教学课件学习课件PPT空间域图像增强培训材料.ppt

1 3 1空域技术分类3 2象素间运算3 3直接灰度映射3 4直方图变换3 5线性滤波3 6非线性滤波3 7局部增强 空间域增强 频率域增强 2019 12 20 第三部分空间域图像增强 2 图象增强目标 改善图象质量 改善视觉效果标准 相当主观 因人而异没有完全通用的标准可以有一些相对一致的准则技术 好 有用 的含义不相同具体增强技术也可以大不相同 2019 12 20 3 3 1空域技术分类 空域 指由象素组成的空间空域增强 点操作 灰度点操作几何操作 2019 12 20 4 点操作 1 借助对一系列图象间的操作进行变换 2 将f 中的每个象素按eh操作直接变换以得到g 3 借助f 的直方图进行变换模板操作 2019 12 20 5 3 2图象间运算 图象间的运算指以图象为单位进行的操作 运算的结果是一幅新图象算术和逻辑运算图象间运算的应用 2019 12 20 6 一 算术和逻辑运算 1 算术运算 1 加法 记为p q 2 减法 记为p q 3 乘法 记为p q 4 除法 记为p q对整幅图象的算术和逻辑运算是逐象素进行的 即在两幅图象的对应 位置 象素间进行 2019 12 20 7 2 逻辑运算 1 补 complement 记为notq 2 与 and 记为pandq 3 或 or 记为porq 4 异或 xor 记为pxorq 2019 12 20 8 二 图象间运算的应用 1 图象间加法的应用模型运算可以证明 均值方差 2019 12 20 9 2019 12 20 10 clearx imread boat gif figure imshow uint8 x m n size x noise randn m n 25 y1 double x noise y1 uint8 y1 figure imshow uint8 y1 y2 zeros m n fork 1 20noise randn m n 25 y1 double x noise y1 uint8 y1 y2 y2 double y1 endy2 y2 k figure imshow uint8 y2 20次平均 多幅图象平均去噪声 11 2 图像减法应用 12 3 逻辑操作的应用 13 将f x y 中的每个象素灰度按eh操作直接变换以得到g x y 灰度映射原理典型灰度映射 3 3直接灰度映射 2019 12 20 14 一 灰度映射原理 直接灰度映射是一种点操作 2019 12 20 15 1 图象求反2 增强对比度3 动态范围压缩4 灰度切分 二 典型灰度映射 2019 12 20 16 图像求反例子 2019 12 20 17 分段线性变换 对比度拉伸 2019 12 20 18 1 灰度切割 2019 12 20 19 originalimage enhancedimage 实现图像灰度变换的一个例子 2019 12 20 20 二值化 2 二值化 2019 12 20 21 三 对数形式的eh 非线性灰度变换 低灰度范围得到扩展 高灰度范围得到压缩 2019 12 20 22 动态范围压缩 2019 12 20 23 四 指数形式的 参数去不同值可实现不同灰度范围的扩展或压缩 2019 12 20 24 originalimage enhancedimage cleary2 imread boat b bmp figureimshow uint8 y2 vmax max max y2 vmin min min y2 c3 255 double vmax vmin y3 c3 y2 vmin y3 round y3 figure imshow uint8 y3 用matlab实现图像灰度变换的一个例子 2019 12 20 25 3 4直方图变换 直方图是图象的一种统计表达直方图反映了图中灰度的分布情况直方图均衡化直方图规定化 2019 12 20 26 设图象的总象素数为n个 灰度级数为 灰度为的象素有个 据定义有 一 直方图均衡化 1 直方图的定义 设n表示图像f的总像素数 2019 12 20 27 灰度统计直方图 1 d的离散函数提供了图象象素的灰度值分布情况计算 设置一个有l个元素的数组 对原图的灰度值进行统计 2019 12 20 28 