图像分析与识别_课件_4选编.ppt

北京航空航天大学 仪器科学与光电工程学院 School of Instrumentation Science Optoelectronics Engineering;;;;;;;一、概述;;二、与位置相关的亮度校正;;;;三、灰度级变换;;对比度增强的灰度级变换函数;对数的灰度级变换;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;幂次变换;;;;对比度拉伸;;灰度切割;;;等量地调整红绿蓝分量（不改变图像色调）;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。;;单调递增的灰度级变换函数;;方法的推导之一;;;;;;;;;直方图可看作是离散的概率密度函数。变换T的单调性意味着： 公式中的求和可以解释为离散分布函数。假设图像有N行和N列，那么均衡化的直方图G(s)就对应着均衡的概率密度函数f，其函数值是一个常数： ;;;;对于有G个灰度级（一般是256）大小为M×N的图像，创建一个长为G的数组H，并初始化为0； 形成图像直方图：扫描每个像素，增加相应的H成员，当像素p具有亮度gp时，做;;;;直方图均衡化例子-1;;直方图均衡化例子-2;直方图均衡化计算举例;;;直方图匹配（规定化）;方法的推导;;;算法：连续情况下的直方图均衡化;算法：离散情况下的直方图均衡化;;;;直方图均衡化的例子;;;;伪彩色;;;;;几何变换的目的;几何变换包括的两个步骤;一、空间变换;;;;;二、灰度插值的两种方案;;前向映射和后向映射的定义;;;;前向映射和后向映射的比较;;三、灰度插值的计算;1、最近邻插值;2、双线性插值;;;3、三次线性插值;;;;;;;图像空间滤波的实现;平滑：目的在于抑制噪声或其它小的波动，这等同于在傅立叶变换域抑制高频噪声。不幸的是平滑也会模糊所有的含有图像重要信息的明显边缘。 ;梯度算子：基于图像函数的局部导数。导数在图像函数快速变化的位置处较大，梯度算子的作用是在图像中显现这些位置。梯度算子在傅立叶变换域有抑制低频部分的效应。噪声在本质上通常是高频的，如果在图像中使用梯度算子，也会同时抬高噪声水平。;;一、图像平滑;;;假设在每个像素处的噪声数值ν是独立分布的随机变量，具有0均值和标准差σ。我们可以通过几次抓取同??静态场景的方法获得一幅图像。平滑的结果是在这些具有噪声数值ν1, ν2, …, νn的图像g1, g2, …, gn中求相同的n个点的平均值：;;;;;;为了更好地近似具有高斯概率分布的噪声性质，有时要增加在卷积掩模h中心的像素或者它的4-邻接点处的重要性。;;;在限制数据有效性下的平均方法试图仅使用满足某种标准的那些像素做平均来避免模糊，它的目的是避免涉及属于其它特征的像素。;;;; ;;在每个像素处的卷积掩模根据反梯度来计算。 它的思想是区域内部的亮度变化一般比相邻区域间的要小。设像素位置(m,n)对应于奇数大小的卷积掩模的中心像素，则点(i,j)处相对于(m,n)的反梯度δ是：;;;;使用旋转掩模的平均是一种通过有哪些信誉好的足球投注网站当前像素邻域的一致性部分来避免边缘模糊的方法，其结果图像事实上是锐化了。 ;;;;考虑图像的每个像素(i,j)； 根据以上公式计算像素(i,j)所有可能的旋转掩模的散布； 选择具有最小散布的掩模； 将所选择掩模内的平均亮度赋给输出图像中的像素(i,j)；;;在有序的一系列表中，中值是指位于中心的值。 中值滤波是一种减少边缘模糊的非线性平滑方法。 ;;;设置th=mn/2； 将窗口移至一个新行的开始，对其内容排序，确定其中值med，记下亮度小于或等于med的像素数目lt_med； 对于最左列亮度是pg的每个像素p，做： ;;;;;;;统计排序滤波的思想是将某个邻域中的像素排成序列，输出的结果是在该序列上的某个统计量。 该统计量可能是中值、最大值或最小值。 中值、最小或最大滤波都是统计排序滤波的特殊情况。 ;非线性均值滤波：非线性均值滤波是平均技术的一个推广，定义为： ;;二、边缘检测算子;;;;;;;;图像锐化的目标是使边缘更陡峭，锐化的图像是供人观察的。拉普拉斯算子可以用来进行图像锐化。;;使用差分近似图像函数导数的算子。 有些是具有旋转不变性的（例如，拉普拉斯算子），因此只需要一个卷积掩模来计算。 其它近似一阶导数的算子使用几个掩模。;;;检测小局部邻域的单个梯度算子事实上就是卷积，可以用卷积掩模来表达。 能够检测边缘方向的算子是用一组掩模来表达的，每个对应某个方向。;Robert算子 ;;Laplace算子?2是近似只给出梯度幅值的二阶导数的流行方法。 Laplace算子通常使用3×3的掩模h，对于4-邻接和8-邻接的邻域分别定义为：;;;Prewitt算子的8方向3?3模板; ;;Robinson