图像灰度直方图变换-Read.DOC

第三章图像灰度直方图变换 在数字图像处理中，灰度直方图是最简单且最有用的工具，可以说，对图像的分析与观察直到形成一个有效的处理方法，都离不开直方图。 直方图的定义：一个灰度级别在范围[0，L-1]的数字图象的直方图是一个离散函数 p(rk)= nk/n n 是图象的像素总数， nk是图象中第k个灰度级的像素总数，rk 是第k个灰度级，k = 0,1,2,…,L- 直方图的性质 1）灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置，即丢失了像素的位置信息。 2）一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图。 直方图的应用：用来判断图像量化是否恰当 灰度变换 对比度展宽的目的： 是一点对一点的灰度级的影射。设新、旧图的灰度级分别为g和f，g和f 均在[0，255]间变化。 目的：将人所关心的部分强调出来。 对比度展宽 方法： 二、灰级窗： 只显示指定灰度级范围内的信息。如: α=γ=0 三、灰级窗切片： 只保留感兴趣的部分，其余部分置为0。 直方图均衡化 算法： 设f、g分别为原图象和处理后的图像。 求出原图f的灰度直方图，设为h。h为一个256维的向量。 求出图像f的总体像素个数 Nf=m*n （m,n分别为图像的长和宽） 计算每个灰度级的像素个数在整个图像中 所占的百分比。 hs(i)=h(i)/Nf (i=0,1,…,255) 3）计算图像各灰度级的累计分布hp。 4）求出新图像g的灰度值。 作 业 1. 在图像灰度变换处理中，请总结出线性变换，非线性变换的适应性及各自的特点？ . 已知一幅图像为： 请对其进行灰度直方图的均衡化处理。 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.本节介绍空间域的几种平滑法。 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用像素邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。 局部平滑法 设图像中的噪声是随机不相关的加性噪声,窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高M倍. 这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别 在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。 局部平滑法 设图像中的噪声是随机不相关的加性噪声,窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高M倍这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生 模糊，特别 在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。 灰度最相近的K个邻点平均法 该算法的出发点是：在n×n的窗口内，属于同一集合体的像素，它们的灰度值将高度相关。因此，可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。这就是灰度最相近的K个邻点平均法。较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。实验证明，对于3×3的窗口，取K=6为宜。 灰度最相近的K个邻点平均法 例：3*3模板，k=5 有选择保边缘平滑法 该方法对图像上任一像素(x,y)的5×5邻域，采用9个掩模（模板），其中包括一个3×3正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模区的灰度均值就是像素（x,y) 的输出值。 有选择保边缘平滑法 该方法以方差作为各个区域灰度均匀性的测度。若区域含有尖锐的边缘，它的灰度方差必定很大，而不含边缘或灰度均匀的区域，它的方差就小，那么最小方差所对应的区域就是灰度最均匀区域。因此有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。 空间低通滤波法 邻域平均法可看作一个掩模作用于图像f(x,y)的低通空间滤波，掩模就是一个滤波器，它的响应为H(r,s)，于是滤波输出的数字图像g(x,y)用离散卷积表示为： 空间低通滤波法 常用的掩模有 空间低通滤波法 模板系数以中心点为中心对称分布； 所有的模板系数都是正数； 距中心较远的模板系数的值较小或保持不变； 但不管什么样的掩模，必须保证全部权系数之 和为单位值，这样可保证输出图像灰度值在许 可范围内，不会产生“溢出”现象。 一般取1，目的是保持平均灰度值不变。 中值