数字图像增强.pptVIP

数字图像增强 对比度拉伸的公式： C = (Level - Min) * Scale = (Level - Min) * 255 / (255-Min) Photoshop的算法 经过经典算法均衡化的图片，最亮的像素值总是255，因为最后一级色阶(255)的百分位一定是100%。而最暗的是由色阶0的数量决定的，像素值不一定是0。 Photoshop通过对比度拉伸的方法使最暗的像素值变为0，其它像素也相应变暗，最亮的像素保持255不变。对比度拉伸后的效果可能会比经典算法稍显偏暗。 Min = 127.50 均衡化之后的最小值Scale = 255/(255-Min) = 2 (127.50-Min)*Scale = 0*2 = 0(212.42-Min)*Scale = 84.92*2 = 170(255.00-Min)*Scale = 127.5*2 = 255 新的映射表：50? - 0100 - 170200 - 255 Photoshop的算法 对比度拉伸的公式： C = (Level - Min) * Scale = (Level - Min) * 255 / (255-Min) 2.直方图规定化 在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。 可见，它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。 直方图均衡化 直方图规定化 规定的直方图 原图像的直方图 规定的直方图 规定化后图像的直方图 利用直方图规定化方法进行图像增强的主要困难在于要构成有意义的直方图。图像经直方图规定化，其增强效果要有利于人的视觉判读或便于机器识别。 直方图规定化应用实例 图(C)、(c)是将图像(A)按图(b)的直方图进行规定化得到的结果及其直方图。通过对比可以看出图(C)的对比度同图（B)接近一致，对应的直方图形状差异也不大。这样有利于影像融合处理，保证融合影像光谱特性变化小。 3-2 对比度增强 3-3 图像平滑（柔化） 3-4 图像锐化 图像增强 3-3 图像平滑： 图像中的脉冲噪声模型 在图像传输过程中，经常会受到各种噪声的干扰，在进行进一步的边缘检测、图像分割、特征提取、模式识别等处理前，需要采用适当的方法尽量减少噪声 最常见的图像噪声：脉冲噪声 特点： 噪声点的取值与图像信号本身无关 椒盐噪声：受噪声干扰的图像像素以50%的相同概率等于图像灰度的最大或最小可能取值 随机值脉冲（加性）噪声：噪声灰度值均匀分布于0-255间 3-3 图像平滑： 图像中的脉冲噪声模型 椒盐噪声： 黑图象上的白点，白图象上的黑点 随机值脉冲（加性）噪声： 噪声灰度值均匀分布于0-255间 任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。本节介绍空间域的几种平滑法。 空间域：邻域运算、中值滤波 频率域： 3-3 图像平滑：邻域运算 输出图象中每个象素是由对应的输入象素及其一个邻域内的象素共同决定时的图象运算。 3-3图像平滑：邻域平均法 设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有 式中 x,y=0,1,…,N-1； s为（x,y）邻域内像素坐标的集合； M表示集合s内像素的总数。 可见,邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。 3-3 图像平滑：邻域平均法 (m-1,n-1) (m-1,n) (m-1,n+1) (m,n-1) (m,n) (m,n+1) (m+1,n-1) (m+1,n) (m+1,n+1) 例如，对图像采用3×3的邻域平均法，对于像素 （m,n)，其邻域像素如下： 则有： 3-2-2 图像平滑：邻域平均法 其作用相当于用这样的模板同图像卷积。 这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。如下图 (a)原图像 (b) 对(a)加椒盐噪声的图像 (c)3×3邻域平滑 (d) 5×5邻域平滑 3-3 图像平滑：邻域平均法 1、超限像素平均法 2、中值滤波 为克服简单局部平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都