[ppt模板]4图像增强.ppt

《[ppt模板]4图像增强.ppt》由会员分享，可在线阅读，更多相关《[ppt模板]4图像增强.ppt（124页珍藏版）》请在三一办公上搜索。

1、数字图像处理,Digital Image Processing2011年10-12月,第四章 图像增强,图像增强概述直方图概念及性质灰度变换直方图修正直方图均衡化、规定化图像平滑图像锐化,图象增强慨述,图像需要增强的原因图像获取过程中，由于多种因素的影响，图像质量会退化。图象增强是一大类基本的图像处理技术，对图像进行加工，达到对具体应用来说，视觉效果更好或更有用。图象增强不同增强方法，含义不同，标准不定，需要任的主观感觉加以评价。图象增强主要目的改善视觉效果，提高图像清晰度；转换成更适合人或机器进行处理和分析的形式；不是以图像保真为原则，突出一些信息，抑制一些信息。图像增强处理空间图像域处理（

2、空间域增强）；变换域处理（频率域增强）,图象增强主要内容,图像增强,空 间 域,频 率 域,彩色增强,代数运算,点运算,局部运算,灰度变换,直方图修正,局部统计,均衡化,规定化,图像平滑,图像锐化,高通滤波,低通滤波,同态滤波,假彩色增强,伪彩色增强,彩色变换及应用,图象增强点处理,图像域处理单个像素或小子图灰度处理；分为点处理和模板处理。空域像素组成的空间。g(x,y)=EHf(x,y),f(.)处理前，g(.)处理后，EH处理操作。EHEH在(x,y)上，点处理；EH在(x,y)的领域上（领域为正方形），模板处理，看成是模板mask与图像的卷积，空间滤波；EH在一幅f(x,y)上；EH在一

3、系列fi(x,y)。频率域处理有效地快速地对图像进行处理和分析，转换到其他空间上，利用其他空间地性质方便地处理，处理完毕再变换回来，频率域增强。频率域特点变换T及逆变换T；频率域可以加工；存在快速算法；g(x,y)=TEHTf(x,y),图象增强点处理,灰度变换使图像动态范围增大，图像对比度扩展，图像清晰，特征明显，是图像增强重要手段之一。（对图像度区间拉伸或压缩）有线性变换；分段线性变换；非线性变换。直方图修正使图像灰度间距拉开或使灰度均匀分布，增大反差，图像细节清晰。均衡和规定化局部统计用Wallis和JongSenLee提出的局部均值和方差进行对比度增强。,图象增强直 方 图,直方图的基

4、本概念 如果将图像中像素亮度（灰度级别）看成是一个随机变量，则其分布情况就反映了图像的统计特性，这可用Probability Density Function(PDF)来刻画和描述，表现为灰度直方图（Histogram）。灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数，反映了图像中每种灰度出现的频率，如图所示。灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。,1.统计并绘制图像灰度直方图 2.计算图像信息量 H（熵）3.熵是什么,它是如何表示图像信息量的?4.对上面图像作线性变换把图像灰度压缩到2-5之间.,图象增强直 方 图,设r代表图像中

5、像素灰度级，作归一化处理后，r将被限定在0,1之内。在灰度级中，r=0代表黑，r=1代表白。对于一幅给定的图像来说，每一个像素取得0,1区间内的灰度级是随机的，也就是说r是一个随机变量。假定对每一瞬间，它们是连续的随机变量，那么就可以用概率密度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标系的横轴代表灰度级r，用纵轴代表灰度级的概率密度函数pr(r)，这样就可以针对一幅图像在这个坐标系中作出一条曲线来。这条曲线在概率论中就是概率密度曲线，如下图所示。,图象增强直 方 图,图像灰度分布概率密度函数,图象增强直 方 图,从图像灰度级的分布可以看出一幅图像的灰度分布特性。例如，从上图中的(a

6、)和(b)两个灰度分布概率密度函数中可以看出：(a)的大多数像素灰度值取在较暗的区域，所以这幅图像肯定较暗，一般在摄影过程中曝光太弱就会造成这种结果；(b)图像的像素灰度值集中在亮区，因此，图像(b)将偏亮，一般在摄影中曝光过强将导致这种结果。当然，从两幅图像的灰度分布来看图像的质量均不理想。,图象增强直 方 图,（1）直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。也就是说，它只包含了该图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息。（2）任一幅图像，都能惟一地确定出一幅与它对应的直方图，

