[ppt模板]4图像增强.ppt
《[ppt模板]4图像增强.ppt》由会员分享,可在线阅读,更多相关《[ppt模板]4图像增强.ppt(124页珍藏版)》请在三一文库上搜索。
1、数字图像处理,Digital Image Processing 2011年10-12月,第四章 图像增强,图像增强概述 直方图概念及性质 灰度变换 直方图修正 直方图均衡化、规定化 图像平滑 图像锐化,图象增强慨述,图像需要增强的原因图像获取过程中,由于多种因素的影响,图像质量会退化。 图象增强是一大类基本的图像处理技术,对图像进行加工,达到对具体应用来说,视觉效果更好或更有用。 图象增强不同增强方法,含义不同,标准不定,需要任的主观感觉加以评价。 图象增强主要目的改善视觉效果,提高图像清晰度;转换成更适合人或机器进行处理和分析的形式;不是以图像保真为原则,突出一些信息,抑制一些信息。 图像增
2、强处理空间图像域处理(空间域增强);变换域处理(频率域增强),图象增强主要内容,图像增强,空 间 域,频 率 域,彩色增强,代数运算,点运算,局部运算,灰度变换,直方图修正,局部统计,均衡化,规定化,图像平滑,图像锐化,高通滤波,低通滤波,同态滤波,假彩色增强,伪彩色增强,彩色变换及应用,图象增强点处理,图像域处理单个像素或小子图灰度处理;分为点处理和模板处理。 空域像素组成的空间。g(x,y) = EHf(x,y) ,f(.)处理前,g(.)处理后,EH处理操作。 EHEH在(x,y)上,点处理;EH在(x,y)的领域上(领域为正方形),模板处理,看成是模板mask与图像的卷积,空间滤波;E
3、H在一幅f(x,y)上; EH在一系列fi(x,y)。 频率域处理有效地快速地对图像进行处理和分析,转换到其他空间上,利用其他空间地性质方便地处理,处理完毕再变换回来,频率域增强。 频率域特点变换T及逆变换T;频率域可以加工;存在快速算法;g(x,y)=TEHTf(x,y),图象增强点处理,灰度变换使图像动态范围增大,图像对比度扩展,图像清晰,特征明显,是图像增强重要手段之一。(对图像度区间拉伸或压缩)有线性变换;分段线性变换;非线性变换。 直方图修正使图像灰度间距拉开或使灰度均匀分布,增大反差,图像细节清晰。均衡和规定化 局部统计用Wallis和JongSenLee提出的局部均值和方差进行对
4、比度增强。,图象增强直 方 图,直方图的基本概念 如果将图像中像素亮度(灰度级别)看成是一个随机变量, 则其分布情况就反映了图像的统计特性,这可用Probability Density Function (PDF)来刻画和描述,表现为灰度直方图(Histogram)。灰度直方图是灰度级的函数,它表示图像中具有某种灰度级的像素的个数,反映了图像中每种灰度出现的频率, 如图所示。灰度直方图的横坐标是灰度级,纵坐标是该灰度级出现的频度,它是图像最基本的统计特征。,1.统计并绘制图像灰度直方图 2.计算图像信息量 H(熵) 3.熵是什么,它是如何表示图像信息量的? 4.对上面图像作线性变换把图像灰度压
5、缩到2-5之间.,图象增强直 方 图,设r代表图像中像素灰度级,作归一化处理后,r将被限定在0, 1之内。在灰度级中,r=0代表黑,r=1代表白。对于一幅给定的图像来说,每一个像素取得0, 1区间内的灰度级是随机的,也就是说r是一个随机变量。假定对每一瞬间,它们是连续的随机变量,那么就可以用概率密度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标系的横轴代表灰度级r,用纵轴代表灰度级的概率密度函数pr(r),这样就可以针对一幅图像在这个坐标系中作出一条曲线来。这条曲线在概率论中就是概率密度曲线,如下图所示。,图象增强直 方 图,图像灰度分布概率密度函数,图象增强直 方 图,从图像灰度级的
