第四章图像增强上.pptVIP

第1页，共21页，编辑于2022年，星期二 4.1概述 [原因：从实际景物转换成图像信息，在图像的生成、传输、或变换过程中，由于多种因素的影响，输出图像的质量多少会有所降低或称退化。] 灰度图像处理：同类处理——不压缩原图像的灰度层次，如滤波、增强。 非同类处理——描述，将多灰度图变为二值图，如分割。 增强：（enhancement）突出所关心的信息，改善图像视觉效果。 恢复：（retstoration）恢复退化图像的本来面目，忠实原图像。 方式：点处理 局域处理 全局处理 第2页，共21页，编辑于2022年，星期二 4.2 图像的统计特征 把图像看作随机过程，则可做一阶及二阶统计。 一阶：单个象素特征。二阶：一对象素特征。 1)一阶统计特征： P代表坐标，Z为灰度，P(P，Z)象素。 对同一对象的不同观测结果，随机过程，略去了随机性变化，坐标位置关系，简化成直方图(Histogram）。 纵坐标：象素个数/某灰度[也可用百分比] 横坐标：灰度（0～255） 总面积：全图象素数 S 0 255 象素个数 灰度 K S=1 第3页，共21页，编辑于2022年，星期二 直方图：离散状态下图像灰度的概率密度分布。 说明：图像——直方图 [不可逆变换，多对一的变换] 直方图是多对一的映射结果，即多个图像可以生成相同的直方图，因此直方图作为一阶统计特征未反映相邻点之间的关系。 但反映了图像的灰度散布范围等特征，在很多场合下，往往是重要特征。 例： 六个象素 黑 白 阈值 255 灰度 黑板(加墙)的直方图 第4页，共21页，编辑于2022年，星期二 2)二阶统计特征－－图像两象素之间关系： P2(P、Q、Z、Y) P、Q为两个象素的位置——绝对位置——相对位置 Z、Y为两个象素的灰度 [引入简化形式，即认为与P、Q之绝对位置无关，而仅与其相对位置有关，称共存事件矩阵—— coocurrence matrices] 共存事件矩阵：Cr(i、j)r —— P、Q点的相对关系，i、j ——两个象素的灰度。[R与 相对距离及方位有关各种组合甚多。] d及? Cr(i、j、d、?)。 满足d、?关系，灰度分别为（i、j）的象元对数。整个数组256*256 i j 0 1 2 0 1 2 . . ….. 255 255 256*256 （0,0） （0,1） （0,2） （1,0） （1,1） （2,0） 135° 90° 45° 0° 双向（正负）均算 ?＝ 0°, 45°, 90°,135° d=1,2,3….. 第5页，共21页，编辑于2022年，星期二 [一般情况下,考虑相邻象素间关系,取d=1，?=0°时] 举例： 第6页，共21页，编辑于2022年，星期二 0 1 1 2 2 3 0 3 2 3 3 0 0 1 2 1 0 0 1 1 0 1 1 0 2 2 3 3 2 3 3 2 0 3 3 0 0 3 0 3 0 3 3 0 0 3 0 3 i j 0 1 2 3 0 1 2 3 6 0 0 6 0 0 0 0 0 0 0 0 6 0 6 0 i j 0 1 2 3 0 1 2 3 d=1, ?=0 原图 Cr 第7页，共21页，编辑于2022年，星期二 共存事件矩阵特点： ?对角线Cr(k，k)大致反映了灰度为K的面积大小； ?非对角线的Cr(k，j)大致反映了灰度值为k，j象元的边界长； ?远离对角线项的大小反映图像对比度大小。 [进一步引入一些变换参数。] 第8页，共21页，编辑于2022年，星期二 综合参数： 上式中ux,uy,σx, σy,分别表示其共存事件矩阵沿行列方向的均值及标准差。 共存事件矩阵是纹理特征的描述工具。 第9页，共21页，编辑于2022年，星期二 4.3直方图处理（点处理，辐射变换） [通过调整图像的直方图,达到所需增强的目的。] 1)灰度变换法： [由于光照不足，原图象灰度范围窄，看不清晰，直方图拉伸后灰度相差加大，分辨清晰。] DB DA 灰度 HB 255 DA DB HA 255 255 DB＝f（DA） [可将一直方图变另一直方图] 即：HA(DA) —— HB(DB) 直方图下总面积不变为1，由概率论知： 第10页，共21页，编辑于2022年，星期二 DB=f(DA)常见的三种变换曲线： 线性：DB=aDA+b(分段线性)[突出感兴趣目标，抑制不感兴趣目标] 对数曲线：DB=a * lg(DA+b)[小灰度展开，大灰度压缩] 指数曲线 ：DB=DA**a+b[大灰度展开，小灰度压缩]