ch4图像增强.ppt

第四章?? 图像增强 图像增强目的 : 采用一系列技术去改善图像的视觉效果 将图像转换成一种更适合于人或机器进行分 析和处理的形式 图像增强方法分类 空间域增强是直接对图像各像素进行处理； 频率域增强是对图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。 本章内容 4.1图像增强的点运算 4.1.2 灰度变换 灰度变换可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。 图(a)为原图像；图(b)为加椒盐噪声的图像；图(c)和图 (d)分别为3×3、5×5模板进行中值滤波的结果。 可见中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。 4.3 图像空间域锐化 在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。 图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 4.3.1 梯度锐化法 图像锐化法最常用的是梯度法。 对于图像f(x，y)，在(x，y)处的梯度定义为 梯度是一个矢量，其大小和方向为 对于离散图像处理而言，常用到梯度的大小，因此把梯度的大小习惯称为“梯度”。并且一阶偏导数采用一阶差分近似表示，即 fx’ =f(x +1 ，y)-f(x，y) fy’=f(x，y +1)-f(x，y) 除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘。 Roberts对应的模板如图4.3.2所示。差分计算式如下 fx’ =|f(x+1,y+1)-f(x,y)| fy’ =|f(x+1,y)-f(x,y+1)| -1 ? ? ? -1 ? 1 1 ? 图4.3.2 Roberts梯度算子 为在锐化边缘的同时减少噪声的影响，Prewitt从加大边缘增强算子的模板大小出发，由2x2扩大到3x3来计算差分，如图(a)所示。 (a)Prewitt 算子 (b)Sobel算子 Sobel在Prewitt算子的基础上，对4-邻域采用带权的方法计算差分，对应的模板如图(b)。 根据梯度计算式就可以计算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，就可根据不同的需要生成不同的梯度增强图像。 -1 0 1 ? -1 -1 -1 ? -1 0 1 -1 -2 -1 -1 0 1 0 0 0 -2 0 2 0 0 0 -1 0 1 1 1 1 -1 0 1 1 2 1 第一种输出形式 g(x,y)=grad(x,y) (4.3-7) 此法的缺点是增强的图像仅显示灰度变化比较徒的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色。 第二种输出形式 式中T是一个非负的阈值。适当选取T，可使明显的边缘轮廓得到突出，又不会破坏原来灰度变化比较平缓的背景 第三种输出形式 它将明显边缘用一固定的灰度级LG来表现。 第四种输出形式 此方法将背景用一个固定的灰度级 LB来表现，便于研究边缘灰度的变化。 第五种输出形式 这种方法将明显边缘和背景分别用灰度级LG和LB表示，生成二值图像，便于研究边缘所在位置。 * 黑 白 1．线性变换 令图像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′]，如图，g(i，j)与f(i，j)之间的关系式为： 在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。 下图是对曝光不足的图像采用线性变换对图像每一个像素灰度作线性拉伸。可有效地改善图像视觉效果。 2．分段线性变换 为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。 设原图像f(x,y)在[