数字图像处理_第4章_图像的增强和平滑001.pptVIP

图像的增强与平滑 直方图 灰度变换 图像噪声 去除噪声 图像锐化 图像的伪彩色处理 直方图 直方图的概念 直方图的性质 直方图的计算 直方图的拉伸 直方图均衡化 直方图的概念 如果将图像中像素亮度（灰度级别）看成是一个随机变量，则其分布情况就反映了图像的统计特性，这可用Probability Density Function (PDF)来刻画和描述，表现为灰度直方图（Histogram）。 灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率。 直方图的概念 直方图的概念 设r代表图像中像素灰度级，作归一化处理后，r将被限定在［0, 1］之内。在灰度级中，r=0代表黑，r=1代表白。对于一幅给定的图像来说，每一个像素取得［0, 1］区间内的灰度级是随机的，也就是说r是一个随机变量。 假定对每一瞬间，它们是连续的随机变量，那么就可以用概率密度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标系的横轴代表灰度级r，用纵轴代表灰度级的概率密度函数pr(r)，这样就可以针对一幅图像在这个坐标系中作出一条曲线来。这条曲线在概率论中就是概率密度曲线。 直方图的概念 直方图的概念 从图像灰度级的分布可以看出一幅图像的灰度分布特性 (a)的大多数像素灰度值取在较暗的区域，所以这幅图像肯定较暗，一般在摄影过程中曝光过强就会造成这种结果 (b)图像的像素灰度值集中在亮区，因此，图像(b)将偏亮，一般在摄影中曝光太弱将导致这种结果 从两幅图像的灰度分布来看图像的质量均不理想 直方图的性质 直方图是一幅图像各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。即它只包含了该图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息 任一幅图像，都能惟一地确定出一幅与它对应的直方图，但不同的图像，可能有相同的直方图。也就是说，图像与直方图之间是多对一的映射关系 由于直方图是对具有相同灰度值的像素统计得到的，因此，一幅图像各子区的直方图之和就等于该图像全图的直方图 直方图的性质 直方图的性质 直方图的计算 直方图的计算 直方图的计算 直方图的计算 直方图的拉伸 直方图的拉伸 直方图的拉伸 从s到r的反变换可用下式表示： r=T-1(s) 由概率论理论可知，如果已知随机变量ξ的概率密度函数为pr(r)，而随机变量η是ξ的函数，即η=T(ξ)，η的概率密度为ps(s)，所以可由pr(r)求出ps(s)。 直方图的拉伸 直方图的拉伸 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 直方图的均衡化 灰度变换 灰度线性变换 分段线性变换 非线性变换 灰度线性变换 灰度线性变换 灰度线性变换 灰度线性变换 分段线性变换 分段线性变换 分段线性变换 非线性变换 图像噪声 图像噪声 图像噪声 图像噪声 图像噪声 图像噪声 噪声去除 噪声去除 模板操作和卷积运算 模板操作和卷积运算 模板操作和卷积运算 模板操作和卷积运算 模板操作和卷积运算 模板操作和卷积运算 模板操作和卷积运算 模板操作和卷积运算 邻域平均法 邻域平均法 邻域平均法 邻域平均法 邻域平均法 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 中值滤波 其他去噪技术 其他去噪技术 其他去噪技术 频率域去噪 频率域去噪 频率域去噪 多幅图像平均法 多幅图像平均法 多幅图像平均法 图像锐化 梯度法 梯度法 梯度法 梯度法 梯度法 梯度法 梯度法 梯度法 梯度法 梯度法 梯度法 Sobel 算子 Sobel 算子 Sobel 算子 Sobel 算子 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 拉普拉斯运算 图像的伪彩色处理 密度分割 灰度级彩色变换 滤波法 密度分割 密度分割 密度分割 密度分割 灰度级彩色变换 灰度级彩色变换 灰度级彩色变换 滤波法 滤波法 作业 梯度的两个重要性质是：  （1）梯度的方向在函数f(x,y)最大变化率的方向上。（2）梯度的幅度用G［f(x,y)］表示，并由下式算出: 由上式可知，梯度的数值就是f(x,y)在其最大变化率方向上的单位距离所增加的量。对于数字图像而言，式