图像分析与识别_课件_4概要.ppt

图像分析与识别 Image Analysis and Recognition 预处理是指在处于最低抽象层次的图像上所进行的操作，这时处理的输入和输出都是亮度图像。 这些图标图像是与传感器抓取到的原始数据同类的，通常是用图像函数值的矩阵表示的亮度图像。 预处理不会增加图像的信息量，预处理一般都会降低图像的信息量。 预处理的目的是改善图像数据，抑制不需要的变形或者增强某些对于后续处理重要的图像特征。 图像预处理方法按照在计算像素新的亮度值时所使用的像素邻域的大小分为4类： （1）像素亮度变换； （2）几何变换； （3）使用待处理像素一个局部邻域； （4）需要有关整个图像知识的图像复原。 图像预处理方法按照处理目的可区分为： （1）图像增强； （2）像素亮度变换； （3）图像复原。 一、概述 像素亮度变换可以改变像素的亮度，变换只取决于各像素自身的性质； 有两类像素亮度变换：亮度校正和灰度级变换。 亮度校正在改变像素的亮度时要考虑该像素原来的亮度和其在图像中的位置； 灰度级变换在修改像素的亮度时无需考虑其在图像中的位置。 二、与位置相关的亮度校正 理想情况下，图像获取和数字化设备的灵敏度不应该与图像的位置有关，但是这种假设在很多实际情况下是不对的。 光线离光轴越远透镜对它消弱得越多，且传感器的光敏元件并不具有完全相同的灵敏度。 不均匀的物体照明也是退化的一个起因。 如果退化具有系统性，就可以通过亮度校正加以抑制。 一个乘性的错误系数e(i,j)描述相对于理想的等同传递函数的变化。假定g(i,j)是没有退化的图像，f(i,j)是含有退化的图像。则f(i,j)=e(i,j)g(i,j)。 如果抓取到已知亮度的一幅参考图像，最简单的情况是具有不变的亮度c，则可获得错误系数e(i,j)，退化结果是图像fc(i,j)。那么系统性的亮度错误可用下式抑制： 这种方法只有当图像退化过程是稳定的时候才能使用。我们要想抑制这种错误，应该不时地校正该设备，即找到错误系数e(i, j)。 这种方法隐含地假设了变换的线性性，在实际中并不是正确的，原因在于亮度值是局限于一定区间的。 三、灰度级变换 灰度级变换不依赖于像素在图像中的位置。 一个变换T，将原来在范围[p0, pk]内的亮度p变换为一个新范围[q0, qk]内的亮度q，q=T(p)。 反转变换； 分段线性增强； 亮度阈值化。 对比度增强的灰度级变换函数 对数的灰度级变换 对数的灰度级变换：是一种常用的技术，它模拟了人的眼睛对于光线强度的对数敏感性。 用于图像增强的基本灰度变换函数 图像反转变换 对数变换 傅立叶频谱的对数变换， c=1 幂次变换 线性楔形灰度图像 对线性楔形灰度图像的监视器响应 伽马校正楔形图像 监视器输出 原始图像 C=1, ?=0.6 C=1, ?=0.4 (最佳) C=1, ?=0.3 原始图像 C=1, ?=3.0 C=1, ?=4.0 (最佳) C=1, ?=5.0 对比度拉伸 对比度拉伸变换函数 低对比度图像 对比度拉伸结果 阈值化结果 灰度切割 加亮[A, B]范围的灰度级，所有其它灰度减小为一个恒定灰度级； 加亮[A, B]范围的灰度级，保持所有其它灰度级不变； 原始图像； 使用(a)变换结果。 数字图像的灰度级别是很有限的，因此灰度级变换用硬件和软件实现都很容易。一般仅需要256字节的存储空间，将这个存储空间称为查找表。 原始的亮度作为查找的索引，表的内容是新的亮度。 同样的原理也适用于彩色显示。 彩色信号由红、绿、蓝3个分量组成，三个查找表提供了所有可能的色量变换。 这些表在个人计算机中的术语是调色板。 等量地调整红绿蓝分量（不改变图像色调） 对平淡彩色图像的校正 对亮的彩色图像的校正 对暗的彩色图像的校正 直方图均衡化 使对比度增强的灰度级变换一般可以利用直方图均衡化技术自动地找到。 目的是创建一幅在整个亮度范围内具有相同分布的亮度图像。 输入的直方图用H(r)表示，输入的灰度级范围是[r0, rk]。 我们的目的是找到一个单调的像素亮度变换s=T(r)使得输出的直方图G(s)在整个输出亮度范围[s0, sk]内是均匀的。 单调递增的灰度级变换函数 直方图均衡化 方法的推导之一 一幅图像的灰度级可以视为随机变量。 随机变量的一个最重要的基本描述是其概率密度函数（PDF）。 令Pr(r)和Ps(s)分别代表r和s的概率密度函数。 因此，变换变量s的概率密度函数由输入图像的灰度级PDF和所选择的变换函数决定。 图像处理中一个尤为重要的变换函数，即单值单调递增的灰度级变换函数的定义为： 其中w是积分变量，上式的右部为随机变量s的累积分布函数(CDF)。 因为概率密度函数永远为正，并且函数积分是一个函数曲线