图像的对比度增强DigitalImageProcessing课件.ppt

《图像的对比度增强DigitalImageProcessing课件.ppt》由会员分享，可在线阅读，更多相关《图像的对比度增强DigitalImageProcessing课件.ppt（78页珍藏版）》请在三一办公上搜索。

1、4.0 概述4.1 图像的对比度增强4.2 图像的直方图修正4.3 图像平滑4.4 图形锐化4.5 图像的同态滤波4.6 图像的彩色增强,第4章 图像增强,一、什么是图象增强？图像增强是对图像进行加工，以得到对具体应用来说视觉效果更“好”，或更“有用”的图像处理技术。二、为什么要增强图象？图像在传输或者处理过程中会引入噪声或使图像变模糊，从而降低了图像质量，甚至淹没了特征，给分析带来了困难。,4.0 概 述,4.0 概 述,三、目的：（1）改善图像的视觉效果，提高图像的清晰度；（2）将图像转换成一种更适合于人或机器分析处理的形式。,注意：在图像增强的过程中，没有新信息的增加，只是通过压制一部分

2、信息，从而突出另一部分信息。,四、图象增强方法分类和方法过程 空域法：直接对图像的像素灰度值进行操作。包括图像 的灰度变换、直方图修正、平滑和锐化处理、彩色增强 等。频域法：在图像的变换域中，对图像的变换值进行操 作，然后经逆变换获得所需的增强结果。常用的方法包括低通滤波、高频提升滤波以及同态滤波 法等。,4.0 概 述,图像增强 目的：一是改善图像的视觉效果，提高图像的清晰度；二是将图像转换成一种更适合于人或机器分析处理的形式。分类：空域法：直接对图像的像素灰度值进行操作。包括图像的灰度变换、直方图修正、图像空域平滑和锐化处理、彩色增强等。频域法：在图像的变换域中，对图像的变换值进行操作，然

3、后经逆变换获得所需的增强结果。常用的方法包括低通滤波、高频提升滤波以及同态滤波等。,4.1 图像的对比度增强,图像对比度增强定义 采用图像灰度值变换的方法，即改变图像像素的灰度值，以改变图像灰度的动态范围，增强图像的对比度。设原图像为f(m,n)，处理后为g(m,n)，则对比度增强可表示为 其中，表示增强图像和原图像的灰度变换关系（函数）。,4.1 图像的对比度增强,灰度线性变换 灰度的线性变换：设原图像灰值 线性变换后的取值，则线性变换如图4.1.1所示。变换关系式为其中 称为变换函数（直线）的斜率。,4.1 图像的对比度增强,4.1 图像的对比度增强,（a）（b）（a）（b）,根据a,b和

4、c,d的取值大小可有如下几种情况：（1）扩展动态范围：若，即，则结果会使图像灰度取值的动态范围展宽，这样就可改善曝光不足的缺陷，或充分利用图像显示设备的动态范围。（2）改变取值区间：若，即，则变换后灰度动态范围不变，但灰度取值区间会随a和c的大小而平移。（3）缩小动态范围：若，即，则变换后图像动态范围会变窄。（4）反转或取反：若，即对于，有 则变换后图像的灰度值会反转，即原亮的变暗，原暗的变亮。在 时，即为 的取反。,4.1 图像的对比度增强,灰度分段线性变换（1）扩展感兴趣的，牺牲其它 对于感兴趣的a,b区间，采用斜率大于1的线性变换来进行扩展，而把其它区间用a或b来表示。变换函数为（2）扩

5、展感兴趣的，压缩其它 在扩展感兴趣的a,b区间的同时，为了保留其它区间的灰度层次，也可以采用其它区间压缩的方法，即有扩有压。变换函数为,4.1 图像的对比度增强,4.1 图像的对比度增强,图4.1.2 灰度分段线性变换关系（a）扩展感兴趣的，牺牲其它；（b）扩展感兴趣的，压缩其它。,4.1 图像的对比度增强,图4.1.3 图像灰度的线性变换示例（a）原图像；（b）扩展动态范围；（c）图像取反；（d）有扩有压。,灰度的非线性变换 常用的灰度非线性变换方法包括:1.对数变换 对数变换的一般表达式为 其中为一个调节常数，用它来调节变换后的灰度值，使其符合实际要求。对数变换的作用是扩展图像的低灰度范围

