数字图像处理课件-lecture07 image enhancement ii

Chapter IV.Image Enhancement,Dong NingSchool of Instrument Science and Opto-Electronics EngineeringHefei University of TechnologyEmail: ,Outline,Review on Last CourseNeighborhoodEnhancement in Spatial DomainEnhancement in Frequency DomainColor Enhancement,图像增强基本概念,Image Enhancement Concept,3,图像增强,什么是图像增强？按我们的需要突出一幅图像中的某些“有用”信息，同时削弱另外一些“无用”信息的图像处理方法。图像增强的目的：通过对图像的处理，使图像比处理前更适合一个特定的应用。也就是为了某种应用目的去改善图像的质量。,4,改善图像的视觉效果。突出图像的特征，便于计算机处理。,图像增强的技术方法,空域处理法：直接在图像所在的二维空间进行处理，即直接对每一像元的灰度值进行处理。灰度变换、空间域滤波频域处理法：将图像从空间域变换到频率域对图像进行处理。频域滤波,5,空间域图像增强,直接灰度变换 基于图像的直方图进行灰度变换 对两个以上的图像进行代数运算实现灰度变换,6,灰度图像的二值化,7,直方图与二值化,8,直方图与二值化,9,多阈值处理,10,邻域 Neighborhood,邻域和邻接像素的连接连接的成分像素的距离,11,邻域和邻接,12,像素的连接,13,连接的成分,14,连接的成分,15,像素间的距离,16,像素间的距离,17,二值化和邻域的应用,区域的标记区域信息的提取：轮廓形状、大小、周长。,18,空间域滤波,Spatial Domain Filtering,19,空间域滤波,空间域滤波是基于邻域处理的增强方法，它应用某一模板对每个像元与其周围邻域的所有像元进行某种数学运算得到该像元的新的灰度值，新的灰度值的大小不仅与该像元的灰度值有关，而且还与其邻域内的像元的灰度值有关。方法： 常用的有图像平滑和图像锐化,20,图像平滑滤波基本思想,背景图像在传输过程中，由于传输信道、采样系统质量较差，或受各种干扰的影响，而造成图像毛糙，此时，就需对图像进行平滑处理。图像噪声的来源及其特点通道噪声：产生于图像信息的传递中，其值与图像信号的强弱无关。现象：“雪花”量化噪声：灰度在量化过程中，不可避免的产生量化噪声。特点：噪声像素的灰度是空间不相关的，即它与邻近像素显著不同,图像平滑滤波技术,图像平滑：平滑滤波对图像的低频分量进行增强，同时可以削弱图像的高频分量，因此一般用于消除图像中的随机噪声，从而起到图像平滑的作用。常用方法：邻域平均法（线性的）中值滤波法（非线性的）,22,邻域平均法,均值滤波一幅图像往往受到各种噪声源的干扰（如电传感器和传输误差等），这种噪声常常为一些孤立的像素点，它们像雪花使图像被污染，噪声往往是叠加在图像上的随机噪声,而图像灰度应该相对连续变化的，一般不会突然变大或变小，这种噪声可以用邻域平均法使它得到抑制。邻域平均法是简单的空域处理方法。这种方法的基本思想是用几个像素灰度的平均来代替一个像素原来的灰度值，实现图像的平滑。,23,均值滤波,24,有一幅图像图像：,f(x,y),在图像中为了获取f(x,y)的新值则开一个MN的窗口S,窗口S就称为f(x,y)的邻域,我们可以根据窗口内各点的灰度确定f(x,y)的新值。,邻域平均法常见的方法有：,(1)简单平均法：,在此算法中，M,N的值不宜过大，因为M,N值的大小对速度有直接影响，且M,N值越大变换后的图像越模糊,特别是在边缘和细节处。,设图像像素的灰度值为f(x,y)，取以其为中心的MN大小的窗口，用窗口内各像素灰度值代替f(x,y)的值，即：,噪声是随机不相关的，如果窗口内各点的噪声是独立等分布的，经过这种方法平滑后，信噪比可提高 倍。