第2讲_灰度变换与空间滤波.ppt

第2讲 灰度变换与空间滤波 Intensity Transformations and Spatial Filtering 李伟 weili@ 资料下载 teachxmut@126.com Password: teachxmut1 2 3 2.1 背景知识 2.2 基本灰度变换函数 2.3 直方图处理 2.4 空间域滤波基础 2.5 平滑空间滤波器 2.6 锐化空间滤波器 4 2.1 背景知识 在图像的形成、传输和变换过程中，由于多种因素的影响，会造成图像品质下降，归纳起来，图像质量退化的原因有: 对比度问题，对比度局部或全部偏低,影响图像视觉 噪声干扰问题，使图像蒙受干扰和破坏 清晰度下降问题，使图像模糊不清,甚至严重失真 如果不考虑图像降质的原因，只将图像中感兴趣的特征(如边缘、轮廓、对比度等)进行强调或有选择的突出，同时衰减其它不需要的特征，以便于显示、观察或分析，此种图像处理称为图像增强（Image Enhancement）。 5 图像增强的特点 1.图像增强并不能增加原始图像的信息，其结果只能增强对某种信息的辨别能力，使这些特征更加易于检测或识别。而这种处理肯定会损失一些其它信息。 2.图像增强是基于问题的技术，增强后的图像质量好坏主要依靠人的主观感觉来评定，难以定量描述。同时，要获得一个满意的增强结果，往往靠人-机交互。 3.图像增强的首要目标是使处理后的图像更适合于特定应用。 6 图像增强可能为了人类视觉的需要, 使图像的内容更突出，更容易被获取，并不关心和原始图像是否一致，甚至人为地畸变原始图像,以达到视觉增强的效果。 例如,伪彩色图像增强：将不同灰度的图像赋以不同的彩色,以增强人类的视觉感知,在医学图像处理中经常采用； 又如，假彩色增强：不同波段获取的图像赋以不同的彩色,用在对多波段遥感图像的假彩色显示等 图像的增强是综合和一般性地改善图像质量，解决图像由于噪声、模糊退化和对比度降低等三类问题,获得最好的视觉效果。 7 图像增强的主要方法 空间域方法:直接以图像中的像素操作为基础。 灰度变换（强度映射、点处理） 直接灰度变换 直方图处理（直方图均衡化、直方图匹配） 寻找一个合适的变换函数T 空间域滤波（模板处理） 平滑空间滤波器 锐化空间滤波器 寻找一个合适的模板（滤波核） 频率域方法 卷积理论 寻找一个合适的模板（滤波核） 8 输出图像 g(x,y)任意像素(x,y)的灰度值为输入图像f (x,y )事先定义的(x,y)邻域内所有像素灰度值的某种函数，即： g(x,y)= T[f(x,y)] 空间域滤波 例如:线性空间滤波的一般形式: 9 像素(x,y) 的邻域(neighborhood)：是以（x,y）像素为中心的正方形或矩形子图像（如33），也可以定义为圆形或其他形状的邻域（但矩形邻域操作方便，多被采用）。 10 上述增强操作常利用所谓的模板运算来实现。 模板又称滤波器、核、掩模、窗口等，是一个小的二维阵列， 模板的系数值决定了增强处理的性质，如平滑、锐化等，这种增强方法又称空间域滤波。 概念: 模板运算 11 （a）模板下的图像像素 （b）模板系数以及与图像像素对应位置关系 空域滤波的基本原理 f(x-1,y-1) f(x-1,y) f(x-1,y+1) f(x,y-1) f(x, y) f(x, y+1) f(x+1,y-1) f(x+1, y) f(x+1,y+1) w(-1,-1) w(-1,0) w(-1, 1) w(0,-1) w(0,0) w(0,1) w(1,-1) w(1,0) w(1, 1) 模板运算 12 令f (x,y)表示输入图像，g(x,y)表示处理之后的输出图像；如邻域大小为像素本身，即输出图像 g(x,y)任意点(x,y)的灰度值仅依赖于输入图象f (x,y)在(x,y)像素点的灰度值，则T[]定义的操作被称为灰度级变换函数（又称灰度映射） 。 令 r和s分别表示输入图像f (x,y)和输出图像g(x,y)在任意点(x,y)的灰度级（值），灰度变换可表示为： 灰度变换( gray-level/intensity transformation) g(x,y)= T[f(x,y)] → 13 灰度变换的关键：是根据要解决的图象增强问题，选择合适的灰度变换函数 T[r]。 根据灰度变换函数 T[r]选择方法的不同，灰度变换可分为：直方图处理方法和直接灰度变换。 14 在图像的某种变换域内，对图像的变换值进行处理。如，先对图像进行二维傅立叶变换，再对图像的频谱进行某种修正（滤波），最后将修正后的变换值逆变换到空间域，从而获得增强后的图像。 卷积定理: 如果原始图像是f(x,y)，处理后的图像是g(x,y)，而h(x,y)是滤波器的单位冲激响应，那么，空间