7、但不同的图像，可能有相同的直方图。也就是说，图像与直方图之间是多对一的映射关系。如图4-3就是一个不同图像具有相同直方图的例子。,直方图的性质,图像与直方图间的多对一关系,（3）由于直方图是对具有相同灰度值的像素统计得到的，因此，一幅图像各子区的直方图之和就等于该图像全图的直方图，如图4-4所示。,直方图的分解,灰度直方图的计算非常简单，依据定义，在离散形式下，用rk代表离散灰度级，用pr(rk)代表pr(r)，并且有下式成立：,式中：nk为图像中出现rk级灰度的像素数，n是图像像素总数，而nk/n即为频数。在直角坐标系中做出rk与pr(rk)的关系图形，即称为该图像的直方图。设若图像具有L级

8、灰度（通常L=256，即8位灰度级），则大小为MN的灰度图像f(x,y)的灰度直方图pBuffer0L-1可用如下算法得到：,直方图的计算,（1）初始化：pBufferk=0;k=0,L-1。（2）统计：pBufferf(x,y)+;x,y=0,M-1,0,N-1。（3）归一化：pBufferf(x,y)/=M*N。其中，直方图的归一化是一个可选项，若不需要特殊处理可以不进行此项操作。图4-5和图4-6分别是Lena图像、钟楼图像与其对应的直方图。,图 Lena图像及直方图（a）Lena图像；（b）Lena图像的直方图,图钟楼图像,直方图应用,a：判断图像量化是否恰当；b：确定图像二值化阀值；

9、c：利用图像直方图统计图像中物体的面积；d：计算图像的信息量H（熵）。,图象增强灰度变换,线性变换对输入图象灰度作线性扩张或压缩，映射函数为一个直线方程，其表达式如下：其中：a相当于变换直线的斜率,b 相当于截距；分段线性变换,灰度变换可调整图像的灰度动态范围或图像对比度，是图像增强的重要手段之一。1线性变换 令图像f(i，j)的灰度范围为a,b，线性变换后图像g(i，j)的范围为a,b，如图。g(i，j)与f(i，j)之间的关系式为：,图象增强灰度变换,不同像素间的灰度差变大，因而对比度增强，图像更清晰,在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是

10、一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像每一个像素灰度作线性拉伸，可有效地改善图像视觉效果。,图象增强灰度变换,图象增强灰度变换,线性变换边界判断P52,反色变换,图象增强灰度变换,2分段线性变换 为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。设原图像f(x,y)在0，Mf,感兴趣目标的灰度范围在a,b,欲使其灰度范围拉伸到c,d,则对应的分段线性变换表达式为,通过调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。,图象增强灰度变换,对比度扩展,图象增强灰度变换,图片见课本P53,削波,图象增强灰度变换,阈值化,图象

11、增强灰度变换,灰度窗口,图象增强灰度变换,3非线性灰度变换 当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。对数变换 对数变换的一般表达式为,这里a,b,c是为了调整曲线的位置和形状而引入的参数。当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配。,f(i,j),g(i,j),图象增强灰度变换,对数变换动态范围压缩,图象增强灰度变换,图象增强灰度变换,指数变换 指数变换的一般表达式为 这里参数a,b,c用来调整曲线的位置和形状。这种变换能对图像的高灰度区给予较大的拉伸。,g(i,j),f(i,j),图

12、象增强灰度变换,图象增强灰度变换,图象增强直方图修正,直方图均衡化 将原图像的直方图通过变换函数修正为均匀的直方图，然后按均衡的直方图修改原图像。算法描述：原始图象灰度级r归一化在 01之间，即 0 r 1。为原始图象灰度分布的概率密度函数,直方图均衡化处理实际上就是寻找一个灰度变换函数，使变化后的灰度值,其中，归一化为 0 s 1,即建立r与s之间的映射关系，要求处理后图象灰度分布的概率密度函数，期望所有灰度级出现概率相同。,如上所述，一幅给定图像的灰度级分布在0r1范围内。可以对0,1区间内的任一个r值进行如下变换：s=T(r)(4-2)也就是说，通过上述变换，每个原始图像的像素灰度值r都