6、分布可以看出一幅图像的灰度分布特性。例如,从上图中的(a)和(b)两个灰度分布概率密度函数中可以看出: (a)的大多数像素灰度值取在较暗的区域,所以这幅图像肯定较暗,一般在摄影过程中曝光太弱就会造成这种结果;(b)图像的像素灰度值集中在亮区,因此,图像(b)将偏亮,一般在摄影中曝光过强将导致这种结果。当然,从两幅图像的灰度分布来看图像的质量均不理想。,图象增强直 方 图,(1) 直方图是一幅图像中各像素灰度值出现次数(或频数)的统计结果,它只反映该图像中不同灰度值出现的次数(或频数),而未反映某一灰度值像素所在位置。也就是说,它只包含了该图像中某一灰度值的像素出现的概率,而丢失了其所在位置的信
7、息。 (2)任一幅图像,都能惟一地确定出一幅与它对应的直方图, 但不同的图像,可能有相同的直方图。也就是说,图像与直方图之间是多对一的映射关系。如图4-3就是一个不同图像具有相同直方图的例子。,直方图的性质,图像与直方图间的多对一关系,(3) 由于直方图是对具有相同灰度值的像素统计得到的, 因此,一幅图像各子区的直方图之和就等于该图像全图的直方图,如图4-4所示。,直方图的分解,灰度直方图的计算非常简单,依据定义,在离散形式下, 用rk代表离散灰度级,用pr(rk)代表pr(r),并且有下式成立:,式中:nk为图像中出现rk级灰度的像素数,n是图像像素总数,而nk/n即为频数。在直角坐标系中做
8、出rk与pr(rk)的关系图形,即称为该图像的直方图。设若图像具有L级灰度(通常L=256,即8位灰度级),则大小为MN的灰度图像f(x, y) 的灰度直方图pBuffer0L-1可用如下算法得到:,直方图的计算,(1) 初始化:pBufferk=0 ; k=0, , L-1。 (2) 统计:pBufferf(x, y)+ ; x, y =0, , M-1, 0, , N-1。 (3) 归一化:pBufferf(x, y)/=M*N。 其中,直方图的归一化是一个可选项, 若不需要特殊处理可以不进行此项操作。 图4-5和图4-6分别是Lena图像、 钟楼图像与其对应的直方图。,图 Lena图像及
9、直方图 (a) Lena图像;(b) Lena图像的直方图,图钟楼图像,直方图应用,a:判断图像量化是否恰当; b:确定图像二值化阀值; c:利用图像直方图统计图像中物体的面积; d:计算图像的信息量H(熵)。,图象增强灰度变换,线性变换对输入图象灰度作线性扩张或压缩,映射函数为一个直线方程,其表达式如下: 其中: a相当于变换直线的斜率, b 相当于截距; 分段线性变换,灰度变换可调整图像的灰度动态范围或图像对比度,是图像增强的重要手段之一。 1线性变换 令图像f(i,j)的灰度范围为a,b, 线性变换后图像g(i,j)的范围为 a,b,如图。 g(i,j)与f(i,j)之间的关系式为:,图
10、象增强灰度变换,不同像素间的灰度差变大, 因而对比度增强, 图像更清晰,在曝光不足或过度的情况下,图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像每一个像素灰度作线性拉伸,可有效地改善图像视觉效果。,图象增强灰度变换,图象增强灰度变换,线性变换边界判断 P52,反色变换,图象增强灰度变换,2分段线性变换 为了突出感兴趣目标所在的灰度区间,相对抑制那些不感兴趣的灰度区间,可采用分段线性变换。 设原图像f(x,y)在0,Mf,感兴趣目标的灰度范围在a,b,欲使其灰度范围拉伸到c,d,则对应的分段线性变换表达式为,通过调整折线拐点
11、的位置及控制分段直线的斜率,可对任一灰度区间进行拉伸或压缩。,图象增强灰度变换,对比度扩展,图象增强灰度变换,图片见课本P53,削波,图象增强灰度变换,阈值化,图象增强灰度变换,灰度窗口,图象增强灰度变换,3非线性灰度变换 当用某些非线性函数如对数函数、指数函数等,作为映射函数时,可实现图像灰度的非线性变换。 对数变换 对数变换的一般表达式为,这里a,b,c是为了调整曲线的位置和形状而引入的参数。当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时,可采用这种变换,它能使图像灰度分布与人的视觉特性相匹配。,f (i,j),g(i,j),图象增强灰度变换,对数变换动态范围压缩,图象增强灰度变换,图
