数字图像处理(冈萨雷斯)第三章空间域图像增强讲述.ppt

第三章、空间域图像增强 图象增强的含义和目的 一、什么是图象增强？ 空间域处理：点处理（图象灰度变换、直方图均衡等）； 邻域处理（线性、非线性平滑和锐化等）； 频域处理 ：高、低通滤波、同态滤波等 3.1 背景知识 空间域增强是指增强构成图像的像素，可由下式定义： g(x,y)=T[f(x,y)] (3.1-1) 其中 f(x,y)是输入图像 g(x,y)是输出图像 T是对f的一种操作，定义在（x,y）的邻域上. 3.1 背景知识 ①邻域：中心在(x,y)点的正方形或矩形子图像. ②子图像的中心从一个像素向另一个像素移动, ③T操作应用到每一个(x,y)位置得到该点的输出g. 更大的邻域会有更多的灵活性,一般的方法是利用点(x,y)事先定义的邻域里的一个f值的函数来决定g在(x,y)的值,主要是利用所谓的模板（也称为滤波器,核,掩模）. 模板是一个小的(3×3)二维阵列,模板的系数值决定了处理的性质,如图像尖锐化等. 以这种方法为基础的增强技术通常是指模板处理或空域滤波. 3.2 基本灰度变换 灰度级变换函数 s = T(r) (3.1.2) 三种基本类型 ①线性的(正比或反比) ②对数的(对数和反对数的) ③幂次的(n次幂和n次方根变换) 3.2 基本灰度变换 3.2 基本灰度变换 ③幂次变换 幂次变换的应用 幂次变换的应用 幂次变换的应用 幂次变换的应用 幂次变换的应用 ④分段线性变换函数 其形式可以任意组合,有些重要的变换可以应用分段线性函数描述. ④分段线性变换函数 2、灰度切割：提高特定灰度范围的亮度 ④分段线性变换函数 3、位图切割：把数字图像分解成为位平面，（每一个位平面可以处理为一幅二值图像）对于分析每一位在图像中的相对重要性是有用的。（高阶位如前4位包含视觉上很重要的大多数数据；其它位对图像中的更多微小细节有作用） ④分段线性变换函数 MATLAB 例子:线性变换 I=imread(pout.tif); pout=double(I); A=0.5; B=50; pout2=pout*A+B; A=1.5,B=50; pout3=pout*A+B; 附录：Matlab函数: imadjust函数 功能：通过灰度变换调整对比度格式：J=imadjust(I,[low high],[bottom top],gamma) 将图像I中的灰度值映射到J中的新值，即将灰度在[low high]之间的值映射到[bottom top]之间。 ? gamma 为校正量r ,默认为1(线性变换)???? [low high] 为原图像中要变换的灰度范围，取值范围在[0，1]（归一化后的灰度值）， [bottom top]指定了变换后的灰度范围，取值范围在[0，1] Im=imread(rice.png); Jm=imadjust(Im,[0.15,0.9],[0,1]); figure(1);subplot(211);imshow(Im);subplot(212);imhist(Im); figure(2);subplot(211);imshow(Jm);subplot(212);imhist(Jm); 使用imadjust的两个步骤 (1)观察图像的直方图，判断灰度范围 (2)将灰度范围转换为0.0～1.0之间的分数，使得灰度范围可以通过向量[low,high]传递给imadjust函数。 (3)可以利用stretchlim函数以分数向量形式返回灰度范围, 直接传递给imadjust(). 3.3 直方图处理 3.3.1 直方图均衡化 直方图均衡化处理: 假设原图的灰度值变量为r,变换后新图的灰度值变量为s,我们希望寻找一个灰度变换函数T：s=T(r)， 使得概率密度函数pr(r)变换成希望的概率密度函数ps(s) 直方图均衡化处理的计算步骤如下： (1)统计原始图象的直方图 是输入图象灰度级； (2)计算直方图累积分布曲线 (3)用累积分布函数作变换函数计算图像变换后的灰度级 (2)计算直方图累积分布函数 均衡后的直方图 附录：MATLAB命令 histeq 功能：用柱状图均衡化增强对比 语法： J = histeq(I) 直方图均衡化的缺陷 直方图均衡化的缺陷：不能用于交互方式的图象增强应用，因为直方图均衡化只能产生唯一一个结果。 恒定值直方图近似 希望通过一个指定的函数（如高斯函数）或用交互图形产生一个特定的直方图。根据这个直方图确定一个灰度级变换T(r),使由T产生的新图象的直方图符合指定的直方图 3.3.