rdigitalimageprocessing2nded-湖南大学.ppt

图像处理与检测应用 第3章 图像增强与复原 图像增强的概念 图像增强的目的是处理图像以使其更适合于特定应用。 图像增强的方法可分为两大类：空间域方法和频域方法。空间域指图像平面自身，此类方法通过对图像像素的直接处理来完成；频域方法则是通过对图像经傅里叶变换后得到的频域数据进行处理来进行。 现在尚无通用的图像增强理论。 灰度变换 灰度变换是通过一个灰度级之间的映射关系 s = T(r) 来以与位置无关的方式，将每个像素的灰度值映射为另一个灰度值。r为输入灰度值，即进行变换前的灰度值；s为输出灰度值，即变换后的灰度值；T称为灰度级变换函数。 图像反转。设灰度级个数为L，则反转（反色）的灰度级变换函数为 s = L-1-r 对数变换 s = clog(1+r) c为归一化系数。 幂次变换 s = crg c为归一化系数。 幂次变换有时又被称为伽马校正，这一术语来自于早期的显示设备。例如CRT的输入（电压）-输出（电子射线强度）之间存在着g = 2.5的指数函数关系，因此相当于使得显示结果比真实图像更暗。为了将显示结果“校正”得更接近于真实图像，就需要通过一个g = 0.4的幂次变换来进行伽马校正。 1的g值可以增强图像中较暗处的细节对比度，不过需要牺牲亮处的对比度。而1的g值效果相反。 如果希望增强的细节分布在若干个不同的灰度级区间上，则可以通过针对性地设计分段线性变换函数，来实现所希望的对比度增强。基本的原则仍然是：灰度变换函数曲线中斜率大于1的部分表示对比度被提高，反之对比度被降低。 MATLAB中的灰度变换 除了直接根据各种灰度变换的数学公式加以实现之外，MATLAB还提供了imadjust函数用于灰度变换。 J = imadjust(I) 通过使得I中最亮和最暗的1%的像素在J中达到饱和（即变为纯黑和纯白）来自动进行线性调整。 J = imadjust(I, [li; hi], [lo; ho])将I中灰度值=li的像素设置为lo，=hi的设置为ho，而在li和hi之间的灰度按线性关系调整到lo到ho的区间范围。 J = imadjust(I, [li; hi], [lo; ho], gamma）类似于上一种调用，不过li和hi之间的灰度按幂次变换调整到lo到ho的区间范围。 直方图处理 灰度级为[0,L-1]范围的数字图像的直方图是一个离散函数h(rk) = nk，rk表示第k级灰度，nk表示图像中灰度级为rk的像素个数。 用图像中像素的总数n来除直方图的每一个元素，可以得到归一化直方图P(rk) = nk / n。归一化直方图可以视为一个概率分布，P(rk)给出了在图像中某个像素的灰度为rk的概率。 直方图是图像信息的压缩表示，蕴含了图像灰度分布的统计信息，且计算简单，可以有效地用于图像增强以及若干其他图像处理应用。 尽管直方图是图像的一种有损的表示，但是它本身可以给出关于图像性质的重要信息。直方图中主要的分布峰的位置可以体现在图像中占主要比例的灰度范围以及图像整体的明暗感受，而图像灰度分布的分散或集中的情况可以反映图像本身的对比度的高低。 MATLAB中获取图像直方图 利用函数imhist可以获得图像的直方图。 [counts, X] = imhist(I, N)将整个灰度级范围等分为N个区间，并获得相应的直方图counts，每个区间的灰度代表值在X中给出。对于灰度图像，N缺省为256；对于二值图像，N缺省为2。 如果使用不带返回值的imhist函数调用，那么MATLAB将产生一个新的绘图窗口并在其中显示所得的图像直方图。 直方图均衡化 既然尽可能均匀地占据可用的灰度级范围有利于提高图像对比度，那么就可以利用这一点，通过计算机算法自动地根据输入图像的直方图来获取灰度变换，以使得输出图像的直方图能均匀分布于整个灰度级区间，从而提高对比度。对于“连续灰度”的图像，这一变换公式为： 对于离散的直方图则为 直方图匹配（规定化） 直方图均衡化可以输出具有接近均匀直方图的图像，但在某些情况下，可能希望输出图像的直方图并非均匀分布，而是更能适应图像内容的某个指定形式的直方图。利用直方图匹配可以达到这一目的。 假设输入图像的直方图对应的概率密度为pr(r)，希望得到的输出图像直方图对应的概率密度为pz(z)。则可以求得将这两个直方图进行均衡化所需的灰度级变换函数T(r)和G(z)，然后利用灰度级变换 z = G-1[T(r)] 即可完成匹配。 MATLAB中进行直方图均衡化和匹配 利用函数histeq可以进行直方图均衡化和匹配。 J = histeq(I, hgram)通过直方图匹配，将输出J的直方图尽可能地与直方图hgram匹配；hgram缺省为均匀分布，此时所执行的就是