第4章节灰度图像处理.ppt

第四章 灰度图像处理 ;4.1 彩色图像转灰度图像;4.1 彩色图像转灰度图像;4.1 彩色图像转灰度图像;4.1 彩色图像转灰度图像;4.1 彩色图像转灰度图像;4.1 彩色图像转灰度图像;4.1 彩色图像转灰度图像;4.2 直 方 图 ;4.2.2 直方图的性质; 在离散形式下,灰度直方图的计算如下：;Line方法： object.Line (x1, y1) - (x2, y2)，RGB (Red, Green, Blue) (x1,y1)是直线的起点坐标，若省略(x1,y1)，则起点为当前坐标位置(CurrentX,CurrentY)。(x2,y2)是直线的终点坐标。 ; 一幅给定图像的灰度级分布在0≤r≤1范围内（灰度级进行了归一）。可以对［0, 1］内的任一r值进行变换 s=T(r) 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≤s≤1。 ; 直方图均衡化处理是以累积分布函数变换法为基础的 直方图修正法。变换函数为 ;当灰度级是离散值时：;;;4.2.5 直方图均衡;4.3 灰 度 变 换 ;255; 突出感兴趣的灰度区间。 常用的三段线性变换法其数学表达式如下： ;利用Matlab进行图像灰度变换;设计程序;结果演示;4.3.3 非线性变换 ;255;减小灰度;增加灰度;增加灰度;4.4 图 像 平 滑 ;4.4.1 图像噪声分类 ;4.4.2 模板操作和卷积运算 ;4.4.3 邻域平均法 利用Box模板（模板中所有系数都取相同值）对图像进行模板操作（卷积运算）的图像平滑方法。;（1+2+1+1+2+2+5+7+6）/ 9= 3;邻域平均法的数学含义可用下式表示： ; Box模板邻域平均法 程序演示; Box模板邻域平均法（不加噪声）; Box模板邻域平均法（添加椒盐噪声）; 高斯模板邻域平均法 程序演示; 高斯模板邻域平均法（不加噪声）; 高斯模板邻域平均法（添加椒盐噪声）;4.4.4 中值滤波 ;1;4.4.4 中值滤波;中值滤波（不加噪声）;4.5 图像锐化 ; 梯度的两个重要性质 （1） 梯度的方向在函数f(i, j)最大变化率的方向上。 （2） 梯度的幅度用G［f(i, j)］表示， 并由下式算出: ;对于数字图像而言，可近似为;第一种：各点的灰度g(x, y)等于该点的梯度幅度 g(x, y)=G［f(x, y)］ 梯度法仅仅使用了像素点本身与其右侧和下方像素点之间的变化关系，因此，增强的图像仅显示灰度变化比较陡的边缘轮廓，而灰度变化平缓的区域则呈黑色。 ;[I,map]=imread(lena.bmp); imshow(I,map); I=double(I); [Gx,Gy]=gradient(I); % 计算梯度 G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘 J1=G; figure,imshow(J1,map); % 第一种图像增强;运行结果;第二种：增强的图像使 ;[I,map]=imread(lena.bmp); imshow(I,map); I=double(I); [Gx,Gy]=gradient(I); % 计算梯度 G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘 J2=I; % 第二种图像增强 K=find(G=50); % 可通过修改阈值实现不同锐化效果 J2(K)=G(K); figure,imshow(J2,map); ;运行结果;第三种：;[I,map]=imread(lena.bmp); imshow(I,map); I=double(I); [Gx,Gy]=gradient(I); % 计算梯度 G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘 J3=I; % 第三种图像增强 K=find(G=50); J3(K)=255; figure,imshow(J3,map); ;运行结果;第四种：;[I,map]=imread(lena.bmp); imshow(I,map); I=double(I); [Gx,Gy]=gradient(I); % 计算梯度 G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩阵点乘 J4=I;