6、，同时压缩高灰度范围，使得图像灰度分布均匀，与人的视觉特性相匹配。,4.1 图像的对比度增强,4.1 图像的对比度增强,图4.1.4 对数变换应用示例。（a）图像；（b）图像的傅立叶谱；（c）图(b)的对数变换效果；（d）对数变换关系(=1),2.指数变换 与对数变换的效果相反，指数变换使得高灰度范围得到扩展，而压缩了低灰度范围，其一般表达式为 其中和为常数。为避免时底数为0的情况，增加偏移量。值的选择对于变换函数的特性有很大影响，当1时会将原图像的灰度向高亮度部分映射，当1时向低亮度部分映射，而当=1时相当于正比变换。灰度指数变换的图像示例如图4.1.5所示。,4.1 图像的对比度增强,图4

7、.1.5 取不同值的指数变换结果对比。（a）原图像；（b）=0.7时的变换结果；（c）=1.7时的变换结果。,4.1 图像的对比度增强,概述 定义：灰度直方图定义为数字图像中各灰度级与其出现的频数间的统计关系，可表示为：且。其中，k为图像的第k级灰度值，nk 是f(m,n)中灰度值为k的像素个数，n是图像的总像素个数，L是灰度级数。性质：1.直方图的位置缺失性 2.直方图与图像的一对多特性 3.直方图的可叠加性,4.2 图像的直方图修正,直方图与图像清晰性的关系：直方图反映了图像的清晰程度，当直方图均匀分布时，图像最清晰。由此，我们可以利用直方图来达到使图像清晰的目的。直方图均衡化 直方图均衡

8、化就是通过原始图像的灰度非线性变换，使其直方图变成均匀分布，以增加图像灰度值的动态范围，从而达到增强图像整体对比度，使图像变清晰的效果。图像灰度变换函数条件：（1）对，是单调增函数；（2）对，。同理，反变换 应也满足单调增。,4.2 图像的直方图修正,4.2 图像的直方图修正,直方图均衡化的计算过程如下：(1)列出原始图像和变换后图像的灰度级：，其中L是灰度级数；(2)统计原图像各灰度级的像素个数；(3)计算原始图像直方图：，n为原始图像像素总个数；(4)计算累积直方图：；(5)利用灰度变换函数计算变换后的灰度值，并四舍五入取整：(6)确定灰度变换关系 i-j，据此将原图像的灰度值 修正为；(

9、7)统计变换后各灰度级的像素个数；(8)计算变换后图像的直方图：。,4.2 图像的直方图修正,例4.1 设有一幅大小为6464，包含灰度值是07的8个灰度级的数字图像，其各灰度级的像素个数见表4.2.1所示，要求对其进行直方图均衡化，求出灰度变换关系和变换后的直方图。表4.2.1 图像各灰度级的像素个数,4.2 图像的直方图修正,计算累积直方图：,计算变换后的灰度值：,确定灰度变换关系：,统计变换后各灰度级的像素个数,计算变换后图像的直方图：,计算原始直方图：,图4.2.3给出了直方图均衡化的示意图。从图和表中可以看出，由于数字图像灰度取值的离散性，通过四舍五入使变换后的灰度值出现了归并现象，

10、而使变换后的直方图并非完全均匀分布，但相比于原直方图要平坦得多。,图4.2.3 直方图均衡化的示意图（a）原始直方图P(i)；（b）累计直方图Pi；（c）均衡化后的直方图P(j)。,4.2 图像的直方图修正,4.2 图像的直方图修正,（a）（b）,（c）（d）,图4.2.4 直方图均衡化的示例,均衡化前,均衡化后,直方图规定化（匹配）,直方图均衡化能自动增强整个图像对比度，结果得到全局均匀化的直方图，但实际应用中有时要求突出感兴趣灰度范围，即修正直方图使其具有要求的形式。图4.2.5 几种给定形状的直方图（a）原直方图；（b）正态扩展直方图；（c）均匀化直方图；（d）暗区扩展直方图（e）亮区扩