13、对应产生一个s值。变换函数T(r)应满足下列条件：（1）在0r1区间内，T(r)值单调增加；（2）对于0r1，有 0T(r)1。,图象增强直方图修正,对于数字图象离散情况，其直方图均衡化处理的计算步骤如下：A.统计原始图象的直方图,是归一化的输入图象灰度级；B.计算直方图累积分布曲线C.用累积分布函数作变换函数进行图像灰度变换,根据计算得到的累积分布函数，建立输入图象与输出图象灰度级之间的对应关系，并将变换后灰度级恢复成原先数范围。,表4-1 6464大小的图像灰度分布表,处理过程如下：变换函数,依此类推：s4=0.89，s5=0.95，s6=0.98，s7=1.0。这里只对图像取8个等间隔的

14、灰度级，变换后的值也只能选择最靠近的一个灰度级的值。因此，对上述计算值加以修正：,由上述数值可见，新图像将只有5个不同的灰度级别，可以重新定义如下一组符号,因为r0=0，经变换得s0=1/7，所以有790个像素取s0这个灰度值。r1映射到s1=37，所以有1023个像素取s1=3/7这一灰度值。依次类推，有850个像素取s2=5/7这个灰度值。但是，因为r3和r4均映射到s3=6/7这一灰度级，所以有656+329=985个像素取这个值。同样，有245+122+81=448个像素取s4=1这个新灰度值。用n=4096来除上述这些nk值，便可得到新的直方图,直方图均衡化处理,由上例可见，利用累积

15、分布函数作为灰度变换函数，经变换后得到的新直方图虽然不很平坦，但毕竟比原始图像的直方图平坦的多，而且其动态范围也大大地扩展了。因此，这种方法对于对比度较弱的图像进行处理是很有效的。因为直方图是近似的概率密度函数，所以用离散灰度级作变换一般得不到完全平坦的结果。另外，从上例可以看出，变换后的灰度级减少了，这种现象叫做“简并”现象。由于简并现象的存在，处理后的灰度级总是要减少的，这是像素灰度有限的必然结果。由于上述原因，数字图像的直方图均衡只是近似的。,Lena图像及直方图（a）Lena图像；（b）Lena图像的直方图,经直方图均衡化后的Lena图像及直方图（a）经直方图均衡化后的Lena图像；（

16、b）均衡化后的Lena图像的直方图,图象增强直方图修正,效果概述：采用离散公式，概率密度函数近似，原直方图上频数较少的某些灰度级并入一个或几个灰度级中，灰级减少，灰度合并。变换后直方图趋向平坦，动态范围扩大，对处理对比度小的图像有效。含有象素数多的几个灰级间隔被拉大了，压缩的只是象素数少的几个灰度级，实际视觉能够接收的信息量大大地增强了,变换函数为累积分布函数的推导P57,图象增强直方图修正,直方图均匀化优点是自动增强整个图像对比度，但他的具体增强效果却不容易控制，处理结果总是得到全局均衡化直方图。直方图规定化-变换直方图成为某个需要的形状，从而有选择地增强某个灰度范围内的对比度或使图像灰度值

17、的分布满足特定要求。应用：拼接、匀光,图象增强直方图修正,直方图规定化方法-P60(表)1、同直方图均衡化，对原始直方图进行灰度均衡化2、规定需要的直方图，并计算能使规定的直方图均衡化的变换3、将第一步中的变换反转回去，即将原始直方图对应映射到规定的直方图,图象增强局部处理,x方向 M行,y方向 N列,3 x 3 模板,R=t0.s0+t1.s1+t8.s8,在与处理像点邻域有关的空间域上进行运算，称为局部运算。,模板操作和卷积运算,模板是一幅小图像，或一个窗口，用矩阵表示。模板操作数字图像处理中常用的一种邻域运算方式。指模板与图像进行类似于卷积或相关的运算。卷积作加权求和的过程,模板操作和卷

18、积运算模板卷积可实现图像的平滑、锐化以及后面将要讨论的细化、边缘检测等都要用到模板操作。例如，有一种常见的平滑算法是将原图中的一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值作为新图像中该像素的灰度值。可用如下方法来表示该操作：,上式有点类似于矩阵，通常称之为模板（Template），带星号的数据表示该元素为中心元素，即这个元素是将要处理的元素。如果模板为,则该操作的含义是：将原图中一个像素的灰度值和它相邻近的8个像素值相加，然后将求得的平均值作为新图像中该像素的灰度值。,模板操作实现了一种邻域运算，即某个像素点的结果不仅和本像素灰度有关，而且和其邻域点的值有关。模板运算的

