灰度级, 纵坐标表示频数(也可用概率表示)。 直方图均衡化 直方图均衡化是将原图像的直方图通过变换函数修正为均匀的直方图，然后按均衡直方图修正原图像。 图像均衡化处理后，图像的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。 直方图均衡化 首先考虑连续灰度级的情况，推导直方图均衡化变换公式，令r代表灰度级，P ( r ) 为概率密度函数。 r值已归一化，最大灰度值为1。 ? ? 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象素的位置分布，也不会增减象素数目。所以有 直方图均衡化 应用到离散灰度级，设一幅图像的象素总数为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 形式为：? 2、直方图匹配(Histogram Matching) 修改一幅图像的直方图，使得它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。直方图匹配亦称为直方图规定化(Histogram Specification) 目标：突出我们感兴趣的灰度范围，使图像质量改善。 ? 连续灰度的直方图原图 连续灰度的直方图规定 直方图匹配 ? 令P(r) 为原始图像的灰度密度函数，P(z)是期望通过匹配的图像灰度密度函数。对P(r) 及P(z) 作直方图均衡变换，通过直方图均衡为桥梁，实现P(r) 与P(z) 变换。 直方图匹配 步骤： （1）由 各点灰度由 r映射成s。 （2）由 各点灰度由 z映射成v。 直方图匹配 步骤