11、展直方图。,4.2 图像的直方图修正,数字图像直方图规定化的方法步骤如下：（1）对原直方图均衡化，即求其累计直方图：（2）对规定直方图均衡化，即求其累计直方图：（3）按 最靠近的原则进行 的变换；（4）求出 的变换函数，对原图像进行灰度变换。其中，为原数字图像的直方图，为规定直方图，i和j分别为原图像和期望图像的灰度级，且具有相同的取值范围，即。,4.2 图像的直方图修正,4.2 图像的直方图修正,例4.2 对例4.1所给的图像进行直方图规定化处理。给定的规定直方图如表4.2.4所示。表4.2.4 规定直方图图4.2.6给出了直方图规定化的示意图。从图4.2.6可看出，经直方图规定化变换后的图

12、像的直方图（称为匹配直方图），并非完全与规定直方图相同，但相比于原直方图，匹配直方图要更接近于规定直方图。,4.2 图像的直方图修正,4.2 图像的直方图修正,图4.2.6 直方图规定化的示意图（a）原图像直方图；（b）规定直方图；（c）变换后的匹配直方图。,4.2 图像的直方图修正,图4.2.7 直方图均衡化（规定化）的示例。,（a）原图像；（b）直方图均衡化后的图像；(c)直方图规定化后的图像；,（d）原图像的直方图；（e）均衡化后的直方图(f)规定直方图,4.3 图像平滑,目的：去除或衰减图像中噪声和假轮廓；方法分类：空域和频域方法。一、空域平滑法（一）邻域（局部）平均法1.定义：用某点

13、邻域的灰度平均值来代替该点的灰度值；2.公式：,4-邻域平均：,8-邻域平均：,3.特性（1）假定：图像由许多灰度级相近（恒定）的小块组成；噪声(m,n)是加性、均值为 0，方差为，且与 图像不相关的白噪声。,4.3 图像平滑,(2)含噪声图像 f=fs+,则上式第 2 项的 E=0，D=，故减少了噪声。（3）带来问题：使目标物轮廓或细节（边缘）变模糊。,4.3 图像平滑,(a)原图 像（b）加噪图像（c）4邻域平均（d）8邻域平均 图4.3.3 图像邻域平均示例,（二）阈值平均法 为克服邻域平均使图像变模糊的缺点，可以采用加门限的方法来减少这种模糊。具体计算公式是：其中的门限T通常选择为，表

14、示图像的均方差。但实际应用中，门限T要利用经验值和多次试验来获得。这种方法对抑制椒盐噪声比较有效，同时也能较好地保护仅有微小变化差的目标物细节。,4.3 图像平滑,（三）加权平均法 用邻域内灰度值及本点灰度加权值来代替该点灰度值 1.公式：2.加门限的加权平均法 3.特点：既平滑了噪声，又保证边缘不至于模糊。,4.3 图像平滑,（四）模板平滑法：以上方法可归结为消噪掩模法(模板平滑法),4.3 图像平滑,基于模板的处理，相当于模板与原图像的卷积。即（4.3.11）不失一般性，若设33的模板W（比例因子为C）为（4.3.12）以(m,n)为中心与模板大小相同的图像块为（4.3.13）则与W的卷积

15、就等于像素点在模板大小（这里为33）区域内的线性组合，或F与W的点乘，即（4.3.14）,（四）模板平滑法：以上方法可归结为消噪掩模法（1）邻域平均4-邻域平均：8-邻域平均：（2）加权平均4-邻域加权平均：8-邻域加权平均：（权值M=1），（权值M=2），（权值M=1），（权值M=2），,4.3 图像平滑,1.根据实际需要，我们可以设计其它具有不同特性的平滑模板，如：2.用模板对原图像从第 2 行第 2 列开始逐渐移法计算。（注：图像四周边界一般不处理（不考虑）3.平滑模板特点（1）模板内系数全为正，表示求和；所乘的小于1的系数表示取平均；（2）模板系数之和为1，表示对常数图像处理前后不变，