19、数学含义是卷积（或相关）运算。卷积是一种用途很广的算法，可用卷积来完成各种处理变换，下图说明了卷积的处理过程。,图4-17 卷积运算示意图,1.卷积运算中的卷积核就是模板运算中的模板。2.卷积就是作加权求和的过程。邻域中的每个像素（假定邻域为33大小，卷积核大小与邻域相同），分别与卷积核中的每一个元素相乘，乘积求和所得结果即为中心像素的新值。3.卷积核中的元素称作加权系数（亦称为卷积系数），卷积核中的系数大小及排列顺序，决定了对图像进行区处理的类型。改变卷积核中的加权系数，会影响到总和的数值与符号，从而影响到所求像素的新值。,模板卷积计算的基本步骤,P62,在模板或卷积的加权运算中，需注意的问

20、题：1.图像边界问题当在图像上移动模板（卷积核）至图像的边界时，在原图像中找不到与卷积核中的加权系数相对应的9个像素，即卷积核悬挂在图像缓冲区的边界上，这种现象在图像的上下左右四个边界上均会出现。,设原图像为,经过模板操作后的图像为,“”表示无法进行模板操作的像素点。,当模板为,两种解决方法：一种方法是忽略图像边界数据，另一种方法是在图像四周复制原图像边界像素的值，从而使卷积核悬挂在图像四周时可以进行正常的计算。实际应用中，多采用第一种方法。,在模板或卷积的加权运算中，需注意的问题：,2.计算结果可能超出灰度范围当计算出来的像素值超出灰度范围，对此可简单地将其值置为0或255即可。,图象增强局

21、部处理,图像的空域平滑图像在获取和传输过程中，受到各种噪声干扰，使图像退化，质量下降，为抑制噪声改善图像质量，需平滑和去噪，积分。图像的空域平滑方法局部平均法；超限像素平均法；灰度最相近K个邻点平均法；梯度倒数加权平均法；最大均匀性平滑；有选择保留边缘平滑法；空间低通滤波法；多幅图像平均法；中值滤波法。特点，作用，优点，缺点。,图象增强局部处理,图像的空域锐化图像识别中需要突出边缘和轮廓信息，微分法使边缘突出清晰，微分。图像的空域锐化方法梯度锐化；Roberts梯度；Prewitt梯度；Sobel梯度；Laplace增强算子；高增滤波。根据不同的需要生成不同的梯度增强图像。（灰度等于梯度；灰度

22、等于原灰度或梯度；灰度等于某灰度或原灰度）特点，作用，优点，缺点。,有噪声的图像,图象增强平滑处理,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。局部平滑法 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。,邻域平均法 邻域平均法是一种利用Box模板对图像进行模板操作（卷积运算）的图像平滑方法，所谓Box模板是指模板中所有系数都取相同值的模板，常用的33和55模板如

23、下：,图象增强平滑处理,邻域平均法算法简单，速度快，但在边缘或细节处使图像模糊，邻域越大，模糊越严重。,邻域平均法,模 板,图象增强平滑处理,例如，对图像采用33的邻域平均法，对于像素（m,n)，其邻域像素如下：,则有：,Box模板对当前像素及其相邻的的像素点都一视同仁，统一进行平均处理，这样就可以滤去图像中的噪声。例如，用33 Box模板对一幅数字图像处理结果，如下图（图中计算结果按四舍五入进行了调整，对边界像素不进行处理）。,33Box模板平滑处理示意图,图4-19 图像的领域平均法(a)原始图像；(b)邻域平均后的结果,(a)原图像(b)对(a)加椒盐噪声的图像(c)33邻域平滑(d)5

24、5邻域平滑,邻域平均法的平滑效果与所采用邻域的半径（模板大小）有关。半径愈大，则图像的模糊程度越大，因此，减少图像的模糊是图像平滑处理研究的主要问题之一。为解决邻域平均法造成图像模糊的问题，可采用阈值法、K邻点平均法、梯度倒数加权平滑法、最大均匀性平滑法、小斜面模型平滑法等。它们讨论的重点都在于如何选择邻域的大小、形状和方向，如何选择参加平均的点数以及邻域各点的权重系数等。有关这些方法请参阅相关参考文献。,作业,统计并绘制上面图像直方图，并计算熵。对上面图像进行线性变换增强处理，把灰度压缩到26之间，写出线性变换表达式。计算并给出变换后的图像。,1.现有图像,作业,P59图4-10求出直方图均

