数字图像处理图像增强经典案例.ppt

第4章 图像增强; 4.1 引言; 4.2 直接灰度变换 ; 灰度范围线性变换关系 线性变换关系;4.2.1 灰度线性变换;4.2.1 灰度线性变换;4.2.1 灰度线性变换;4.2.1 灰度线性变换;4.2.1 灰度线性变换;4.2.1 灰度线性变换;4.2.2 灰度非线性变换;对数变换: 使一窄带低灰度输入图像映射为一宽带输出值.可以用于扩展被压缩的高值图像中的暗像素.;4.2.2 灰度非线性变换;图像的γ校正;光电传感器的输入输出特性;幂次变换:s=cr?;γ校正的原理;实际中 γ值的确定方法 通常CCD的γ值在0.4 ~ 0.8之间，γ值越小，画面的效果越差。根据画面对比度的观察与分析，可以大致得到该设备的γ值（或依据设备的参考γ值）。;4;2. 对输入信息进行γ校正 ;4;4.3 直方图修正法;4.3.1 灰度直方图的定义;4.3.2 直方图的用途;4.3.2 直方图的用途;;4.3.2 直方图的用途;;;动态范围宽了，对比度增强了;4.3.3 直方图均衡化;4.3.3 直方图均衡化;4.3.3 直方图均衡化;直方图均衡化算法： (1)统计图象中各灰度级像素个数nk; (2)计算直方图中应变量的值：pk=nk/(M×N); (3)计算累计直方图中应变量的值：sk=Σpk; (4)取整Sk=int{(L-1)sk}; (5)确定映射对应关系：k?Sk; (6)对图象进行增强变换( k?Sk).;DA;原图;4.3.3 直方图均衡化;4.3.3 直方图均衡化;4.3.4 直方图规定化; ;0.11;直方图的规定没有什么规则可循。一般，可以根据特定的增强任务，采用试错的方法来得到想要的直方图规定。; ;4.4.1 邻域平均法 4.4.2 中值滤波 4.4.3 多图像平均法 4.4.4 频域低通滤波法;4.4 图像平滑;滤波处理方法 空域：取局部邻域（2M+1）×（2M+1）邻域的加权和局域处理 ;4.4 图像平滑;4.4.1 邻域平均法;为减轻经平滑后产生的模糊效应，另一种阈值平均法;4.4.1 邻域平均法;4.4.1 邻域平均法; ;[例1] 设16x16点阵的假想图像如右图所示。 ;采用3x3均值滤波。 滤波核为： 结果如右图所示 ;[例2] 设16x16点阵的假想图像如右图所示 ;采用3x3均值滤波 滤波核为： 结果如右图所示 ;5 x 5 均值滤波 滤波核：; （a） 原图像 （b） 3×3均值滤波后的结果;均值滤波的特点 局部求均值的运算或平均计算使数字信号变“平坦”，可以在图像中消除或抑制噪声。同时，图像中景物边缘也会不同程度地变得模糊。;4.4.2 中值滤波;目的：既要消除噪声又要保持图像的细节 步骤: 1）模板游走 2）将mask下对应的灰度值（奇数）排序 3）用中间值代替 f(x,y), 消除孤立的噪声点 mask大小不一样，效果不一样，与叠加的噪声有关系 窗口形状 方形、十字形、圆形、圆环形;使用二维滤波需注意 1）有尖顶角几何结构的图像，一般采用十字窗，大小不超过最小有效物体的尺寸 2）有较多的点、线、尖顶角的细节结构，不用中值滤波;[例3] 设16x16点阵的图像如右图所示 ;采用3x3中值滤波，结果如右图所示 ;4.4.2 中值滤波;4.4.3 多图像平均法;4.3 图像锐化;图像锐化的目的 使灰度反差增强，从而增强图像中边缘信息，有利于轮廓抽取。 因为轮廓或边缘就是图像中灰度变化率最大的地方。因此，为了把轮廓抽取出来，就是要找一种方法把图像的最大灰度变化处找出来。; 锐化处理的目的是突出图像中的细节或者增强被模糊了的细节.锐化处理可以用空间微分来完成. 微分算子的响应强度与图像在该点的突变程度有关，图像微分增强了边缘和其他突变(如噪声)而消弱了灰度变化缓慢的区域. ;对于二阶微分必须保证: 平坦区微分值为零 在灰度阶梯或斜坡的起始点处微分值非零 沿着斜坡面微分值为零;微分锐化;差分;74;拉普拉斯算子锐化;对数字图像;模板锐化; 拉普拉斯微分算子强调图像中灰度的突变,弱化灰度慢变化的区域。这将产生一幅把浅灰色边线、突变点叠加到暗背景中的图像。; 将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。因此拉普拉斯算子用于图像增强的基本方法如下:;月球北极的图像 拉普拉斯滤波后的图像 标定后的拉普拉斯图像 复合增强后的图像; 梯度算子 定义 ;梯度算子: 梯度对应的是一阶导数，梯