第三讲 图象基本运算与灰度映射变换课件.ppt

第三讲 图像基本运算与灰度变换 本讲主要内容 图像运算 代数运算 几何运算 基本灰度变换 图像翻转 灰度切割 位图切割 直方图处理 ※ 直方图规定化及均衡化 3.1 图像的运算 点运算 比如改变亮度，对比度等 代数运算 是图像之间点对点的运算 几何运算 涉及到空间位置变化，和灰度插值 3.2基于灰度变换的图像增强 基于点操作的增强变换，常见的有几类方法： 将f(.)中的象素按EH操作直接变换以得到g(.); 借助f(.)的直方图进行变换； 借助对一系列图像间的操作进行变换。 3.2灰度变换 8bit图像位平面表示 位图切割 幂次变换 伽马校正 对数增强 3.4 直方图图像增强 3.5 直方图均衡化 直方图均衡方法的基本思想是对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。 直方图均衡化基本算法 3.5 直方图均衡化 3.5 直方图均衡化 2）求出图像f的总体像素个数 Nf=m*n （m,n分别为图像的长和宽） 计算每个灰度级的像素个数在整个图像中 所占的百分比。 hs(i)=h(i)/Nf (i=0,1,…,255) 3.5 直方图均衡化 3.5 直方图均衡化 3）计算图像各灰度级的累计分布hp。 3.5 直方图均衡化 3.5 直方图均衡化 4）求出新图像g的灰度值。 3.5 直方图均衡化结果 演示 I=imread(tire.tif); J=histeq(I); subplot(2,2,1); subimage(I); title(原图像); subplot(2,2,2); imhist(I,64); title(原图像的直方图); subplot(2,2,3); subimage(J); title(均衡化处理后的图像); subplot(2,2,4); imhist(J,64); title(均衡后的直方图); 3.6.2直方图的映射变换 3.6.3直方图均衡化原理 直方图例子 3.6.4直方图规定化 直方图规定化映射规则 直方图均衡化 h 3 9 2 8 1 7 4 6 1 5 1 4 4 3 4 2 2 1 3 0 hs 0.12 9 0.08 8 0.04 7 0.16 6 0.04 5 0.04 4 0.16 3 0.16 2 0.08 1 0.12 0 hs hp 0.12 9 0.08 8 0.04 7 0.16 6 0.04 5 0.04 4 0.16 3 0.16 2 0.08 1 0.12 0 1.00 9 0.88 8 0.80 7 0.76 6 0.60 5 0.56 4 0.52 3 0.36 2 0.20 1 0.12 0 0 6 2 9 2 5 0 2 8 6 4 6 0 6 3 3 7 3 1 2 8 9 9 3 1 f g 0 194 92 255 92 153 0 92 224 194 143 194 0 194 133 133 204 133 51 92 224 255 255 133 51 hp 1.00 9 0.88 8 0.80 7 0.76 6 0.60 5 0.56 4 0.52 3 0.36 2 0.20 1 0.12 0 （对最小灰度级进行修正） * 华中科技大学软件学院 3.6.1区别与联系 幅度分布函数 幅度密度函数 灰度直方图 累计直方图 从基本微积分学，我们知道关于上限的定积 分的导数就是该上限的积分值。 * * * 华中科技大学软件学院 3.1.1点运算 a=1,b=0,图像没有变化 a＝1，b0,图像变亮或是变暗 a1,b=0,图像对比度增强； a1,b=0,图像对比度减弱。 Note：是点对点的对灰度值进行计算 * 华中科技大学软件学院 3.1.1点运算 * 华中科技大学软件学院 3.1.2代数运算 图像的代数运算指图像点对点的代数运算，不是矩阵的运算。 * 华中科技大学软件学院 几何运算 点运算、代数运算都是针对点的运算，运算结果都不会改变图像各部分之间的几何关系。图像转动、扭曲、倾斜、拉伸是几何运算的结果。 点运算、代数运算只涉及到特定点的灰度值的变化，而几何变换到空间点位置的变化、灰度值的变化等 * 华中科技大学软件学院 几何运算确定灰度值的两种方法 * 华中科技大学软件学院 几何运算—最临近插值算法 最简单的插值方法是所谓零阶插值或称为最近邻插值，即令输出像素的灰度值等于离它所映射到的位置最近的输入像素的灰度值。 最近邻插值方