,平滑可以抑制高频成分，但也使图像变得模糊,28,平滑可以抑制高频成分，但也使图像变得模糊,平滑可以抑制高频成分，但也使图像变得模糊,(2)邻域加权平均方法,邻域加权平均法也属于空域滤波增强算法，它是利用模板卷积的方法实现对原图的滤波，可表示为：,W称为模板,f(x,y),邻域加权平均法举例：,将模板上系数与模板下对应像素的灰度值相乘；,将所有乘积相加，并除以系数总和；,将模板在图中漫游，并将模板中心与图中某像素点重合；,用所得结果代替原中心点的值；,f(x,y),中值滤波,前面使用的邻域平均法属于低通滤波的处理方法。它在抑制噪声的同时使图像变得模糊，即图像的细节(例如边缘信息)被削弱，如果既要抑制噪声又要保持细节可以使用中值滤波。,34,中值滤波工作步骤,35,将窗口在图中移动；,读取窗口内各对应像素的灰度值；,将这些灰度值从小到大排成1列；,找出这些值里排在中间的1个；,将这个中间值赋给对应窗口中心位置的像素。,取3X3窗口,从小到大排列，取中间值,中值滤波的一些特性,对大的边缘高度，中值滤波较邻域均值好得多，而对于较小边缘高度，两种滤波只有很少差别。中值滤波是非线性的。 中值滤波在抑制图像随机脉冲噪声方面甚为有效。且运算速度快，便于实时处理。中值滤波去除孤立线或点干扰，而保留空间清晰度较平滑滤波为好；但对高斯噪声则不如平滑滤波。,43,中值滤波示例,44,中值滤波示例,45,图像锐化滤波技术,原因图像经转换或传输后，可能出现质量下降，模糊。图像锐化目的：加强图像轮廓，使图像看起来比较清晰。,48,图像锐化的思想,49,考察正弦函数 ，它的微分 。微分后频率不变，幅度上升2a倍。,空间频率愈高，幅度增加就愈大。这表明微分是可以加强高频成分的，从而使图像轮廓变清晰。,图像锐化的原理,图像轮廓上，像素灰度有陡然变化，梯 度值很大。图象灰度变化平缓区域，梯度值很小。等灰度区域，梯度值为零。,最常用的微分方法是梯度法和拉普拉斯算子,Laplacian operator Example,65,Laplacian operator,66,Different Forms:,图像平滑,图像锐化,空间域滤波,邻域平均法,梯度法,拉普拉斯算子,中值滤波,频率域滤波,Frequency Domain Filtering,68,频域的引入,空间域的滤波卷积定理,69,图像的傅立叶变换的应用,70,频域滤波增强,考查傅立叶频谱与图像空域特性的关系图像变化平缓的部分靠近频率平面的圆心，这个区域为低频区域图像中的边、噪音、变化陡峻的部分，以放射方向离开频率平面的圆心，这个区域为高频区域,71,边、噪音、变化陡峭部分,变化平缓部分,u,v,FFT的数学原理回顾,72,FFT的数学原理回顾,73,FFT的数学原理回顾,74,典型函数的傅里叶变换,周期函数矩形函数,75,常见二维傅立叶变换结果,76,FFT Pattern,77,FFT Pattern,78,FFT Pattern,79,FFT Pattern,80,低通滤波器 高通滤波器 带通、带阻滤波器,巴特沃思低通滤波器(BLPF)的特点,没有明显的跳跃,模糊程度减少,和理想圆形低通滤波器相比,尾部含有较多的高频，对噪声的平滑效果不如理想低通滤波器。,指数低通滤波器(ELPF)的特点,有更加平滑的过渡带，平滑后的图像没有跳跃现象,与BLPF相比，衰减更快，经过ELPF滤波的图象比BLPF处理的图象更模糊一些,对滤波器的理解,100,四种低通滤波器的比较,图像轮廓是灰度陡然变化的部分，包含着丰富的空间高频成分。 把高频分量相对突出，显然可使轮廓清晰。 高频滤波器使高频分量相对突出，而低频分量和甚高频分量则相对抑制。,高通滤波器,频域滤波的实例,115,彩色增强,Color Enhancement,116,彩色增强,真彩色增强色彩平衡 Auto White Balance假彩色增强：把真实的自然彩色图像或遥感多光谱图像处理成假彩色图像。伪彩色增强：把黑白图象处理成伪彩色图象。,117,White Balance,118,错误的白平衡,正确的白平衡,白平衡,119,伪彩色增强,人眼只能区分40多种不同等级的灰度，却能区分几千种不同色度、不同亮度的色彩。伪彩色处理就是把黑白图象的灰度值映射成相应的彩色。,120,把图像灰度范围分割为若干等级的灰度区间，对每一区间映象为某种色彩。,灰度分层,将每一个像元的灰度值通过三个独立变换分别产生红、绿