图像增强-Image Enhancement.ppt

图像增强 Image Enhancement 目标: 提高图像质量 图像更加清晰 灰度映射（直方图变换） 灰度映射 图像灰度直方图 Grey Histogram 直方图均衡算法 Histogram Equalization 图像平滑 Image Smoothing 噪声定义 二维傅里叶变换 2D Fourier Transformation 图像平滑算法 图像锐化 Image Sharpening 低通滤波器 线性滤波器 H(·) F(u) G(u) u |F(u)| u0 0 (|u|≤u0) otherwise 理想低通滤波器 信号频谱的理解 复习 二维理想低通滤波器 截止频率选择问题 滤波后的“振铃”问题 均值滤波器 (|x| ≤a/2) otherwise |x| h(x) a/2 1/a |H(u)| |u| 1/a 0 滤波器性能分析 多帧迭加法 条件:静止目标,重复拍摄 设目标图像为I, t时刻拍摄图像为I(t)=I+n(t) 其中, n(t)为拍摄时迭加的噪声图像(假设为随机噪声) 如果噪声方差为σ,则经过N次迭加后方法为 单帧 8帧迭加 16帧迭加 64帧迭加 128帧迭加 均值滤波算法 性能分析 |H(u)| |u| 1/a 0 通带/阻带特点 例 低通滤波器 (Averaging Filter) * 问题1： 灰度分布不合理 没有充分利用灰度动态范围 典型场合: 曝光不足、曝光过度、对比过于强烈 问题2：噪声干扰 原因：强噪声成像通道 问题3：图像模糊 影响图像细节分辨 原因：成像通道分辨率不足、景物移动等 方法： 灰度分布不合理 ? 灰度映射 噪声干扰 ? 图像平滑 图像模糊 ? 图像锐化 灰度映射： r：原始图像灰度 s：目标图像灰度 目标：T(?) 改变像素灰度分布，充分利用灰度动态范围 T(?) ? r s r s 灰度直方图定义： nk: 灰度值等于rk的像素数量（计数值） r h(r) 灰度直方图反映图像的灰度分布特征 直方图变换的目标：均匀分布的灰度直方图 255 0 r h(r) 归一化直方图 或 p(x) : 概率密度函数 算法描述 设: 像素灰度共分为L级 (r = 0,1,2,…L-1) 变换后对应的灰度值记为s 原始图像的归一化直方图记为 p(r) 0.10 7 7 1.00 0 7 0.40 7 7 1.00 0.05 6 0 7 6.6 0.95 0.05 5 0 6 6.2 0.90 0.40 4 0.25 3 3 0.50 0.25 3 0 1 1 0.25 0.15 2 0.15 0 -0.2 0.10 0.05 1 0.10 0 -0.6 0.05 0.05 0 p’ s(r) p(r) P(r) s r L=8 例 算法理解 s p(s) 理想归一化直方图 0 L-1 1/L P(s) L-1 0 1/L 1 s 灰度映射的目标 (即希望变换后尽可能 符合此关系) 0 7 P 0.125 1 1 2 3 4 5 6 0.25 0.375 0.5 0.625 0.75 0.875 0.05 0.10 r 例 P - r 关系目标曲线 原始图像中的Ｐ－r点位置 对应变换后的P-r点位置 算法理解 直方图均衡算法可以有效地提高图像视觉的对比度 直方图均衡算法不增加图像的灰度分辨率 直方图均衡算法可能丢失图像细节 直方图均衡算法用于图像处理流程的显示环节 自动处理/分析过程中不使用直方图均衡算法 unpleasant sound-? a loud, surprising, irritating, or unwanted sound NOISE: 信号噪声: (广义)除有用信息以外的所有信号 图像平滑关注的噪声: 明显区别于邻域的像素值 具有高频特性 方法: 低通滤波 矛盾: 图像模糊 线性滤波器(低通滤波器): ω |H(ω)| 非线性滤波器: 中值滤波器 一维傅里叶变换 连续形式 例 otherwise 0 1/a a/2 -a/2 x f(x) u F(u) 离散形式 设序列长度为M 周期f(x)→离散F(u) 离散f(x)→周期F(u) 有限长序列DFT 隐含周期延拓 二维傅里叶变换 连续形式 离散形式 二维傅里叶变换的性质 可分离性 2D-DFT可由1D-DFT实现 *