数字视频图像处理与通信-视频图像预处理.ppt

4.1.2 直方图变换 用这种方法得到的新图像的灰度级将具有事先规定的概率密度pz(z)。这里可以将两个变换函数T(r)和G-1(s)组合成一个函数关系，即 利用此式可以从原始图像产生希望的灰度级分布。此外，当 时，直方图规定化增强处理就简化为直方图均衡化处理。 1）对原始图像均衡化 2）规定需要的直方图，并对它均衡化 3）将原始直方图映射到规定的直方图（映射规则：找到使|sk-vl|最小的l）。 4.1.2 直方图变换 例4-2 仍使用例4-1的直方图，给出一规定直方图（见下表），直方图规定化过程见下页表。 灰度级 0 1 2 3 4 5 6 7 Ps(sj) 0.00 0.00 0.00 0.20 0.00 0.60 0.00 0.20 4.1.2 直方图变换 灰度级 0 1 2 3 4 5 6 7 各灰度级ni 790 1023 850 656 329 245 122 81 pr(rj) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 pr(rj)的累计 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00 规定pu(uk) 0 0 0 0.2 0 0.6 0 0.2 规定累计 0 0 0 0.2 0.2 0.8 0.8 1.0 映射 3 3 5 5 5 7 7 7 映射对应 0,1?3 2,3,4?5 5,6,7?7 新直方图 0 0 0 0.44 0 0.45 0 0.11 4.1.2 直方图变换 结果直方图并不很接近希望的形状，与直方图均衡化的情况一样，这种误差是多次近似造成的。只有在连续的情况下，求得准确的反变换函数，才能得到准确的结果。在灰度级减少时，规定的和最后得到的直方图之间的误差趋向于增加。但是实际处理效果表明，尽管这是一种近似的直方图，也可以得到较明显的增强效果。 4.2 图像平滑 4.2 图像平滑 噪声恶化了图像质量，使图像模糊，特征淹没，给分析带来困难。去除噪声，恢复原始图像是图像处理的重要内容。 消除图像噪声的工作称为图像平滑或滤波。平滑是消除图像中随机噪声的技术。 图像处理技术中常见的噪声有： 加性噪声 和图像信号强度不相关 乘性噪声 和图像信号相关 量化噪声 数字图像的主要噪声源 椒盐噪声 图像平滑处理方法视其噪声图像本身的特性而定，可以在空间域或在频率域采用不同的措施。 4.2.1 邻域平均法 噪声点像素的灰度与其邻近像素有显著的不同，根据噪声点像素的这一空间特性，可用邻域平均法和阈值平均法进行处理。 f(i,j)像素与周围邻域之间的相互关系如下表 由于轮廓线往往是图像中含有重要信息的部分，所以在平滑中要解决的主要矛盾是如何既能消除噪声，又能保持轮廓尽可能不模糊。 方法有：3×3均值滤波、超限邻域平均法、N×N均值滤波器、选择式掩模平滑。 f(i-1,j-1) f(i-1,j) f(i-1,j+1) f(i,j-1) f(i,j) f(i,j+1) f(i+1,j-1) f(i+1,j) f(i+1,j+1) 4.2.1 邻域平均法 3×3均值滤波 设f(i,j)给定的含有噪声的图像，经过简单邻域平均处理后为g(i,j)，在数学上可表示为 g(i,j)=∑f(i,j)/M，(i,j) ?S S是所取邻域中的各邻近像素的坐标；M是邻域中包含的邻近像素的个数。在f(i,j)上按行（或列）对每个像素选取一定尺寸的邻域，并用邻域中邻近像素的平均灰度来置换这一像素值，对全部像素处理后可获得g(i,j)。对于邻域可以有不同的选取方式（模板），如下所示： 4.2.1 邻域平均法 3×3均值滤波处理是以图像模糊为代价来换取噪声的减小的，且面积（即模板大小）越大，噪声减少越显著。如果f(i，j)是噪声点，其邻近像素灰度与之相差很大，一旦用简单邻域平均法，即邻近像素的平均值来置换它，能明显地将噪声点压制下去，使邻域中灰度接近均匀，起到平滑灰度的作用。 具体实现步骤： 1)取得图像大小、数据区，并把数据区复制到缓冲区中。 2)循环取得各点像素值。 3)取得该点周围8像素值的平均值。 4)把缓冲区中改动的数据复制到原数据区中。 4.2.1 邻域平均法 2.超限邻域平均法 阈值的邻域平均法以某个灰度值T作为阈值，只有当某个像素的灰度大于其邻近像素的平均值，并超过阈值时，才使用平均灰度置换这个像素灰度，它的数学表达式为 若某点值与其邻域平均值相差超过T，则用平均值代替，进行平均处理，可去除噪声；否则还保留原值，不进行平均处理，从而减少模糊。这种算法对抑制椒盐噪声比较有效，同时也能较好地保护仅