通过改变直方图的形状可以达到增强图像对比度的效果 例 图象灰度分布特性与图象的视觉质量 2019 12 20 29 借助直方图变换实现 归一的 灰度映射均衡化 线性化 基本思想变换原始图象的直方图为均匀分布 大动态范围使象素灰度值的动态范围最大 增强图象整体对比度 反差 二 直方图均衡化 2019 12 20 30 11111 归一化直方图增强函数 1 eh s 单值单增函数 各灰度级在变换后仍保持排列次序 2 变换前后灰度值动态范围一致 2019 12 20 31 22 累积直方图 归一化 1 tk是k的单值单增函数 2 灰度取值范围一致 0 tk 1 3 将s的分布转换为t的均匀分布 2019 12 20 32 3 直方图均衡化过程 第二步 计算直方图 第三步 利用变换函数计算累积直方图 第四步 量化 第一步 归一化 2019 12 20 33 例 设一幅图像64 64 4096个像素 即n 4096 8个灰度级 0 7 分布情况如下 进行直方图均衡化 灰度级sks0 0s1 1s2 2s3 3s4 4s5 5s6 6s7 7像素数nk790102385065632924512281 第一步 归一化 灰度级sks0 0s1 1s2 2s3 3s4 4s5 5s6 6s7 7像素数nk790102385065632924512281 第二步 计算直方图 概率ps sk 0 190 250 210 160 080 060 030 02 2019 12 20 34 灰度级sks0 0s1 1s2 2s3 3s4 4s5 5s6 6s7 7像素数nk790102385065632924512281 概率ps sk 0 190 250 210 160 080 060 030 02 2019 12 20 第三步 利用变换函数计算累积直方图 35 依此类推 t4 0 89 t5 0 95 t6 0 98 t7 1 0 19 44 65 81 89 95 981 量化 13566 灰度级sks0 0s1 1s2 2s3 3s4 4s5 5s6 6s7 7像素数nk790102385065632924512281 概率ps sk 0 190 250 210 160 080 060 030 02 2019 12 20 第四步 量化 36 数字图象64x64 8灰度级 归一化为 图象 进行直方图均衡化计算 原图灰度级0123456 归一化灰度级01 72 73 74 75 76 71各级象素数统计790102385065632924512281直方图 19 25 21 16 08 06 03 02 19 44 65 81 89 95 981 再量化13566 确定映射关系0 11 32 53 4 65 6 7 7新图像像素数7901023850985448新直方图 19 25 21 24 11 2019 12 20 2019 12 20 37 39 2019 12 20 40 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 2019 12 20 41 小结 1 各灰度级的概率分布相对均匀 动态范围得到了扩展 2 灰度级一般会减少 3 直方图均衡化处理是自适应完成的 通常结果无法控制 2019 12 20 42 设是原图直方图 是希望得到的图象直方图 要求确定 直方图规定化的含义 变换直方图使之成为某个特定的形状 三 直方图规定化 2019 12 20 43 离散 要求确定1 均衡化 2 均衡化 其逆变换3 利用近似相同 2019 12 20 直方图规定化步骤 44 关键是如何确定的对应 映射 关系 即原始累积直方图与规定累积直方图的映射关系 单映射规则 sml 从原始累积直方图 向规定累积直方图 的映射 从开始 规则 2019 12 20 45 组映射规则 gml 从映射 从开始 规则 从开始 找配对 在配对过程中由使上式最小确定 找到使上式最小的 当 2019 12 20 46 直方图规定化例子 原直方图012345670 190 250 210 160 080 060 030 02规定直方图3570 20 60 2 2019 12 20 47 规定化 第一步 第二步 2019 12 20 48 第三步 确定单映射规则组映射规则映射误差 规定直方图与规定化计算得到的直方图对应项绝对差的和值 