[信息与通信]第4章 图像增强.ppt

数字图像处理第四章 图像增强 4.1 图像增强概述 4.1.1 图像增强的定义 对图像的某些特征，如 边缘 轮廓 对比度等 进行强调或锐化，以便于显示、观察或进一步分析与处理。 ， 图像增强的目的： （1）采用一系列技术改善图像的视觉效果，提高图像的清晰度。 （2）将图像转化成一种更适合于人或机器进行分析处理的形式。 （2）分段线性变换 令原图像f (i, j)的灰度范围为[a，b] 线性变换后图像g(i, j)的范围为[a’, b’]。 分段线性变换的目的 突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间。 常用的是三段线性变换。 灰度级连续的灰度图像：当变换函数是原图像直方图累积分布函数时，能达到直方图均衡化的目的。 对于离散的图像，用频率来代替概率 。 【例4.2】假定有一幅总像素为n＝64×64的图像，灰度级数为8，各灰度级分布列于表4.1中。试对其进行直方图均衡化。 在计算机上制作了一组用于平滑实验的图像，如图所示。图(d)和(e)分别是采用3×3窗口算术平均平滑去除噪声后的图像， 图(f)和(g)分别是采用5×5十字中值滤波后的图像。显然， 算术平均平滑对含有高斯噪声的图像有效； 而中值滤波对含有椒盐噪声图像的去噪声效果较好。 在K近旁均值滤波器中，不选k个邻近像素的平均灰度来代替，而选k个邻近像素的中值灰度来代替。 图4.13 K近旁中值滤波器 2. K近旁中值滤波器(KNNMF) 对图像上待处理的像素（m，n）选它的5×5邻域。 在此邻域中采用图4.14所示的模板。 计算各个模板的均值和方差，按方差排序，最小方差所对应的模板的灰度均值就是像素（m，n）的输出值。 3. 最小均方差滤波器 图4.14 最小均方差滤波器模板 计算步骤如下： （1）按图做出9个模板，计算出各自的方差。 （2）选出方差为最小的模板。 （3）用该模板的灰度均值代替原像素的灰度值。 其中 是指对应的模板，N是模板中像素的数量。 以方差作为各个邻域灰度均匀性的测度。 若邻域含有尖锐的边缘，灰度方差必定很大，而不含边缘或灰度均匀的邻域，方差就很小，那么最小方差所对应的邻域就是灰度最均匀邻域。 通过这样的平滑既可以消除噪声，又能够不破坏邻域边界的细节。 （4.9） 均值和方差公式： 4.4 锐化 基本思想： 有时还需要加强图像中景物的边缘和轮廓。 边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观的想到用灰度的差分对边缘和轮廓进行提取。 梯度向量的幅度： （4.10） （4.11） 4.4.1 梯度锐化法 二元函数f (x,y)在坐标点(x,y)处的梯度定义为 数字微分将用差分代替： （4.12） （4.13） （4.14） （4.15） 为了降低运算量，常用绝对值或最大值运算代替平方与平方根运算近似求梯度的幅度： 图4.15 沿x和y方向的一阶差分 图4.16 罗伯茨差分 所有梯度值都和相邻像素之间的灰度差分成比例。 利用它来增强图像中景物的边界。 采用梯度进行图像增强的方法有： 第一种方法:使其输出图像的各点等于该点处的梯度。即 （4.16） 缺点:输出的图像在灰度变化比较小的区域，g(i,j)很小，显示的是一片黑色。 第二种方法: 对梯度值超过某阈值T的像素选用梯度值，而小于T时选用原像素点值。 适当的选取T，可以有效地增强边界而不影响比较平滑的背景。 （4.17） 第三种方法：对梯度值超过T的像素选用固定灰度LG 代替，而小于T时仍选用原像素点值 这种方法可以使边界清晰，同时又不损害灰度变化比较平缓区域的图像特性。 （4.18） 第四种方法：将梯度值超过T的像素选用梯度值，而小于T时选用固定的灰度LB 。即 这种方法将背景用一个固定的灰度级LB来表示，便于研究边缘灰度的变化。 （4.19） 第五种方法：是将梯度值超过某阈值T的像素选用固定灰度LG ，而小于该阈值T时选用固定的灰度LB 。 该法生成的是二值图，根据阈值将图像分成边缘和背景，便于研究边缘所在的位置。 （4.20） （a）原图像 （b）结果图 图4.17 罗伯茨梯度的锐化 除一阶微分外，还可以选用二阶微分算子。 一个连续的二元函数f (x,y)，其拉普拉斯运算定义为 对于数字图像，拉普拉斯算子可以简化为 （4.21） 4.4.2 拉普拉斯算子（Laplacian） （4.22） 也可以表示为卷积的形式，即 其中，k＝1，l＝1， 取下式 （4.23） 拉普拉斯的增强算子： 其对应的模板为： （4.24）