数字图像处理与Python实现-课件第五章-图像增强

数字图像处理2022-2023-2课程内容入门认识第7章图像压缩第8章图像分割基本操作应用第9章图像水印第10章指纹识别第11章深度学习综合案例2第五章图像增强技术5.1图像增强技术分类5.2直接灰度变换法5.3直方图修正法5.4邻域增强5.5频域增强5.1图像增强技术分类点运算算法邻域增强算法（5.4）图像增强灰度图像增强彩色图像增强空域图像增强频域图像增强直接对图像像素对图像变换后的系数图像平滑图像锐化均值滤波、中值滤波直接灰度变换方法（5.2）基于直方图的灰度变换（5.3）图像平滑图像锐化一二阶微分算子低通滤波高通滤波带通与带阻滤波同态滤波作用域处理对象5.2.1线性拉伸法全段线性拉伸法全段线性拉伸法(按一种线性关系）分段线性拉伸法（多种线性关系）原图像：灰度范围

[a,b]内，变换后：灰度范围[c,d]内，变换关系为：

g(m,n)=k[f(m,n)-a]+c讨论：[a,b]和[c,d]的取值关系

d-c=b-a，则k=1，改变位置

对于b>a，d<c成立，则k<0，明暗取反尤其当k=-1时，g(m,n)即为f(m,n)的取反5.2直接灰度法线性拉伸法非线性拉伸法分段线性拉伸法abcdMfMg

f(x,y)

g(x,y)5.2.1线性拉伸法5.2.1线性拉伸法分段线性拉伸法(a)扩展感兴趣的，牺牲其他

(b)扩展感兴趣的，压缩其他分析下面两种拉伸曲线的效果：(a)原图

(b)扩展动态范围5.2.2非线性拉伸法指数对数如指数函数、对数函数、平方函数、阈值函数或几种非线性函数的组合等g(x,y)=bC[f(x,y)-a]g(x,y)=loga[f(x,y)]5.2.2非线性拉伸法对数典型应用--傅里叶频谱，其频谱值的范围很大，图像显示系统往往不能呈现出；如此大范围的值，造成很多细节在显示时丢失，5.2.2非线性拉伸法对数点运算算法邻域增强算法（5.4）图像增强灰度图像增强彩色图像增强空域图像增强频域图像增强直接对图像像素对图像变换后的系数图像平滑图像锐化均值滤波、中值滤波直接灰度变换方法（5.2）基于直方图的灰度变换（5.3）图像平滑图像锐化一二阶微分算子低通滤波高通滤波带通与带阻滤波同态滤波作用域处理对象5.3.1灰度直方图对每个灰度值，统计在图像中具有该灰度值的像素个数，并绘制成图形5.3直方图修正法图像的灰度像素数统计图，不可逆变换：直方图是多对一的映射结果，即多个图像可以生成相同的直方图，因此反映相邻点之间的关系。反映了图像的灰度散布范围等特征，在很多场合下是重要特征。六个像素定义5.3.1灰度直方图定义5.3.2灰度直方图3）边界阈值的选择1）2)整幅图像的直方图是内部区域的直方图之和。T双峰直方图用途5.3.2直方图均衡化动态范围宽了，对比度增强了定义把原始图进行某种灰度变换，为均匀分布的形式，增加像素灰度值的动态范围，提高图像对比度一幅灰度图像的直方图分布说法正确的是：（）直方图的峰值集中在低端，则图像较暗；反之，图像较亮。直方图的峰值集中在某个区域，不影响图像清晰度。物体和背景差别很大的图像，其直方图具有双峰特性。直方图分布越均匀，图像对比度越好。ABCD提交多选题1分5.3.2直方图均衡化定义r:原图像归一化后的灰度级，则0≤r≤1，r=0为黑（最暗），r=1为白（最亮）；设变换后的图像灰度级为s，则任意一个r值对应一个s值。设s=T(r)，T(r)为变换函数。应满足如下条件，可将r的分布转换为均匀分布。(a)对0≤r≤1，s=T[r]是单调增函数。（保证由黑到白）(b)对0≤r≤1，0≤s=T[r]≤1。（取值范围一致）5.3.2直方图均衡化求解变换函数图像变换前后的直方图分别记为P(r)和P(s)

5.3.2直方图均衡化求解变换函数的实例8个灰级，尺寸64*64大小=4096点仅存5个灰级，宏观拉平，微观不可能平层次减少，对比度提高。5.3.2直方图均衡化求解变换函数的实例分析：（1）均衡化后的直方图比原来均匀很多，但并非完全均匀（2）直方图均衡化提高了图像的对比度，但可能会减少图像的灰度级。（3）原直方图上像素较少的灰度级被归并到新的灰度级上，与像素较多的灰度级的间隔被拉大了。（4）均衡化后有些信息会损失，可能导致不良结果。可以采用局部直方图均衡化方法。5.3.2直方图均衡化求解变换函数的实例Python实现：#获得直方图hist=cv.calcHist([gray],[0],None,[256],[0,255])#应用直方图均衡化dst=cv.equalizeHist(gray)思考分析：直方图均衡化方法是线性变化吗？是否AB提交单选题1分23思考分析：关于直方图均衡化方法的说法正确的是（）增加像素灰度值的动态范围，但是效果不易控制图像增强效果一定符合人的视觉特性和具体应用的要求提高图像对比度为保证效果，可以有选择地增强某个灰度范围内的对比度ABCD提交多选题1分点运算算法邻域增强算法（5.4）图像增强灰度图像增强彩色图像增强空域图像增强频域图像增强直接对图像像素对图像变换后的系数图像平滑图像锐化均值滤波、中值滤波直接灰度变换方法（5.2）基于直方图的灰度变换（5.3）图像平滑图像锐化一二阶微分算子低通滤波高通滤波带通与带阻滤波同态滤波作用域处理对象5.4.1邻域平均值法采用3x3均值滤波滤波核为：5.4邻域增强法邻域平均值法，中值滤波法定义