12、象增强灰度变换,指数变换 指数变换的一般表达式为 这里参数a,b,c用来调整曲线的位置和形状。这种变换能对图像的高灰度区给予较大的拉伸。,g (i,j),f (i,j),图象增强灰度变换,图象增强灰度变换,图象增强直方图修正,直方图均衡化 将原图像的直方图通过变换函数修正为均匀的直方图,然后按均衡的直方图修改原图像。算法描述: 原始图象灰度级r归一化在 01之间,即 0 r 1。 为原始图象灰度分布的概率密度函数, 直方图均衡化处理实际上就是寻找一个灰度变换函数 ,使变化后的灰度值 ,其中,归一化为 0 s 1,即建立r与s之间的映射关系,要求处理后图象灰度分布的概率密度函数 ,期望所有灰度级
13、出现概率相同 。,如上所述,一幅给定图像的灰度级分布在0r1范围内。可以对0, 1区间内的任一个r值进行如下变换: s=T(r) (4-2) 也就是说,通过上述变换,每个原始图像的像素灰度值r都对应产生一个s值。变换函数T(r)应满足下列条件: (1) 在0r1区间内,T(r)值单调增加; (2) 对于0r1, 有 0T(r)1。,图象增强直方图修正,对于数字图象离散情况,其直方图均衡化处理的计算步骤如下 : A.统计原始图象的直方图 ,是归一化的输入图象灰度级; B.计算直方图累积分布曲线 C.用累积分布函数作变换函数进行图像灰度变换,根据计算得到的累积分布函数,建立输入图象与输出图象灰度级
14、之间的对应关系,并将变换后灰度级恢复成原先数范围。,表4-1 6464大小的图像灰度分布表,处理过程如下: 变换函数,依此类推:s4=0.89,s5=0.95, s6=0.98, s7=1.0。 这里只对图像取8个等间隔的灰度级, 变换后的值也只能选择最靠近的一个灰度级的值。因此,对上述计算值加以修正:,由上述数值可见,新图像将只有5个不同的灰度级别,可以重新定义如下一组符号,因为r0=0,经变换得s0=1/7,所以有790个像素取s0这个灰度值。r1映射到s1=37,所以有1023个像素取s1=3/7这一灰度值。依次类推, 有850个像素取s2=5/7这个灰度值。但是,因为r3和r4均映射到
15、s3=6/7这一灰度级,所以有656+329=985个像素取这个值。同样, 有245+122+81=448个像素取s4=1这个新灰度值。用n = 4096来除上述这些nk值,便可得到新的直方图,直方图均衡化处理,由上例可见,利用累积分布函数作为灰度变换函数,经变换后得到的新直方图虽然不很平坦,但毕竟比原始图像的直方图平坦的多,而且其动态范围也大大地扩展了。因此,这种方法对于对比度较弱的图像进行处理是很有效的。 因为直方图是近似的概率密度函数,所以用离散灰度级作变换一般得不到完全平坦的结果。另外,从上例可以看出,变换后的灰度级减少了,这种现象叫做“简并”现象。由于简并现象的存在,处理后的灰度级总
16、是要减少的, 这是像素灰度有限的必然结果。由于上述原因, 数字图像的直方图均衡只是近似的。,Lena图像及直方图 (a) Lena图像; (b) Lena图像的直方图,经直方图均衡化后的Lena图像及直方图 (a) 经直方图均衡化后的Lena图像; (b) 均衡化后的Lena图像的直方图,图象增强直方图修正,效果概述 : 采用离散公式,概率密度函数近似,原直方图上频数较少的某些灰度级并入一个或几个灰度级中,灰级减少,灰度合并。 变换后直方图趋向平坦,动态范围扩大,对处理对比度小的图像有效。 含有象素数多的几个灰级间隔被拉大了,压缩的只是象素数少的几个灰度级,实际视觉能够接收的信息量大大地增强了