25、衡化后的第一个灰度等级值设图4-10（b）中第一灰度级取值为120，像素个数为3000，图像大小为256*256,中值滤波是一种非线性信号处理方法。它在一定条件下，可以克服线性滤波器（如邻域平滑滤波等）所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。在实际运算过程中并不需要图像的统计特性，这也带来不少方便。但是对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波。由于中值滤波是一种非线性运算，对随机输入信号的严格数学分析比较复杂，下面采用直观方法简要介绍中值滤波的原理。,图象增强平滑处理,图象增强平滑处理,中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心

26、像素的原来灰度值，因此它是一种非线性的图像平滑法。例：采用13窗口进行中值滤波原图像为：2 2 6 2 1 2 4 4 4 2 4处理后为：2 2 2 2 2 2 4 4 4 4 4对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。,图象增强平滑处理,原图像 中值滤波一维中值滤波的几个例子（N=5）离散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。,图象增强平滑处理,一维中值滤波的概念很容易推广到二维

27、。一般来说，二维中值滤波器比一维滤波器更能抑制噪声。二维中值滤波器的窗口形状可以有多种，如线状、方形、十字形、圆形、菱形等（见图）。不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。从以往的经验看，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。,图象增强平滑处理,图(a)为原图像；图(b)为加椒盐噪声的图像；图(c)和图(d)分别为33、55模板进行中值滤波的结果。可见中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。,2.中值滤波主要特性 1）对某些输入信号中值滤波的不变性 对某些特定的输入信号，如在窗口内单调增加

28、或单调减少的序列，中值滤波输出信号仍保持输入信号不变，即：fi-nfifi+n或fi-nfifi+n，则 yi=fi。一维中值滤波这种不变性可以从图4-13中(a)和(b)上看出来。,中值滤波不变性示例(a)原始图像；(b)中值滤波输出,中值滤波几种常用窗口及其相应的不变图形,2）中值滤波去噪声性能 对于零均值正态分布的噪声输入，中值滤波输出的噪声方差2med近似为,(4-20),式中：2i为输入噪声功率（方差），m为中值滤波窗口长度（点数），为输入噪声均值，为输入噪声密度函数。,而均值滤波的输出噪声方差20为,比较公式(4-20)和(4-21)，可以看出，中值滤波的输出与输入噪声的密度分布有

29、关。对随机噪声的抑制能力，中值滤波比平均值滤波要差一些。但对脉冲干扰，特别是脉冲宽度小于m2、相距较远的窄脉冲干扰，中值滤波的效果较好。,3）中值滤波的频谱特性 设G为输入信号频谱，F为输出信号频谱，定义中值滤波的频率响应特性为,试验表明，H与G的关系曲线如下图所示。由图可见，中值滤波频谱特性起伏不大，其均值比较平坦。可以认为信号经中值滤波后，频谱基本不变。这一特点对设计和使用中值滤波器很有意义。,H与G的关系曲线,图4-24 噪声平滑实验图像（a）Lena原图；（b）高斯噪声；（c）椒盐噪声；(d)对(b)33平均平滑；(e)对(c)33平均平滑；(f)对(b)55中值滤波；(g)对(c)5

30、5中值滤波,高斯噪声,椒盐噪声,Lena原图,复合型中值滤波,P65-66,在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。梯度锐化法 图像锐化法最常用的是梯度法。对于图像f(x，y)，在(x，y)处的梯度定义为 梯度是一个矢量，其大小和方向为,图象增强锐化处理,图像空间域锐化,图象增强锐化处理,图象增强锐化处理,梯度锐化法对离散图像处理，用到梯度大小，用一阶偏导数采用一阶差分。图像突出边缘区，梯度值大，平滑区，梯度小，灰度为常数，梯度为0。,除梯度算子以外，还可采用Roberts、Pre