16、而对一般图像而言，处理前后平均亮度基本保持不变。,4.3 图像平滑,平 滑 法 举 例,结论：邻域平均法有效地平滑了噪声,（五）多图像平均法 1.条件：在相同条件下，得到同一目标物的若干幅图像；2.公式：设，则 3.特性：多图像平均后，图像信号基本不变，而各点噪声的方差降为单幅图像中该点噪声方差的。从而就抑制了噪声，相当于提高了信信噪比。因此，这种平均的消噪思想被广泛应用于强噪声中的弱目标检测。,4.3 图像平滑,(a)含噪图像（b）4幅图像平均（c）8幅图像平均（d）16幅图像平均 图4.3.4 多图像平均法消弱随机噪声的示例,二、频域低通滤波法图4.3.5 频域低通滤波法的处理过程1.空域

17、模板平滑法等效于频域低通滤波法证 若选用平滑模板则平滑公式为,4.3 图像平滑,即g(m,n)=1/9f(m-1,n-1)+f(m-1,n)+f(m-1,n+1)+f(m,n-1)+f(m,n)+f(m,n+1)f(m+1,n-1)+f(m+1,n)+f(m+1,n+1),可写出对应的Z变换式:以 和 代入上式,图4.3.6 加权平均模板的频率响应得到傅立叶变换式:,4.3 图像平滑,当 时，具有最大值1，这说明“直流”分量即图像的灰度平均值处理前后不变；当 或 时，具有最小值0，即高频得到最大程度的抑制。,(a)原图像；(b)频谱（r=5,11,45,68）；(c)(f)低通滤波(r=5,1

18、1,45,68),低通滤波法举例,2.用于图像滤波的几种低通滤波器（1）理想低通滤波器（ILPF）传递函数 理想低通滤波特性曲线：（a）（b）（c）（d）图4.3.8 不同截止频率的理想低通滤波结果比较。（a）原图像；（b）、（c）和（d）分别为截止频率半径是15、30和80的ILPF滤波结果。,4.3 图像平滑,（2）Butterworth低通滤波器（BLPF）传递函数 Butterworth低通滤波器的特性曲线,4.3 图像平滑,(a)(b)(c)(d)(e)图4.3.10 不同阶数BLPF低通滤波器中心的灰度级剖面图（a）原图像；（b）（e）所用BLPF的阶数分别为1，2，5，30(a)

19、(b)(c)(d)图4.3.11 不同截止频率的Butterworth滤波结果比较（a）加噪原图像；（b）（d）为二阶BLPF滤波结果，截止频率半径分别取15，30，80,4.3 图像平滑,（3）指数低通滤波器（ELPF）传递函数指数低通滤波器的特性曲线(a)(b)(c)(d)图4.3.14 不同截止频率的指数滤波结果比较（a）含噪原图像；（b）（d）为ELPF滤波结果，截止频率半径分别取15，30，80,4.3 图像平滑,（4）梯形低通滤波器（TLPF）传递函数梯形低通滤波器的特性曲线：,4.3 图像平滑,三、中值滤波法（非线性滤波法）,中值滤波法的原理：对一个窗口（记为W）内的所有像素灰度

20、值进行排序，取排序结果的中间值作为W中心点处像素的灰度值。中值滤波的作用：对干扰脉冲和点噪声有良好抑制作用，而对图象边缘能较好地保持的非线性图象增强技术。中值滤波的依据：噪声以孤立点的形式出现，这些点对应的像素数很少，而图像则是由像素数较多、面积较大的块构成。,4.3 图像平滑,三、中值滤波法,中值滤波常用窗口:（a）线状；（b）十字形；（c）X状；（d）方形；（e）菱形；（f）圆形,4.3 图像平滑,已知原图象块（包含点噪声）加权平均法：用模板M1处理，结果为g1(m,n):中值滤波法：用模板M2处理，结果为g2(m,n):结论：（1）加权平均法在滤除点噪声的同时，使目标物边缘变模糊；（2）

