《数图》第4讲 图像增强.ppt

Digital Image Processing 数字图像处理基础 Digital Image Processing 第四章 图像增强 图像增强概述 图像增强是数字图像处理的基本内容之一，其目的是根据应用需要突出图像中的某些“有用”信息，削弱或去除不需要的信息，以达到扩大图像中不同物体特征之间的差别。 图像增强算法并不能增加原始图像的信息，而是通过某种技术手段有选择地突出对某一具体应用有价值的信息。 第1节 灰度变换 灰度变换（gray scale transformation）-- 在空间域对图像进行增强. 考虑: 不同的要求而采用不同的修正方法。 灰度变换 == 点运算: 逐点运算，不改变像素点位置，只改变其灰度值， 和周围的其它像素无关。 设输入图像为f(x,y)，变换函数为T[?]，变换后的输出图像为g(x,y): g(x,y)=T[f(x,y)] (4.1) 图像对比度：亮度的最大值与最小值之比。 修正图像对比度三种常用灰度变换法： 线性、分段线性/非线性变换。 1.线性变换 1）灰度扩展（缩减）－－最简单的灰度变换， 原图像f(x,y)的灰度范围[a, b]， 变换后g(x,y)的灰度范围[c, d]， (4.2) 2）分段线性变换 突出感兴趣的灰度区间， 抑制不感兴趣的灰度区域。 输入f(x,y)灰度在0～F范围内， 输出g(x,y)灰度在0～G范围内， (4.3) 【例4.1】灰度线性变换的实例： 1）简单线性变换 (4.2)式中当b=0，a=F=255，c=0，d=G=255时， 变换为图4.1(a)中F点和G点的一条线段， 结果:图像的黑白颠倒， 形成原图像的“底片”。 2）分段线性变换 见图4.1(b)，a=50，b=150，c=30，d=200，F=G=255， 压缩了黑白两端的亮度范围， 扩展了中间亮度的范围，细节大部分在中间灰度部分，细节更加丰富。 2. 非线性变换 （4.1）式为非线性变换函数，如用对数函数、指数函数等。 对数变换： (4.4) 指数变换： (4.5) 其它如多项式、正弦函数、正切函数…… 第2节 直方图修正 1 概念 1.1 什么是灰度直方图？ 灰度直方图是灰度级的函数，是对图像中灰度级分布的统计。反映的是一幅图像中各灰度级像素出项的频率。即：横坐标表示灰度级，纵坐标表示图像中对应某灰度级所出现的像素个数，也可以是某一灰度值的像素数占全图像素数的百分比，即灰度级的频率。 绘制的频率同灰度级的关系图就是灰度直方图。 它是图像的一个重要特征，反映了图像灰度分布的情况。灰度直方图是最简单且最有用 的工具。 灰度直方图 灰度直方图计算示例 灰度直方图 灰度直方图 1.2 灰度直方图的性质 1 灰度直方图只能反映图像的灰度分布，而不能反映图像像素的位置，即丢失了像素的位置信息。 2 一幅图像对应唯一的灰度直方图，反之不成立。不同的图像可对应相同的直方图，下图给出了一个不同的图像具有相同直方图的例子。 3 一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。 灰度直方图 1.3 直方图的应用 1 作为图像数字化的参数 直方图给出了一个简单可见的指示，用来判断一幅图像是否合理的利用了全部被允许的灰度级范围。一幅图像应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。丢失的信息将不能恢复。 这个应用就是判断图像量化是否恰当。 举例 应用：直方图修正 灰度修正（改变像素灰度值）? 改变直方图（修正）? 灰度非线性变换 方法：直方图均衡化 直方图规定化（匹配） 灰度直方图 直方图应用示例 2)直方图均衡 （histogram equalization） 均衡化后的图像所有灰度级相等， 展现更多的灰度细节。 输入图像分布Pr(r)，