第4篇 图像增强.ppt

(a) (b) (c) (d) ( a)和(b)分别是原始图像和其直方图 ( c)和(d)分别是均衡化后图像和其直方图 2. 直方图规定化 直方图均衡化的优点是得到近似均匀分布的直方图。 但由于变换函数采用累积分布函数，也只能产生近似均匀的直方图的结果，这样就会限制它的效能。 实际应用中，有时需要具有特定直方图的图像，以便能够有目的地对图像中的某些灰度级分布范围内的图像加以增强。 直方图规定化方法可以按照预先设定的某个形状来调整图像的直方图。 直方图规定化的思想： 设 和 分别表示原始图像和目标图像灰度分布的概率密度函数，直方图规定化就是建立 和 之间的联系 。 首先对原始图像进行直方图均衡化处理，即求变换函数： 对目标图像用同样的变换函数进行均衡化处理，即: 两幅图像做了同样的均衡化处理,所以Ps(s)和Pu(u)具有同样的均匀密度 .变换函数的逆过程为: 从原始图像得到的均匀灰度级s来代替逆过程中的u，结果灰度级就是所要求的概率密度函数Pz(z) 的灰度级。 直方图规定化的计算步骤及实例 64×64像素图像，灰度级为8。其直方图如图(a)所示，(b)是规定的直方图，(c)为变换函数，(d)为处理后的结果直方图。原始直方图和规定的直方图的数值分别列于表3-2和表3-3中，经过直方图均衡化处理后的直方图数值列于表3-4。 表3-2 原始直方图数据 表3-3规定的直方图数据 表 均衡化处理后的直方图数据 具体计算步骤: 对原始图像进行直方图均衡化映射处理的数列于表3-4的nk栏目内。 利用式 计算变换函数。 (3)用直方图均衡化中 的进行G的反变换，求 找出 与 的最接近值，例如s0=1/7≈0.14,与它最接近的是G(z3)=0.15，所以可写成。用这种方法可得到下列变换值： (4)用 找出r与z 的映射关系。根据这些映射重新分配像素灰度级，并用n=4096去除，可得到对原始图像直方图规定化增强的最终结果。 图 直方图规定化处理方法 4.1.4 局部统计法 用局部均值和方差进行对比度增强。 以象素(x,y)为中心的(2n+1)×(2m+1)邻域 Wallis提出的算法使每个象素具有希望的局部均值和局部方差。 改进算法 若k1，图像锐化，类似高通滤波 若k1，图像平滑，类似低通滤波 若k=0，g(x,y)等于局部均值 单击此处编辑母版标题样式 单击此处编辑母版副标题样式 第4章 图像增强 本章重点： 空间域增强方法 频域增强方法 4.0 概述 图像处理过程： 图像增强（预处理） 图像分割 特征提取 模式识别 1.目的 通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。 2.分类 所在空间：空域增强方法、频域增强方法 采用技术：灰度变换、空域滤波 处理对象：灰度图像增强、彩色图像增强 图 象 增 强 方 法 总 结 3.效果评价 定性：人的主观感觉、视觉效果 定量：无统一评价标准，从图像信息量、标准差、均值、纹理度量值和具体研究对象的光谱特征等几方面与原始图像进行比较。 4.1 图像增强的点运算 输出图像上每个象素的灰度值仅由相应的输入象素的值决定。 对比度增强 对比度拉伸 灰度变换 4.1.1 灰度级校正 在图像采集系统中对图像象素进行修正，使整幅图像成像均匀。 设理想输入系统的输出图像为f，实际获得的为g e为降质函数或感测系统的灰度失真系数。 标定e的方法：采用衣服灰度级为常数C的图像成像。 降质图像可经校正后恢复 4.1.2 灰度变换增强 灰度变换可使图像对比度扩展，图像清晰，特征 明显。它是图像增强的重要手段。 灰度变换是一种点处理方法，它将输入图像中每 个像素(x,y)的灰度值f(x,y)，通过映射函数T(·)，