21、中值滤波法在滤除点噪声的同时，保留了目标物边缘。,中值滤波法的举例及与平均滤波法的对比,中值滤波的重要特性（1）对离散阶跃信号和斜升（或斜降）信号不产生影响；,三、中值滤波法,中值滤波的重要特性（2）连续个数小于窗口宽度一半的离散脉冲将被滤除；,窗宽 L=5,三、中值滤波法,中值滤波的重要特性（3）三角形信号的顶部被削平；,三、中值滤波法,中值滤波的重要特性（4）若C为常数，则也有：其中和很容易证明，因为无论乘以C还是加上C，都不改变取值的大小排序。但只要举一个例子就能说明。如若窗宽取5，则，而由 和，得所以,三、中值滤波法,(a)(b)(c)(d)(e)(f)图4.3.17 一维信号的平均滤

22、波和中值滤波比较（窗宽为5）（a）阶跃信号；（b）斜升信号；（c）单脉冲信号；（d）双脉冲信号；（e）三脉冲信号；（f）三角形信号。,4.3 图像平滑,使用中值滤波时的注意事项（1）中值滤波适合于滤除椒盐噪声和干扰脉冲，尤其适合于目标物形状是块状时的图像滤波。（2）具有丰富尖角几何结构的图像，一般采用十字形滤波窗，且窗口大小最好不要超过图像中最小目标物的尺寸，否则会丢失目标物的细小几何特征。（3）需要保持细线状及尖顶角目标物细节时，最好不要采用中值滤波。,4.3 图像平滑,（a）椒盐噪声污染的图像；（b）平均模板的滤波结果；（c）中值滤波的结果 图4.3.18 图像平均滤波和中值滤波的对比,4

23、.4 图像锐化,概述 图像变模糊原因：成像系统聚焦不好或信道过窄；平均或积分运算；使目标物轮廓变模糊，细节、轮廓（边缘）不清晰。目的：加重目标物轮廓，使模糊图像变清晰。方法分类：空域微(差)分法模糊图像实质是受到平均或积分运算，故对其进行逆运算（微分），使图像清晰；频域高频提升滤波法从频域角度考虑，图像模糊的实质是高频分量被衰减，故可用高频提升滤波法加重高频，使图像清晰。,空域锐化法,微分作为数学中求变化率的一种方法，可用来求解图像中目标物轮廓和细节（统称为边缘）等突变部分的变化。,4.4 图像锐化,拉普拉斯锐化法连续图像 f(x,y)Laplacian 算子：锐化公式：数字图像 f(m,n)

24、二阶微分：锐化公式：,4.4 图像锐化,模板锐化法 Laplacian 锐化模板（1）4-邻模板 W1（2）8-邻模板 W4锐化模板特点（1）模板内系数有正有负，表示差分运算；（2）模板内系数之和 1（对常数图像 f(m,n)c，处理前后不变；对一般图像，处理前后平均亮度基本不变）。处理方法：用模板对原图像从第 2 行第 2 列开始逐渐移法计算。（注：图像四周边界一般不处理（不考虑）锐化实质 锐化图像 g(m,n)=原图像 f(m,n)+加重的边缘（*微分）,4.4 图像锐化,锐化图像(的实质)=原图像+加重的边缘,4.4 图像锐化,（a）原图像；（b）；（c）。图4.4.2 不同 取值下的锐

25、化结果对比,高频提升滤波法图4.4.4 图像高频提升滤波法的处理过程空域模板锐化法等效于频域高频提升滤波法 证 若选用Laplacian锐化模板则对应的Z变换式：,4.4 图像锐化,以 和 代入上式，得到傅立叶变换式 图4.4.5 拉普拉斯锐化模板的频率响应 当 时，|H|有最小值1，这说明“直流”分量即图像的灰度平均值处理前后不变；当 时，|H|具有最大值为（），即高频分量得到了提升，也就是图像的边缘信息得到了增强。,4.4 图像锐化,几种常用的高通滤波器几种常用高通滤波器的传递函数,4.4 图像锐化,图4.4.6 高通滤波器H(u,v)的特性曲线。（a）理想高通滤波器；（b）Butterw

