第三 图像增强精要.ppt

用途： （2）适应人眼对颜色的灵敏度，提高鉴别能力。 如人眼对绿色亮度响应最灵敏，可把细小物体映射成绿色。人眼对蓝光的强弱对比灵敏度最大。可把细节丰富的物体映射成深浅与亮度不一的蓝色。 用途： （3）遥感多光谱图象处理成假彩色，以获得更多信息。 真彩色图象处理成假彩色图象： 练习： 1. 对已知灰度图像进行灰度变换（线性、非线性） 2、计算图像的灰度直方图，并观察其灰度直方图，判断图像明暗程度、对比度及动态范围 3、对已知图像进行傅里叶变换，观察其傅里叶频谱及相位谱的变化（平移、旋转、放大、缩小） 5、对加噪图像进行平滑（线性平滑滤波器、统计排序滤波器、频域低通滤波器） 6、对图像进行锐化（微分算子、频域高通滤波器） 纤维直径测量 海藻密度统计 骨髓细胞分割及测量L1型 L2型 L3型 第三章 图像增强 第二部分 3.3 图像平滑 图像平滑可在空域进行，也可在频域进行。 使用空域模板进行的图像处理，称为空域滤波，模板本身称为空域滤波器。 频域滤波主要采用不同特性的滤波器，滤波器种类有高通、低通、带通、带阻等。 滤波器分类 按数学形态分 空域线性滤波 图像滤波的实现为：将点（x,y）邻域中每个像素与相应的系数相乘，然后将结果进行累加，从而得到点（x,y）处的响应。 这些系数排列为一个矩阵，称其为滤波器（掩模、滤波掩模、核、模板、窗口） 相关与卷积 相关指掩模在图像上依次移动求掩模所限定的邻域像素与对应掩模系数乘积的累加和 卷积从技术上和上述过程相同，只是在移动掩模前，需要将掩模旋转180度。 常见空域线性滤波方法 1.邻域平均法 邻域平均可采用空域线性滤波器实现。其特征是结果像素值的计算由下列公式定义 R=w1Z1+w2Z2+…+wnZn 其中：wi为模板系数，Zi是被计算像素及其邻域像素的值 下图为常见的3×3box模板及高斯模板 模板尺寸对滤波器效果的影响：模板尺寸越大，图像越模糊，图像细节丢失越多 2.选择平均法 选择平均法是以邻域平均法为基础的。它只对灰度值相近或相同的像素进行平均，或者按照灰度特殊的程度加权之后再求和，以免造成目标边缘的模糊。 为此，常采用阈值法、半邻域法和均值与偏差定邻域的方法来实现选择平均 （1）阈值法 数学表达式： S是点（m，n）的一个邻域，N是所取邻域内的像素数，T是预先设定的阈值。该模板实现的功能是当一些点和它们邻域值的差值小于规定的阈值T时仍保留这些点不变（非噪声点），以减少模糊 （2）半邻域法 具体算法：对一个3×3邻域 a）对邻域像素值排序，灰度较大的前5点构成B组，灰度值较小的后3点构成A组 b）设定门限值T c）求A、B两组的平均值A’、B’ d）若|A‘-B’|=T,认为无边缘通过，进行9点局部平均；若|A‘-B’|T,则认为有边缘通过，P与B组中的5点进行6点平均 （3）均值与偏差定邻域 P周围有8个邻点Ai（i=0,1…7）。对这8个点作统计，求出均值及标准偏差如下： 具体算法如下： 1）认为设定常数因子α，通常α=1或1/2时，效果较好 2）若α|P-μ|σ,即σ较大，说明Ai个点偏离较大，可能有边缘，并且P与平均值接近，作出判决：取Ai中灰度值最接近P的4个像素进行5点平均 3）若α|P-μ|σ，即σ较小，说明Ai各点灰度值偏离小，邻域中无边缘通过，并且P与平均值μ相差大，P为噪声点，判决取该点的8个邻域灰度值的平均值作为该点的灰度值 空域非线性滤波 中值滤波 最大值滤波 最小值滤波 1.中值滤波是一种非线性空域滤波器，其主要用途是钝化图像、去除噪声。 计算公式：R=mid{zk | k=1,2,…,9} 2.最大值滤波其主要用于寻找最亮点。 计算公式：R=max{zk | k=1,2,…,9} 3.最小值滤波器主要用途是寻找最暗点。 计算公式： R=min{zk | k=1,2,…,9} 中值滤波算法特点：在去除噪声同时，可以比较好地保留边的锐度和图像细节。 频域低通滤波 灰度图像的边缘和噪声等一般对应傅立叶变换的高频分量，所以对给定的图像变换，通过频域对一定范围的高频分量的衰减能够达到平滑化。 理想低通滤波器（ILPF） 梯形低通滤波器 指数低通滤波器 巴特沃斯低通滤波器 3.4 图像锐化 3.5 伪彩色增强 通常人眼对灰度级是极不敏感的，一般来说大概可以检测的灰度级有十几个到二十几个。相比之下，人眼可以分辨出大约数千种彩色。因而在图像处理中应用彩色来增强观察效果就是一种自然的想法。 伪彩色技术不是观察物体的真正颜色，而是根据图像中的灰度级的大小按一定的关系指定一种颜色。能分配多少种颜色仅和显示系统和使用者本人的想像力有关，和物体的本身色彩毫无关系。 伪彩色处理就是把黑白图象的灰度值映射成相应的彩色。