数字图像处理收第4章_图像的增强.ppt

第4章 图像的增强 4.1 引 言 图像增强是图像处理的基本内容之一，其目的是改善图像的“视觉效果”（包括人和机器的“视觉”），针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像特征之间的差别，为图像的信息提取及其他图像分析技术奠定良好的基础。 图像增强的方法是通过锐化、平滑、去噪、对比度拉伸等手段对图像附加一些信息或变换数据，使图像与“视觉”响应特性匹配，以用来突出图像中的某些目标特征而抑制另一些特征，或简化数据提取。 引 言 图像增强技术根据增强处理过程所在的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法2类。基于空间域的增强方法按照所采用的技术不同，可分为灰度变换和空间滤波2种方法。 图像增强技术按所处理的对象不同，还可分为灰度图像增强和彩色图像增强，按增强的目的还可分为光谱信息增强、空间纹理信息增强和时间信息增强。 4.2 灰度变换法 4.2.1 全域线性变换 线性灰度变换如图4.1所示，灰度变换函数 g=Φ［f］=mf+n （4.2.1）是线性的。 显然，如果m=1、n=0，则输出图像复制输入图像； 如果m1、n=0，则输入图像对比度被扩展； 如果m1、n=0，则输出图像对比度被压缩； 如果m0、n=0、则获得输入图像的求反； 如果m=1、n ≠ 0，则输出图像将会比输入图像偏亮或偏暗。 图4.1 线性变换 全域线性变换 假定原图像 f(x,y) 的灰度范围为 ［a,b］，希望变换后的图像 g(x,y) 的灰度范围扩展至［c,d］，则线性变换可表示为 此式可用图4.2表示。 图4.2 灰度范围的线性变换 全域线性变换 若图像灰度在 0~Mf 范围内，其中大部分像素的灰度级分布在区间［a,b］，很小部分的灰度级超出了此区间，为改善增强的效果，可令 全域线性变换 有时为了保持 f(x,y) 灰度低端和高端值不变，可以采用下式所示的形式。 全域线性变换 为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区域，可采用分段线性变换。常用的分段线性变换法其数学表达式为： 全域线性变换 图4.5中列举了4种典型的分段线性变换函数。图中，（a）用于两端裁剪而中间扩展；（b）把不同灰度范围变换成相同灰度范围输出，用于显现图中轮廓线；（c）用于图像反色，并裁剪高亮区部分；（d）裁剪，用于图像二值化。 反色变换的关系可用式 g(x,y)=a－f(x,y) （4.2.6）表示，其中a为图像灰度的最大值 图4.5 分段线性变换 4.2.2 非线性灰度变换 1. 指数变换 输出图像 g(x,y) 与输入图像 f(x,y) 的亮度值关系为： 该变换用于压缩输入图像中低灰度区的对比度，而扩展高灰度值。为了增加变换的动态范围，修改曲线的起始位置或变化速率等，可加入一些调节参数，使之成为 2. 对数变化 输出图像 g(x,y) 与输入图像 f(x,y) 的亮度值关系为： g(x,y) = lg [ f(x,y)] 该变换用于压缩输入图像的高灰度区的对比度，而扩展低灰度值。可加入一些调节参数，使之成为: g=a + ln (f +1)/(b lnc) 3. 指数、对数组合变换 输出图像 g(x,y) 的 0～b 灰度区与输入图像 f(x,y) 的 0～a 灰度区直接的亮度值关系为指数形式，两者其余灰度区之间的亮度值关系为对数形式，即: 4.3 直方图修正法 4.3.1 直方图 1. 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。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概率，如图4.7和图4.8所示。 直方图 图4.7 图像的直方图 直方图 图4.8 灰度图像的直方图 直方图 2. 直方图的计算 设r表示图像中像素的灰度级，假定对每一个瞬间，它们是连续的随机变量，那么就可以用概率密度函数P(rk)表示原始图像的灰度分布。则 式中，N为一幅图像中像素的总数；nk为第k级灰度