计算机图像处理直方图均衡化.pptVIP

计算机图像处理 夏志华 上次课回顾 第四课 实验名称：BMP图像直方图统计 第五课 实验名称：Matlab数字图像增强处理 图像增强的三个方法： 全域线性灰度变换 截取式线性灰度变换 分段式线性变换 都是为了把层次感不强的图像变得层次分明 利用直方图来对图像进行增强处理。 直方图均衡化 一种图像增强算法 通过使输出图像直方图近似为均匀分布 可以增加像素灰度值的动态范围从而达到增强图像整体对比度的效果 直方图均衡举例 直方图均衡化算法 直方图均衡化举例 给定一幅图像，对它进行直方图均衡化变换。 Matlab程序 clear;clc; I=imread(‘pout.tif’); J=histeq(I); subplot(221),imshow(I); subplot(222),imshow(J); subplot(223),imhist(I); subplot(224),imhist(J); 效果图 直方图规定化 一种图像增强算法 使原图像灰度直方图变成规定形状的直方图而对图像作修正的一种增强方法 直方图规定化算法 直方图规定化增强处理的步骤如下： ①对原始图像作直方图均衡化处理； ②按照希望得到的图像的灰度概率密度函数pz(z)，求得变换函数G(z)； ③用步骤①得到的灰度级s作逆变换z= G-1(s)。 经过以上处理得到的图像的灰度级将具有规定的概率密度函数pz(z)。 直方图规定化举例 给定两幅图像 1-pout.tif和图像2-cameraman.tif 对图像2进行直方图规定化，指定的直方图为图像1的直方图 即使用图像1的直方图对2进行直方图规定化 Matlab程序 clear;clc; I1=imread(pout.tif); I2=imread(cameraman.tif); [hgram,x]=imhist(I1); J=histeq(I2,hgram); subplot(131),imshow(I1); subplot(132),imshow(I2); subplot(133),imshow(J); figure subplot(131),imhist(I1); subplot(132),imhist(I2); subplot(133),imhist(J); 效果图 空间域灰度修正 全域线性灰度变换 截取式线性灰度变换 分段线性灰度变换） 直方图均衡化 直方图规定化 空间域图像平滑 任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化、质量下降、图像模糊、特征淹没，对图像分析不利。 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。 平滑的目的在于消除混杂在图像中的干扰，改善图像质量，强化图像表现特征。 本节介绍空域常用方法。 空间域图像平滑 噪声消除法 邻域平均法 中值滤波 法 梯度倒数加权法 选择式掩模平滑 噪声消除法 由传感器或信道引起的噪声通常呈现孤立离散性分布，他们常常与邻域像素有比较明显的差异。 例子 噪声消除法算法 噪声消除法平滑时，顺序检测每一个像素，如果某个像素的幅度大于其邻域平均值，且达到一定的程度，则判定该像素为噪声； 继而用其邻域平均值来代替该像素。 数学表示： 邻域的概念 一个像素的周边像素的集合称之为它的邻域。 通常邻域是远比图象尺寸小的一规则形状。如下面情况中，一个点的邻域定义为以该点为中心的一个圆内部或边界上点的集合。 邻域也称为窗口 常见的有3*3，5*5等样式。 邻域 邻域 对于像素（m,n)，其邻域像素如下： 邻域 如线状、方形、十字形、圆形、菱形等（见图） 噪声消除法举例 给定一幅图像 添加椒盐噪声 椒盐噪声--白图像上的黑点和黑图像上的白点 使用噪声消除法去除噪声 需要确定窗口形状 确定门槛值T 实例 邻域平均法 邻域平均法是一种直接在空间域上进行平滑处理的技术。 邻域平均法 用邻域内各像素的灰度平均值代替该像素原来的灰度值，来实现图像的平滑。 邻域平均法 1、方法：逐个处理待处理像素，以其邻域平均值取代该像素原来的灰度值。 2、邻域的选取：通常有两种方式，以单位距离为半径或单位距离的 倍为半径取一个窗口。 邻域平均法 设有一幅N×N的图像f(x,y)，若变换后的图像为g(x,y),则有 式中x,y=0,1,…,N-1； s为（x,y）邻域内像素坐标的集合； M表示集合s内像素的总数。 可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。 实例 邻域平均法举例 给定一幅图像 添加椒盐噪声 使用邻域平均法去除噪声 需要确定窗口形状 确定为3*3窗口 Matlab程序 clear;clc; I=imread(eight.tif); J=imnoise(I,salt