1111/9111

11100000000000000000000000008

00000000000000000000000000000000000000000099999999000000009999999900000000999999990000000099999999000000009999199900000000999999990000000099999999000000009999999900000000000000000000000000000000000000800000000000000000000000000000你发现了什么？原始图像均值滤波后、（1）变“平坦”，景物边缘变得模糊。（2）减少、抑制或者消除噪声。、、平滑5.4.1邻域平均值法图像平滑目的：减少噪声1）加性噪声2）乘性噪声3）量化噪声4）椒盐噪声5）信噪比（SignalNoiseRate）：衡量图像噪声，信号与噪声的功率谱之比，近似估计图象信噪比：信号与噪声的方差之比

（在均值为零的情况下，功率就是方差）

1/251/251/251/251/25

111111/251/251/251/251/25111111/251/251/251/251/25或1/25111111/251/251/251/251/25111111/251/251/251/251/25

11111模板尺寸越大，模糊作用越强5.4.1邻域平均值法5x5均值滤波5.4.1邻域平均值法邻域均值滤波加入椒盐噪声、高斯噪声、Speckle噪声和Poisson噪声后的图像邻域平均值法处理的结果#均值滤波result=cv2.blur(Image,(7,7))5.4.2中值滤波法中值滤波输出像素是邻域内像素的中间值而不是平均值步骤:

1）模板游走2）将mask下对应的灰度值（奇数）排序3）用中间值代替f(x,y),消除孤立的噪声点5.4.2中值滤波法中值滤波示意图0000000000000000000000000800000000000000000000000000000000000000000099999999000000009999999900000000999999990000000099999999000000009999199900000000999999990000000099999999000000009999999900000000000000000000000000000000000000800000000000000000000000000000?????????????????00000000000000??00000000000000??00000000000000??00009999990000??00099999999000??00099999999000??00099999999000??00099999999000??00099999999000??00099999999000??00009999990000??00000000000000??00000000000000??00000000000000????????????????

?可以消除杂散噪声点而不会或较小程度地造成边缘模糊。你发现了什么？5.4.2中值滤波法中值滤波实例类似中值滤波：最大值滤波法和最小值滤波法#中值滤波img_median=cv.medianBlur(src,5)

点运算算法邻域增强算法（5.4）图像增强灰度图像增强彩色图像增强空域图像增强频域图像增强直接对图像像素对图像变换后的系数图像平滑图像锐化均值滤波、中值滤波直接灰度变换方法（5.2）基于直方图的灰度变换（5.3）图像平滑图像锐化一二阶微分算子低通滤波高通滤波带通与带阻滤波同态滤波作用域处理对象5.4.3微分运算法梯度运算法梯度运算和拉普拉斯运算对于图像f(x,y)，在(x,y)处的梯度定义为：G[f(x,y)]是一个矢量，常用幅值表示梯度为：Roberts、Prewitt和Sobel算子(i,j)(i+1,j)(i,j+1)(i,j)(i+1,j)(i,j+1)(i+1,j+1)5.4.3微分运算法梯度运算法实例#Sobel算子x=cv2.Sobel(grayImage,cv2.CV_16S,1,0)#对x一阶求导y=cv2.Sobel(grayImage,cv2.CV_16S,0,1)#对y一阶求导absX=cv2.convertScaleAbs(x)absY=cv2.convertScaleAbs(y)Sobel=cv2.addWeighted(absX,0.5,absY,0.5,0)锐化5.4.3微分运算法图像锐化边缘锐化的原理边缘或纹理是灰度值发生突变的地方，采用差分或梯度计算来检测边缘。若在原图上（或一定的灰度值上）叠加该检测结果有勾边效果。5.4.3微分运算法图像锐化注意噪声亦属高频分量，往往会随高频增强而突出。因此往往需要去噪后再锐化边缘锐化的缺点：

边缘突出的同时图像中噪声也会被突出。关于图像锐化和图像平滑的说法，正确的是（）图像锐化和平滑都不属于图像增强的方式图像锐化用于增强边缘，导致高频分量增强，会使图像清晰图像平滑可用于消除图像噪声图像平滑可造成图像模糊ABCD提交多选题1分点运算算法邻域增强算法（5.4）图像增强灰度图像增强彩色图像增强空域图像增强频域图像增强直接对图像像素

（5.5）对图像变换后的系数图像平滑图像锐化均值滤波、中值滤波直接灰度变换方法（5.2）基于直方图的灰度变换（5.3）图像平滑图像锐化一二阶微分算子低通滤波高通滤波带通与带阻滤波同态滤波作用域处理对象5.5频域增强法在频率域空间对图像进行滤波，以傅里叶变换为例低通滤波高通滤波带通与带阻滤波、同态滤波5.5.1低通滤波法图