数字图像的处理办法第4章图像增强.pptVIP

* 同态滤波 同态图像增强法示意图 * 同态滤波 同态滤波器的径向横断面 如果，Hl1,Hh1 同态滤波压缩了图像的动态范围， 增强了图像的对比度 * 同态滤波 原始图像的背景等平滑区域亮度减弱 钱币边缘及线条处对比度增强 效果 * * 锐化滤波器-梯度算子法 f(x,y)在(x,y)的梯度 其模值 近似梯度模值 * 锐化滤波器-梯度算子法 Gx和Gy 用近似值： 得到直接差分算子 * 锐化滤波器-梯度算子法 Gx和Gy 用近似值： 得到Roberts算子 * 锐化滤波器-梯度算子法 Gx和Gy 用近似值： 得到Sobel算子 * 梯度锐化实例 效果 图a:Cameraman原始图像，包含有各种朝向的边缘 图b:用Sobel水平模板，它对垂直边缘有较强的响应 图c:用Sobel垂直模板，它对水平边缘有较强的响应 a b c * 锐化滤波器-拉普拉斯算子法 f(x,y)在(x,y)的拉普拉斯算子为 对数字图像 因f(x,y)离散，所以 * 锐化滤波器-拉普拉斯算子法 如果加上对角线元素，则 拉普拉斯算子模板 * 4.4 频域图像增强 * 频域图像增强 f(x,y)和h(x,y)卷积定义为： 有： * 频域图像增强 设 则： 频率域增强主要步骤： （1）计算需要增强图的傅里叶变换； （2）将其与1个转移函数相乘； （3）再将结果傅里叶反变换以得到增强的图像。 常用的频域增强方法有：低通滤波、高通滤波、 带通和带阻滤波、同态滤波等 * 低通滤波 1、理想低通滤波器 理想低通滤波器剖面图和透视图 * 理想低通滤波器 图像能量百分比 设 * 理想低通滤波器 效果 原始图像 傅里叶频谱 截断频率：5 截断频率：15 截断频率：45 截断频率：65 * 低通滤波 2、n阶巴特沃斯低通滤波器 巴特沃斯低通滤波器剖面图和透视图 * 低通滤波 2、n阶巴特沃斯低通滤波器 巴特沃斯低通滤波器剖面图和透视图 * 巴特沃斯低通滤波器 图像+盐椒噪声 滤波效果 截断频率20结果 * 低通滤波器 量化灰度级图像 除虚假轮廓比较 截断频率35 理想低通滤波 明显的振铃现象 截断频率35 巴特沃斯低通滤波 * 高通滤波 1、理想高通滤波器 理想高通滤波器剖面图和透视图 * 高通滤波 2、n阶巴特沃斯高通滤波器 巴特沃斯高通滤波器剖面图和透视图 * 高频加强滤波 图像经过高通滤波器处理后，许多低频信号没了，因此图像的平滑区基本上消失。对于这个问题可以用高频加强滤波来弥补。所谓高频加强滤波就是在设计滤波器变换函数时，加上一个大于0小于1的常数c： * 高频加强滤波 比较理想高通滤波与加强滤波 模糊图像 理想高通滤波 平滑区基本消失 理想加强滤波 * 高频加强滤波 比较巴特沃斯高通滤波与加强滤波 模糊图像 巴特沃斯高通滤波 平滑区基本消失 巴特沃斯加强滤波 试比较理想加强滤波和巴特沃斯加强滤波效果 * 高通滤波 3、带通滤波器 * 高通滤波 带通滤波器透视图 * 高通滤波 4、带阻滤波器 带阻滤波器透视图 * 同态滤波 图像f(x,y),照明分量 i(x,y),反射分量r(x,y) 两边取自然对数 傅里叶变换 * 同态滤波 假设用滤波器函数来处理 反变换 故增强后的图像由对应的照明分量与反射分量叠加而成 取指数 * 直方图均衡化 效果 原图 均衡化后效果图 * * 直方图均衡化 %get cdf cdf(1)=histgram(1); for i=2:256 cdf(i)=cdf(i-1)+histgram(i); end %run point operation for i=1:128 for j=1:128 k=lenna(i,j); lenna_equ(i,j)=cdf(k)*256/(128*128); end end %生成直方图均衡化后的lenna图 imwrite(lenna_equ,map,c:\temp\lenna_equ.bmp); * 效果 原图像及直方图 均衡后的图像及直方图 图像的反差大了，细节清楚了 在直方图中的表现是直方图灰度范围窄且集中在低灰度值区域。 现在直方图占据了整个图像灰度值的允许范围，增加了图像的动态范围。 原图较暗且动态范围小 直方图均衡化实质上是减少图像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