第3章 空域图增强技术.pptVIP

第3章 空域图像增强技术 3.1 基础 3.2 一些基本的灰度变换 3.2.1 负变换 3.2.2 对数变换 3.2.3 幂律变换 3.2.4 分段线性变换 3.3 直方图处理 3.3.1 直方图均衡处理(equalization) 例：设图象有64*64=4096个象素，有8个灰度级，灰度分布如表所示。进行直方图均衡化。 步骤： 1. 由（2-2）式计算sk。 3.3.2 直方图匹配/规定(specification) 连续灰度的直方图原图 连续灰度的直方图规定 ? 令P(r) 为原始图象的灰度密度函数，P(z)是期望通过匹配的图象灰度密度函数。对P(r) 及P(z) 作直方图均衡变换，通过直方图均衡为桥梁，实现P(r) 与P(z) 变换。 步骤： （1）由 将各点灰度由 r映射成s。 （2）由 将各点灰度由 z映射成v。 步骤： （3）根据v=G(z), z=G-1(v) 由于v, s有相同的分布，逐一取 v=s，求出与r对应的z=G-1(s)。 离散灰度级情况： 由（1）、（2）计算得两张表，从中选取一对vk, sj，使vk≈sj，并从两张表中查得对应的rj，zk。于是，原始图象中灰度级为rj 的所有象素均映射成灰度级zk。最终得到所期望的图象。 3.3.3 局部增强 3.3.4 直方图统计量用于增强 3.4 代数和逻辑运算增强 3.4.1 图像加 3.4.3 图像乘 3.4.4 图像乘 3.4.5 代数运算的应用－平均去噪 3.5 空间滤波 3.5.2 空间锐化滤波器 3.5.2.1 二阶导数增强－Laplacian算子 3.5.2.2 一阶导数增强－梯度算子 3.6 空间增强方法的联合应用（实验） 3.7 本章总结 基本的灰度变换函数 直方图处理 图像的算术和逻辑操作 空间平滑滤波 空间锐化滤波 超限（基于阈值的）邻域平均法： b) 排序统计滤波器 是一种非线性操作，其响应是基于模板所包含图像区域内象素的排序结果来定的，用得最多的是中值滤波器，此外还有最大、最小滤波器等。中值滤波对脉冲噪声和椒盐噪声(salt-and pepper noise)特别有效。 中值滤波的基本步骤： 一般来讲： 一阶导数和二阶导数的特征： 1)一阶导数产生更厚的边缘；2）二阶导数对细的细节，如细线和孤立点的响应更强；3）一阶导数对灰度的阶跃变化响应更强烈，而二阶导数则会在此产生双响应；4）二阶导数在灰度变化相似时，其对线的响应要强于阶跃变化，对点的响应又强于线。 具有各向同性特征的线性变换算子:Laplacian算子（相当于线性高通滤波器） 离散实现： 其具有90度旋转不变性，当对角方向的不变性（45度方向）也加上时，即得到如下右图的掩码： 通过把原图像与锐化处理结果相减，可以既保留锐化效果，同时能恢复图像的背景特征。 反锐化掩膜和高提升滤波（unsharp masking and high-boost filtering) 见教材p132，自学 在不再特殊说明时，通常把梯度矢量的幅度称为梯度。其具有旋转不变性。实际实现时通常采用如下近似： 尽管其计算简单，也能反映灰度变化，但丧失了各向同性特征 一阶导数算子的数字近似： a) Robert 交叉梯度算子 b) Sobel梯度算子 3×3掩模图： 直方图均衡化实质上是减少图象的灰度级以换取对比度的加大。在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强（？！） 。若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。 ? 另外，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。 rj zk 直方图匹配变换公式推导图示 前面所说的两种处理技术都是全局处理，用于整体增强。在某些情况下，用于增强某个小区域细节的局部增强技术是需要的。局部增强其实就是基于邻域的空间域操作（更详细的讨论在3.5节），前面的方法同样可以使用，但此时处理的是一副图像中的某个子区域。 简单实例： m是图像平均灰度级的测度； 而方差，通常表示为?2，则代表了图像的平均对照度。这两个量的更有力的应用是在局部增强中，不仅简单、灵活性大，而且局部均值和方差与图像的外观存在紧密的、可预测的对应关系。例： 绕在支撑物上钨丝的SEM图像（放大130倍） 使用统计量的局部增强结果 逻辑操作(二进制掩膜，binary masking)基于点运算，对两副图像的单个象素进行操作（此