31、witt和Sobel 算子计算梯度，来增强边缘。Roberts对应的模板,图象增强锐化处理,1,1,1,1,图象增强锐化处理,Prewitt为在锐化边缘的同时减少噪声的影响，Prewitt从加大边缘增强算子的模板大小出发，由2x2扩大到3x3来计算差分。Sobel 在Prewitt算子的基础上，对4-邻域采用带权的方法计算差分，对应的模板。,1,0,0,1,1,1,1,0,1,0,1,0,1,1,0,1,1,1,2,0,0,1,1,2,1,0,1,0,2,0,1,1,0,1,2,1,图象增强锐化处理,根据梯度计算式就可以计算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，按不同

32、的方法计算出梯度值后，根据不同的需要生成不同共同梯度图像。A.图像各点(x,y)的灰度g(x,y)等于该点的梯度。g(x,y)=grand(x,y)B.图像各点g(x,y)=grad(x,y)grad(x,y)=T=f(x,y),grad(x,y)=T=f(x,y),grad(x,y)=T=Lb,grad(x,y)=T=Lb,grad(x,y)T,第一种输出形式：梯度图像直接输出 g(x,y)=grad(x,y)此法的缺点是增强的图像仅显示灰度变化比较徒的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色。第二种输出形式：加阈值的梯度输出 式中T是一个非负的阈值。适当选取T，可使明显的边缘轮廓得

33、到突出，又不会破坏原来灰度变化比较平缓的背景第三种输出形式：给边缘规定特定灰度级 它将明显边缘用一固定的灰度级LG来表现。,图象增强锐化处理,第四种输出形式：给背景规定特定灰度级 此方法将背景用一个固定的灰度级 LB来表现，便于研究边缘灰度的变化。第五种输出形式：二值图像输出 这种方法将明显边缘和背景分别用灰度级LG和LB表示，生成二值图像，便于研究边缘所在位置。,图象增强锐化处理,图象增强锐化处理,Laplacian 算子是线性二阶微分算子。即 2f(x，y)=,对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Laplacian算子表达式为 2f(x，y)=f(x+1，y)+f(x

34、-1，y)+f(x，y+1)+f(x，y-1)-4f(x，y)Laplacian增强算子为：g(x，y)=f(x，y)-2f(x，y)=5f(x，y)-f(x+1，y)+f(x-1，y)+f(x，y+1)+f(x，y-1),图象增强锐化处理,图像的伪彩色处理P70,密度分割 密度分割是伪彩色处理技术中最简单的一种。设一幅灰度图像f(x,y)，在某一个灰度级（如f(x,y)=L1）上设置一个平行于xy平面的切割平面，如图4-35所示。灰度图像被切割成只有两个灰度级，对切割平面以下的（灰度级小于L1）像素分配给一种颜色（如蓝色），对切割平面以上的像素分配给另一种颜色（如红色）。这样切割结果就可以将

35、灰度图像变为只有两个颜色的伪彩色图像。,若将灰度图像级用M个切割平面去切割。就会得到M+1个不同灰度级的区域S1，S2，SM，SM+1。对这M+1个区域中的像素人为分配给M+1种不同颜色，就可以得到具有M+1种颜色的伪彩色图像，如图4-36所示。密度分割伪彩色处理的优点是简单易行，便于用软件或硬件实现。还可以扩大它的用途，如计算图像中某灰度级面积等。,图4-35 密度分割示意图,图4-36 多灰度伪彩色分割示意图,灰度级彩色变换 这种伪彩色处理技术（在遥感技术中常称为假彩色合成方法），可以将灰度图像变为具有多种颜色渐变的连续彩色图像，实际图像的连续伪彩色变换如图4-37所示。其变换过程为：将灰

36、度图像送入具有不同变换特性的红、绿、蓝3个变换器，再将3个变换器的不同输出分别送到彩色显像管的红、绿、蓝电子枪。同一灰度由3个变换器对其实施不同变换，而使3个变换器输出不同，从而在彩色显像管里合成某种色彩。可见，不同大小灰度级一定可以合成不同色彩。,图4-37 伪彩色变换,从图中可见，若f（x,y）=0，则IB(x,y)=L,IR(x,y)=IG(x,y)=0，从而显示蓝色。同样，若f(x,y)=L2，则IG(x,y)=L，IR(x,y)=IG(x,y)=0，从而显示绿色。若f(x,y)=L,则IR(x,y)=L，IB(x,y)=IG(x,y)=0，从而显示红色。因此不难理解，若灰度图像f(x