例中 sml为0 48 gml为0 04 2019 12 20 49 2019 12 20 50 四 直方图规定化与直方图均衡化比较直方图均衡化 自动增强效果不易控制总得到全图增强的结果直方图规定化 有选择地增强须给定需要的直方图可特定增强的结果 2019 12 20 51 2019 12 20 52 2019 12 20 53 2019 12 20 3 5线性滤波 利用象素本身以及其邻域象素的灰度关系进行增强的方法常称为滤波技术分类和实现原理模板卷积 邻域操作线性平滑滤波器减弱或消除图象中的噪声 减弱高频分量 2019 12 20 54 一 技术分类和实现原理 在图象空间借助模板进行邻域操作分类1 1 线性 如邻域平均 2 非线性 如中值滤波分类2 1 平滑 模糊 消除噪声 2 锐化 增强被模糊的细节 2019 12 20 55 滤波器实现 邻域运算 2019 12 20 56 1 邻域平均系数都是正的保持灰度值范围 所有系数之和为1 例 3 3模板 二 线性平滑滤波器 2019 12 20 57 2 加权平均中心系数大周围系数小 2019 12 20 58 几个常用的邻域平均算子 2019 12 20 59 邻域的选择邻域的大小 邻域的方向和形状 自适应平滑 方向平滑 如分块处理 沿边缘走向平滑等一种典型的方向平滑算法 先判断待处理点是否边缘点 如不是 采用无方向 全向 平滑 如是 判断边缘走向 沿边缘走向平滑 a 2019 12 20 60 建立五个模板 b 采用局部方差 进行边缘点的判断如方差小于某域值 门限 则点为非边缘点 可用全向平滑 否则 为边缘点 用方向平滑 c 边缘走向判断 计算上述四方向的局部方差 最小方差指出最可能的边缘走向 用所对应的模板进行平滑 2019 12 20 61 邻域平均图象平滑例子 高斯噪声 2019 12 20 62 邻域平均图象平滑例子 椒盐噪声 2019 12 20 63 3 6非线性滤波 逻辑的 几何的 代数的非线性滤波器基于集合的 基于形状的 基于排序的非线性平滑滤波器非线性锐化滤波器 2019 12 20 64 一 非线性平滑滤波器 既消除噪声又保持细节 不模糊 1 中值 median 滤波器 1 将模板中心与象素位置重合 2 读取模板下各对应象素的灰度值 3 将这些灰度值从小到大排成1列 4 找出这些值里排在中间的1个 5 将这个中间值赋给模板中心位置象素 2019 12 20 65 2 中值 median 滤波器的模板中值滤波器的消噪声效果与两个不同的 但又有联系的因素有关 首先是模板的尺寸 其次是参与运算的象素数图象中尺寸小于模板尺寸一半的过亮或过暗区域将会在滤波后会被消除掉 2019 12 20 66 有效去除脉冲噪声 较好保持图象边缘 但可能会丢失一些图象细节窗口的选择 一维为例 形状 线形 方形 十字形等 具体选择与应用相关大小 脉冲干扰连续出现的象素数小于窗口尺寸的一半时 干扰抑制 太小 平滑效果不好 太大 对信号的信息 如某些灰度跳变的信息 产生抑制 加权中值滤波 取值加权 位置重复加权 位置重复加权 例 2019 12 20 67 中值滤波图象平滑例 椒盐噪声 2019 12 20 68 中值滤波图象平滑例 高斯噪声 2019 12 20 69 2019 12 20 70 3 百分比 percentile 滤波器中值滤波器是一个特例最大值最小值4 中点滤波器 2019 12 20 71 边缘 细节增强 突出边缘信息 加强轮廓边缘边缘模糊边缘增强关键 边缘增强的同时可能使噪声增强 二 非线性锐化滤波器 2019 12 20 72 1 非线性锐化滤波器利用微分可以锐化图象 积分平滑图象 梯度 对应一阶导数最常用的微分矢量 需要用2个模板分别沿x和y方向计算 2019 12 20 73 2019 12 20 74 梯度幅度 反映边缘的强度 该点灰度最大变化率 梯度相角 指示边缘的走向 边缘的法线方向 数字图象 微分差分或梯度向量 2019 12 20 75 a roberts梯度算子 采用对角方向的差分 令 b 拉普拉斯 laplacian 算子 二阶微分连续 数字图象 2019 12 20 77 对应模板有时用 2019 12 20 78 c 图象边缘增强算子 2019 12 20 79 2 最大 最小锐化变换将最大值滤波器和最小值