第4章 图像增强.pptx

第四章 图像增强; 内容提要;概述;实现方式;直接对输入图像的像素进行处理, 达到增强的目的; 像素(x, y)的邻域: 通常定义为以(x, y)为中心的矩形(正方形居多)的子图像;变换域法;压缩动态范围;点操作: T的作用域是1?1, 即是当前单个像素;;;;示例: 利用对数变换显示图像的傅里叶频谱;;;高动态范围图像可视化;;伽马校正;伽马校正;伽马校正;对比度增强;原始航拍图像(washed out);分段线性变换;分段线性变换;分段线性变换;分段线性变换; 直方图（ histogram）：一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。; 灰度直方图;离散形式;例;基于直方图的图像增强技术;;直方图修改技术的基础; 变换函数T(r)应满足如下条件： （1）在 区间内，T(r)值单调增加。 （2）对于 有， 。;Pr(r);通过变换函数T(r)可以控制图像灰度级的概率密度函数，从而改变图像的灰度层次。;;已知r的灰度分布概率 计算映射关系 ;;实际计算公式;rk;2016/10/8; ;（3）r--s 映射关系及 s 的灰度分布概率;2016/10/8; 实例演示;总结：直方图均衡步骤;实例演示;直方图均衡示例: 高10个像素, 长30个像素;基于直方图的图像增强-示例;基于直方图的图像增强-示例;基于直方图的图像增强-示例;原始图像差别很大, 经直方图均衡化后的图像视觉效果接近 高对比度图像经直方图均衡化后变化不大;直方图均衡的不足: 只能产生一个直方图近似平均的图像, 缺乏灵活性 直方图规定化(直方图匹配): 使处理后的直方图具有规定的形状 实现方法: 利用图像直方图均衡化作为中间媒介, 把输入和输出图像分别进行直方图均衡处理, 进而得到规定化所需的变换 直方图均衡可看作是直方图规定化的一种特定形式;寻找一个变换 , 使得输出图像的直方图为;得到：;;;使用空域模板进行的图像处理，被称为空域滤波。模板本身被称为空域滤波器。 在待处理的图像中逐点地移动模板，滤波器在该点的响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。;;处理边界问题的三种方法;平滑与锐化;平滑滤波器主要用于模糊处理和去噪 模糊处理常用于预处理, 在提取大的目标之前去除图像的细节, 弱化小物体 去噪: 平滑线性滤波器 统计排序滤波器(中值滤波器)： 非线性;线性平滑滤波器的输出是包含在滤波模板邻域内所有像素的简单平均值, 是一种低通滤波器, 又称均值滤波器. 应用: 去除图像中的不相干细节(主要应用) 减少噪声 伪轮廓的平滑处理 负面影响: 边缘模糊; 盒滤波器 加权平均滤波器;（2）邻域平均法;邻域的选择;线性平滑滤波器;例: 去除图像中小的细节(与滤波所用模板尺寸相比), 增强大物体;统计排序滤波器: 是一种非线性空间滤波器 首先对模板对应的子区域中像素进行排序, 然后用统计排序结果确定的值代替中心像素点的值 类型: 中值滤波器 ，最小值滤波器， 最大值滤波器;中值滤波器;中值滤波器;中值滤波结果示例;示例:中值滤波 vs.邻域平均 ;4.3.2空间锐化滤波器;一阶微分示例;平坦区域: 一阶和二阶微分都为零 斜坡区域: 一阶微分处处非零; 二阶微分只在斜坡两端非零(上充/下充), 其它部分均为零 阶梯区域: 一阶微分有正突变; 二阶微分有一个从正的极值到负极值的快速过渡, 产生“双边缘” 效应;比较: 一阶微分处理会产生较宽的边缘(斜坡) 一阶微分对阶梯有较强的响应 二阶微分处理对细节有较强的响应, 如细线和孤立点 二阶微分对阶梯变化产生双响应 结论: 对图像增强而言, 二阶微分对细节的增强能力强于一阶微分;（1）Laplacian算子;Laplacian卷积模板;复合Laplacian模板;示例;复合Laplacian模板;（2）梯度法;梯度算子: Roberts交叉算子 Sobel算子 Prewitt算子;基于梯度算子的边缘增强示例:;2016/10/8