37、,y)灰度级在0L之间变化，IR、IB、IG会有不同输出，从而合成不同的彩色图像。,滤波法 这是一种在频率域进行伪彩色处理的技术，与上面不同的是输出图像的伪彩色与图像的灰度级无关，而是取决于图像中不同空间频率域成分。如,为了突出图像中高频成分（图像细节）将其变为红色，只要将红色通道滤波器设计成高通特性即可。而且可以结合其他处理方法，在附加处理中实施（如直方图修正等），使其彩色对比度更强。如果要抑制图像中某种频率成分，可以设计一个带阻滤波器。其过程如图4-38所示，从3个不同频率的滤波器输出的信号再经过傅立叶反变换，可以对其做进一步的处理，如直方图均衡化。最后把它们作为三基色分别加到彩色显像管的

38、红、绿、蓝显示通道，从而实现频率域的伪彩色处理。,图4-38 频率域伪彩色增强处理,4.6图像增强实例P72,同态滤波乘性组合信号,直方图计算及显示,实验二讲解,练习,简述四种图像锐化的处理方法；选择一高通滤波器对对图像进行滤波，写出处理结果。2)简述两种图像平滑方法；选择一低通滤器对上面图像进行滤波处理，给出处理结果。,1.现有图像：,附：扩展阅读,图象增强平滑处理,超限像素平均对局部平滑法改进。f(x,y)和 g(x,y)的差值与选定的阀值进行比较，根据比较的结果决定最后灰度。对抑制椒盐噪声比较有效，对保护仅有微小细节及纹理也有效。但还存在邻域大，去噪能力增强而模糊程度大的缺点。,数字图象

39、处理,图象增强平滑处理,数字图象处理,(a)原图像(b)对(a)加椒盐噪声的图像(c)33邻域平滑(d)55邻域平滑(e)33超限像素平滑(T=64)(f)55超限像素平滑(T=48),图象增强平滑处理,灰度最近的K个邻点平均在n x n 的窗口内，属于同一集合 的像素，它们的灰度值高度相关，中心像素的灰度值可用窗口内与中心点灰度最接近的K个邻点的平均灰度值来代替。较小的K值使噪声方差下降小，保持细节良好，较大的K值平滑效果好，但使图像模糊。一般取 3 x 3，K6。算法简单，速度快。最大均匀性平滑找出环绕图中每像素的最平均区域，用平均值代替原来灰度值。此算法经多次迭代可增强效果，消除噪声时保

40、持边缘清晰度。缺点：对复杂形状的边界会过分平滑。,数字图象处理,图象增强平滑处理,梯度加权平滑图像在一个区域内灰度变化要比区域之间变化小，在边缘处的梯度绝对值要比区域内部的梯度绝对值高。在n x n的窗口内，若把中心像素点与其各邻点之间梯度的绝对值的倒数定义为各邻点的加权值，区域内点，权值大，区域外点，权值小。,数字图象处理,图象增强平滑处理,梯度加权平滑归一化梯度倒数控制图像灰度范围；梯度为0处理定义为2；中心元素权值1/2；W为平滑掩模；用模板中心点逐一对准每一像素(x,y)，在每一像素处将模板元素和它所压上的像素对应相乘，在求和。边缘像素强制为0或补充边框外像素的值。图像得到平滑，又不使

41、图像边缘和细节模糊。算法复杂，运算量大。,数字图象处理,图象增强平滑处理,有选择保护边缘对最均匀平滑的改进；对图像上任一像素(x,y)的 5 x 5邻域，采用9个掩模，包括 一个 3 x 3正方形，4个五边形，4个六边形。计算各个掩模的均值和方差，对方差排序，最小方差对应的掩模的灰度均值为像素(x,y)的输出。有选择保护边缘可消除噪声，又不破坏边界细节。五边形，六边形含有锐角，在复杂形状区域的锐角处，也能找到均匀区域，从而不会使边缘模糊，也不会破坏边缘形状。,数字图象处理,图象增强平滑处理,空间低通滤波一个掩模作用于图像，掩模是一个滤波器。掩模的取法不同，中心点或邻域的重要程度不同，全部权值系数之和为单位值。,数字图象处理,图象增强平滑处理,多幅图像平均一个景物的多幅图象相加取平均消除噪声。,数字图象处理,数字图象处理,