空间域中的影像增强.PPT

影像強化(Image enhancement) 處理一幅影像,使其結果對 “特定的應用” 比原始影像更合用 依方法分為兩大類 空間域 (Spatial domain) 直接處理影像中的像素 頻率域 (Frequency domain) 修改影像的傅立葉轉換為基礎 直方圖處理 灰階值範圍[0,L-1] 離散函數h(rk)=nk ,rk 是第k個灰階, nk是影像中帶有灰階rk的像素個數 正規化 : 將nk除以總像素n p(rk)=nk/n , 其中k=0,1,…,L-1 直方圖等化 Histogram Equalization 直方圖匹配(Histogram matching) Generated a processed image that has a specified histogram pz(z) 使用算數/邏輯運算作增強 Enhancement using arithmetic/logic operations 影像相減 Image subtraction (b 圖為a圖的每個像素丟棄4低位元的值所得結果) 影像相減 Image subtraction Mask image (without contrast medium) Subtracted image K=8 K=16 K=64 K=128 Original image 影像平均 無相關且平均值為0的雜訊運用多張影像疊加的方式去除 遮罩mask 濾波器filter 核心 kernel 模板template 窗window 空間濾波(Spatial filtering) 將濾波遮罩在影像中移動，在每一點(x,y)計算濾波係數及遮罩所涵蓋的影像區域的像素乘積和 mask image 平滑空間濾波器 Smoothing spatial filters 用於模糊化跟減少雜訊 以濾波器所定義的平均值取代原灰階值 對於銳利的邊緣也有模糊的負效果 Box filter (所有係數都相等) Weighted average (每個像素有不同的重要性) General form 使用方形濾波器的結果 N=3 N=5 N=9 N=15 N=35 Digital Image Processing, 2nd ed. ? 2002 R. C. Gonzalez R. E. Woods Chapter 3 Image Enhancement in the Spatial Domain 空間域的處理 通常使用3*3 臨域 (遮罩) 遮罩處理(mask processing)或濾波(filtering) 定義一點(x,y)附近一個方形的子影像區域 運算子T在每個子影像區域作用而在(x,y)產生g(x,y) r: the gray-level of f(x,y) s: the gray-level of g(x,y) 灰階度轉移函數(Gray-level transformation function) 對比度擴展 Contrast stretching 臨界函數 Thresholding 線性 恆等Identity 負片Image negatives 2. Log transformation Log and inverse log 3. Power-Law γ次冪次及方根 影像增強常用的三種基本函數 Negative transformation 將影像強度反轉產生等同照片負片的效果 適合增強埋藏在黑暗影像中的白色或灰色細節 Log transformation 將輸入影像的低灰階窄範圍映射至一輸出準位較寬的範圍 較高灰階的輸入值則對應一輸出準位較窄的範圍 Power-Law Gamma correlation 小γ值 將黑暗輸入值對應至寬輸出範圍 大γ值 將高亮度輸入值對應至寬輸出範圍 similar Gamma 校正 陰極射線管會呈現比設定來得暗的亮度 所以需將gamma調低 Fractured spine Application for Gamma correlation 從0.6~0.4時可以看到更多的細節, 然而降到0.3時對比度明顯降低 從3~4時效果很好, 然而提升5時影像過暗 逐段性轉換函數(Piecewise-Linear Transformation) 對比度擴展 Contrast stretching 低對比度影像導源於低的照明、影像感測器的動態範圍不夠 對比度擴展增加影像中灰階的動態範圍 灰階切片(Gray-level slicing) 用於突顯一幅影像的特定灰階範圍 將感興趣範圍的所有灰階顯示為高階 希望的灰階變亮，保持影像的背景灰階色調 位元平面切片 Bit-plane slicing for a 8-bit image 不強調灰階範圍