17、,变换函数为累积分布函数的推导P57,图象增强直方图修正,直方图均匀化优点是自动增强整个图像对比度,但他的具体增强效果却不容易控制,处理结果总是得到全局均衡化直方图。 直方图规定化-变换直方图成为某个需要的形状,从而有选择地增强某个灰度范围内的对比度或使图像灰度值的分布满足特定要求。 应用:拼接、匀光,图象增强直方图修正,直方图规定化方法-P60(表) 1、同直方图均衡化,对原始直方图进行灰度均衡化 2、规定需要的直方图,并计算能使规定的直方图均衡化的变换 3、将第一步中的变换反转回去,即将原始直方图对应映射到规定的直方图,图象增强局部处理,x方向 M行,y方向 N列,3 x 3 模板,R=t
18、0.s0+t1.s1+t8.s8,在与处理像点邻域有关的空间域 上进行运算, 称为局部运算。,模板操作和卷积运算,模板是一幅小图像,或一个窗口,用矩阵表示。 模板操作数字图像处理中常用的一种邻域运算方式。指模板与图像进行类似于卷积或相关的运算。 卷积作加权求和的过程,模板操作和卷积运算 模板卷积可实现图像的平滑、锐化以及后面将要讨论的细化、边缘检测等都要用到模板操作。例如, 有一种常见的平滑算法是将原图中的一个像素的灰度值和它周围邻近8个像素的灰度值相加,然后将求得的平均值作为新图像中该像素的灰度值。可用如下方法来表示该操作:,上式有点类似于矩阵,通常称之为模板(Template),带星号的数
19、据表示该元素为中心元素,即这个元素是将要处理的元素。如果模板为,则该操作的含义是:将原图中一个像素的灰度值和它相邻近的8个像素值相加,然后将求得的平均值作为新图像中该像素的灰度值。,模板操作实现了一种邻域运算,即某个像素点的结果不仅和本像素灰度有关,而且和其邻域点的值有关。模板运算的数学含义是卷积(或相关)运算。 卷积是一种用途很广的算法,可用卷积来完成各种处理变换, 下图说明了卷积的处理过程。,图4-17 卷积运算示意图,1. 卷积运算中的卷积核就是模板运算中的模板。 2. 卷积就是作加权求和的过程。 邻域中的每个像素(假定邻域为33大小,卷积核大小与邻域相同),分别与卷积核中的每一个元素相
20、乘,乘积求和所得结果即为中心像素的新值。 3. 卷积核中的元素称作加权系数(亦称为卷积系数),卷积核中的系数大小及排列顺序, 决定了对图像进行区处理的类型。改变卷积核中的加权系数, 会影响到总和的数值与符号, 从而影响到所求像素的新值。,模板卷积计算的基本步骤,P62,在模板或卷积的加权运算中,需注意的问题: 1. 图像边界问题 当在图像上移动模板(卷积核)至图像的边界时,在原图像中找不到与卷积核中的加权系数相对应的9个像素,即卷积核悬挂在图像缓冲区的边界上, 这种现象在图像的上下左右四个边界上均会出现。,设原图像为,经过模板操作后的图像为,“”表示无法进行模板操作的像素点。,当模板为,两种解
21、决方法: 一种方法是忽略图像边界数据, 另一种方法是在图像四周复制原图像边界像素的值,从而使卷积核悬挂在图像四周时可以进行正常的计算。实际应用中,多采用第一种方法。,在模板或卷积的加权运算中,需注意的问题:,2. 计算结果可能超出灰度范围 当计算出来的像素值超出灰度范围, 对此可简单地将其值置为0或255即可。,图象增强局部处理,图像的空域平滑图像在获取和传输过程中,受到各种噪声干扰,使图像退化,质量下降,为抑制噪声改善图像质量,需平滑和去噪,积分。 图像的空域平滑方法局部平均法;超限像素平均法;灰度最相近K个邻点平均法;梯度倒数加权平均法;最大均匀性平滑;有选择保留边缘平滑法;空间低通滤波法
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- ppt模板 ppt 模板 图像 增强
链接地址:https://www.31doc.com/p-1995642.html