26、orth高通滤波器；（c）指数高通滤波器；（d）梯形高通滤波器。,4.4 图像锐化,4.4 图像锐化,（a）原图像图4.4.9 取不同截止频率的高通滤波后图像的比较。（b）（d）为IHPF滤波结果，D0 分别15，30，50（e）（g）为BHPF滤波结果，D0 分别15，30，50（h）（j）为EHPF滤波结果，D0 分别15，30，50,(b)(c)(d),(h)(i)(j),(e)(f)(g),1.平滑及锐化时，图象四周边界不考虑（不处理）；2.一般处理时，仅用原图象进行处理（即前面处理结果不影响后面处理）；3.平滑及锐化的顺序是：先平滑后锐化。,图象平滑锐化时的注意事项,一幅图像是由光源

27、的照度分量（也称照度场）和目标场的反射分量 组成，即 只要我们能从 中把 和 分开，并分别采取压缩低频、提升高频的方法，就可达到减弱照度分量、增强反射分量，使图像清晰的目的。图4.5.1 图像同态滤波的处理过程,4.5 图像的同态滤波,概述,两边取对数进行FFT 简记为若用一滤波器进行滤波处理，则反变换到空域 再取指数，就得到了处理后的空域图像也可写成,4.5 图像的同态滤波,图4.5.2 同态滤波器的特性曲线图4.5.3 图像同态滤波增晰的示例,4.5 图像的同态滤波,消除不均匀照度的影响,增强图象细节。,4.6 图像的彩色增强,伪彩色（pseudo color）增强 伪彩色增强就是将灰度图

28、像的各灰度级按照线性或非线性的映射方法变换成不同的颜色，得到一幅彩色图像的增强技术。它的结果可改善图像的视觉效果，提高分辨率，使得图像的细节更加突出，目标更容易识别。灰度分层法,灰度变换彩色法频域滤波,4.6 图像的彩色增强,假彩色（false color）增强 假彩色增强所处理的是真实的自然彩色图像，或者是多光谱图像。其目的是将一种彩色变成另一种彩色，或把多光谱图像变成彩色图像。,4.6 图像的彩色增强,方法1.彩色 彩色（三对三 映射）,三对三映射,方法2.多光谱图像 彩色（多对三 映射）设 为一目标之多光谱图像 则,真彩色图像在RGB模型下的直接增强 结果导致原图像彩色较大程度改变，一般

29、不使用。,4.6 图像的彩色增强,真彩色图像在HSI模型下的增强 HSI(HSV)模型 色调 H(Hue):它表明颜色的种类，取决于主波长；饱和度 S(Saturation):表示颜色浓淡的物理量。亮度 I(Intensity)/V(Value):人眼所感受到的颜色明暗程度的物理量。,特点:（1）亮度分量与颜色无关；（2）色调和饱和度分量与人感受颜色的方式紧密相连。,4.6 图像的彩色增强,真彩色图像在HSI模型下的增强 利用颜色模型（坐标）转换方法，先将彩色图像从RGB坐标转换成HSI坐标，仅对I分量（亮度）进行增强处理，H和S分量不变，然后再变换回RGB坐标。结果：增强了图像，但不改变颜色；HSI之优点：亮度和色度分开。,4.6 图像的彩色增强,图4.6.6 真彩色图像的HSI增强法框图,本章要求：1、掌握图像的灰度变换、直方图修正、空域及频域平滑与锐 化方法 2、掌握中值滤波法及与平均滤波法的异同；3、了解图像的彩色增强及同态增晰法。本章作业:1.思考：4.1，4.3，4.10，4.11，4.13，4.19。2.必做：4.4，4.5，4.8，4.16，4.17，4.18。,本章要求及作业,