第三章图象增强技术.pptVIP

第三章图象增强技术 3.1 图象增强的目的、特点和方法 3.2 灰度直方图与图象的点处理 较亮图象的直方图 对比度较低图象的直方图 对比度较高图象的直方图 通过直方图得到两个拐点P1、P2的位置 灰度级变换的分析 灰度级变换对图象层次有负面影响 原因：由于变换是在有限个灰度级上进行的，因此会造成层次的减少 改进：通过输入较多层次（如28)，保证在图象上进行灰度级变换后，其输出保留足够的层次 算法来源背景： 直方图均衡化的缺陷：不能用于交互方式的图象增强应用，因为直方图均衡化只能产生唯一一个结果，恒定值直方图近似 希望通过一个指定的函数（如高斯函数）或用交互图形产生一个特定的直方图。根据这个直方图确定一个灰度级变换T(r),使由T产生的新图象的直方图符合指定的直方图 3.3 空域滤波增强 数学形态分类 处理效果分类 3.3.1 线性滤波器 定义: 线性滤波器是线性系统和频域滤波概念在空域的自然延伸。其特征是结果像素值的计算由下列公式定义： R = w1z1 + w2z2 + … + wnzn 其中：wi i = 1,2, … ,n 是模板的系数 zi i = 1,2, … ,n 是被计算像素及其邻域像素的值 滤波器模板系数的设计 根据空域中低通冲激响应函数的图形来设计模板的系数 例如，选择高斯函数作为冲激函数 g(x,y) = h(x,y) * f(x,y) 模板系数与像素邻域的计算 通过求均值，解决超出灰度范围问题 5x5 模板 9x9 模板 3.3.2 非线性滤波器 定义：使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而不使用乘积和的计算 R = f(z1, z2 , … , zn) 最大值滤波 最小值滤波 中值滤波 中值滤波的原理 用模板区域内象素的中值，作为结果值 R = mid {zk | k = 1,2,…,9} 强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点） 中值滤波算法的实现 将模板区域内的象素排序，求出中值。 例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。 对于同值象素，连续排列。 如（10,15,20,20,20,20,20,25,100） 3.3.3 钝化滤波器 主要用途 对大图像处理前，删去无用的细小细节 连接中断的线段和曲线 降低噪音 钝化处理，恢复过分锐化的图像 图像创艺（阴影、软边、朦胧效果） 主要用途 印刷中的细微层次强调。弥补扫描、挂网对图像的钝化 超声探测成象，分辨率低，边缘模糊，通过锐化来改善 图像识别中，分割前的边缘提取 锐化处理恢复过度钝化、暴光不足的图像 图像创艺（只剩下边界的特殊图像） 尖端武器的目标识别、定位 滤波器模板系数的设计 根据空域中高通冲激响应函数的图形来设计模板的系数: g(x,y) = h(x,y) * f(x,y) 设计模板系数的原则 1）中心系数为正值，外围为负值 2）系数之和为0 5 x 5模板 3 x 3 模板 滤波器效果的分析 常数或变化平缓的区域，结果为0或很小，图像很暗，亮度被降低了 在暗的背景上边缘被增强了 图像的整体对比度降低了 计算时会出现负值，归0处理为常见 基本高通空域滤波的缺点和问题 高通滤波在增强了边的同时，丢失了图像的层次和亮度 高增益滤波 滤波器扩大因子及模板系数设计 对于 3x3的模板，设 w = 9A – 1；（高通时 w = 8）A的值决定了滤波器的特性 当 A = 1.1时，意味着把 0.1个原图像加到基本高通上。当 A = 1.2时，结果处在上限的边缘 高增益滤波器效果的分析 高增益比高通的优点是很明显的，即增强了边，又保留了层次。 噪音对结果图像的视觉效果有重要的影响，高增益在增强了边的同时也增强了噪音。 微分滤波器 用绝对值替换平方和平方根 有： ?f ? |z5 - z6| + |z5 - z8| 另外一种计算方法是使用交叉差： ?f ? [(z5 - z9)2 + (z6 - z8)2]1/2 ?f ? |z5 - z9| + |z6 - z8| 微分滤波器模板系数设计 Prewitt梯度算子——3x3的梯度模板 ?f ? |(z7 +z8 + z9) - (z1 + z2 + z3) | + |(z3 +z6 + z9) - (z1 + z4 + z7) | 微分滤波器模板系数设计 Laplace梯度算子 微分滤波器模板系数设计 方向算子，利用一组模板分别计算不同方向上的差分值，取其中最大的值作为边