《图像增强讲义》PPT课件.ppt
《《图像增强讲义》PPT课件.ppt》由会员分享,可在线阅读,更多相关《《图像增强讲义》PPT课件.ppt(59页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、 图像增强 图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息,同时抑制一些不需要的信息,提高图像的使用价值。图像增强方法从增强的作用域出发,可分为空间域增强和频率域增强两种。空间域增强是直接对图像各像素进行处理;频率域增强是将图像经傅立叶变换后的频谱成分进行处理,然后逆傅立叶变换获得所需的图像。图像增强所包含的主要内容如图:图像增强的点运算灰度变换 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
2、范围为a,b,如图。g(i,j)与f(i,j)之间的关系式为: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。反色变换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细心调整折线拐点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。对比度扩展分段线性变换削波阈值化灰度
3、窗口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)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)对数变换动态范围压缩直方图修整法 灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。通过修改直方图的方法增
4、强图像是一种实用而有效的处理技术。直方图修整法包括直方图均衡化直方图均衡化及直方图规定化直方图规定化两类。1.直方图均衡化直方图均衡化 直方图均衡化是将原图像通过某种变换,得到一幅灰度直方图为均匀分布的新图像的方法。直方图均衡化示例2.2.直方图规定化直方图规定化 在某些情况下,并不一定需要具有均匀直方图的图像,有时需要具有特定的直方图的图像,以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。可见,它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。下面是一个直方图
5、规定化应用实例。图(C)、(c)是将图像(A)按图(b)的直方图进行规定化得到的结果及其直方图。通过对比可以看出图(C)的对比度同图(B)接近一致,对应的直方图形状差异也不大。这样有利于影像融合处理,保证融合影像光谱特性变化小。模板图像的空间域平滑 任何一幅原始图像,在其获取和传输等过程中,会受到各种噪声的干扰,使图像恶化,质量下降,图像模糊,特征淹没,对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。本节介绍空间域的几种平滑法。局部平滑法局部平滑法 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成,相邻像素
6、间存在很高的空间相关性,而噪声则是统计独立的。因此,可用邻域内各像素的灰度平均值代替该像素原来的灰度值,实现图像的平滑。设有一幅NN的图像f(x,y),若平滑图像为g(x,y),则有 式中x,y=0,1,N-1;s为(x,y)邻域内像素坐标的集合;M表示集合s内像素的总数。可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。(m-1,n-1)(m-1,n)(m-1,n+1)(m,n-1)(m,n)(m,n+1)(m+1,n-1)(m+1,n)(m+1,n+1)例如,对图像采用33的邻域平均法,对于像素(m,n),其邻域像素如下:则有:其作用相当于用这样的模板同图像卷积。
7、设图像中的噪声是随机不相关的加性噪声,窗口内各点噪声是独立同分布的,经过上述平滑后,信号与噪声的方差比可望提高M倍。这种算法简单,但它的主要缺点是在降低噪声的同时使图像产生模糊,特别在边缘和细节处。而且邻域越大,在去噪能力增强的同时模糊程度越严重。如下图(a)原图像 (b)对(a)加椒盐噪声的图像(c)33邻域平滑 (d)55邻域平滑 为克服简单局部平均法的弊病,目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等,下面简要介绍几种算法。超限像素平滑法超限像素平滑法 对邻域平均法稍加改进,可导出超限像素平滑法。它是
8、将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较,根据比较结果决定点(x,y)的最后灰度g(x,y)。其表达式为 这算法对抑制椒盐噪声比较有效,对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大,去噪能力增强,但模糊程度也大。同局部平滑法相比,超限像素平滑法去椒盐噪声效果更好。(a)原图像 (b)对(a)加椒盐噪声的图像(c)33邻域平滑 (d)55邻域平滑(e)33超限像素平滑(T=64)(f)55超限像素平滑(T=48)中值滤波中值滤波 中值滤波是对一个滑动窗口内的诸像素灰度值排序,用中值代替窗口中心像素的原来灰度值,因此它是一种非线性的图像平滑法。例:采用13窗口
9、进行中值滤波原图像为:22621244424处理后为:22222244444 它对脉冲干扰及椒盐噪声的抑制效果好,在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。对中值滤波法来说,正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸,需通过从小窗口到大窗口的中值滤波试验,再从中选取最佳的。原图像中值滤波一维中值滤波的几个例子(N=5)离散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号,当其连续出现的次数小于窗口尺寸的一半时,将被抑制掉,否则将不受影响。一维中值滤波的概念很容易推广到二维。一般来说,二维中值滤波器
10、比一维滤波器更能抑制噪声。二维中值滤波器的窗口形状可以有多种,如线状、方形、十字形、圆形、菱形等(见图)。不同形状的窗口产生不同的滤波效果,使用中必须根据图像的内容和不同的要求加以选择。从以往的经验看,方形或圆形窗口适宜于外轮廓线较长的物体图像,而十字形窗口对有尖顶角状的图像效果好。图(a)为原图像;图(b)为加椒盐噪声的图像;图(c)和图(d)分别为33、55模板进行中值滤波的结果。可见中值滤波法能有效削弱椒盐噪声,且比邻域、超限像素平均法更有效。均值降噪均值降噪图像空间域锐化 在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。图像平滑通过积分过程使得图像边缘模糊,图
- 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:
- 图像增强讲义 图像 增强 讲义 PPT 课件
限制150内