数字图像处理第4章图像增强.ppt

4图像增强,原因图像在生成、传输或变换的过程中,受光源、成像系统性能以及通道带宽和噪声等因素影响，往往会出现清晰度下降、对比度偏低、动态范围不足、包含噪声等降质现象。为提高图像质量，需要进行增强处理。,4图像增强,目的获得更“好”的图像，主要是改善图像的视觉效果，提高图像的清晰度、对比度。获得更“有用”的图像，主要是将图像转换成一种更适合于人类或机器进行分析处理的形式，以便从图像中获取更多的有用信息,根据所处理的空间不同,分为:,基于图像域的方法：直接在图像所在的空间进行处理,有时也叫空域处理基于变换域的方法：在图像变换域间接进行，有时也叫频域处理,根据处理策略不同，分为：,点处理、邻域处理、全图处理,4图像增强,4.1灰度变换4.2直方图处理4.3图像平滑4.4图像锐化4.5同态增晰4.6伪彩色增强4.7图像增强案例分析,4图像增强,4.1灰度变换,灰度变换的定义:,4.1.1线性变换,的动态范围,的动态范围,原理:,公式：,压缩效果,拉伸效果,原因：灰度集中在某个较小的范围（对比度低）,4.1.2分段线性变换,为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可以采用分段线性变换，常用的方法是分段作线性变换。,若大部分像素的灰阶分布在a,b之间，小部分灰度级超出了此区域，为了改善增强效果，可以用如下所示的变换关系：,4.1.2分段线性变换,a,b,c,d,变换函数方程为非线性的变换称为非线性变换。,4.1.3非线性变换,突出感兴趣的区间，相对抑制不感兴趣的灰度区域,往往以牺牲某些灰度范围的图像信息（灰度压缩），来换取其它灰度范围的图像信息的改善（灰度拉伸）。,4.1.3非线性变换,对数拉伸,指数拉伸,对数拉伸,指数拉伸,4.2直方图处理,灰度直方图是表示一幅图像灰度分布情况的统计表。直方图的横坐标是灰度级，一般用表示，纵坐标是该灰度级的像素个数或这个灰度级出现的概率，对于数字图像而言，其概率就用频度代表，即：,为第k个灰度级的像素个数,为第k个灰度级,为图像的像素总数,4.2直方图处理,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，因此直方图作为一阶统计特征未反映相邻点之间的关系。但它却反映了图像的灰度散布范围等特征，如均值、方差，在很多场合下，往往是重要特征。,具有相同直方图的三幅图像,动态范围宽了，对比度增强了,4.2.1直方图均衡,直方图均衡：把原始图的直方图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。,1,在0,1区间内的任一个r值，都可以产生一个s值，且，为变换函数。为使这种灰度变换具有实际意义，应满足下列条件：,在区间，为单调递增函数；在区间，有。,用r和s分别表示归一化了的原始图像灰度和变换后的图像灰度。即,（0代表黑，1代表白）,这里，条件保证灰度级从黑到白的次序，条件保证变换后的像素灰度仍在原来的动态范围内。,由s到r的反变换为:,对s也满足条件和。,对于连续图像，当直方图均衡化（并归一化）后有，即：,两边取积分得：,就是所求的变换函数，它表明变换函数是原图像的累计分布函数，是一个非负的递增函数。,对于离散图像，假定数字图像中的总像素为N，灰度级总数为个L，第k个灰度级的值为，图像中具有灰度级的像素数目为，则该图像中灰度级的像素出现的概率（或称频数）为：,对其进行均匀化处理的变换函数为：,逆变换：,8个灰级，总计64*64=4096点,例题：,原图,变换图,均衡后,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。,4.2.1直方图均衡,结论：直方图均衡是一种非线性变换，以牺牲图像等级为代价，增加像素灰度值的动态范围，提高图像对比度。,直方图均衡能自动增强整个图像的对比度，但具体的增强效果不易控制，处理的结果是全局均衡的直方图，实际中需特定形状的直方图，从而有选择的增强某个灰度值范围内的对比度。,4.2.2直方图规定化,正变换,反变换,4.2.2直方图规定化,4.3图像平滑,是在图像噪声模型未知时消除噪声的一种常规办法，其作用有两个：消除或减少噪声，改善图像质量；模糊图像，使图像看起来柔和自然。,4.3.1空域平滑,空域平滑是图像域的处理算法，它在图像空间借助模板进行邻域操作完成,其变换公式为：,R,S,f(x,y),g(x,y),3x3模板,1、邻域平均法,对原始图像的每一个像素点(x,y)，取局部邻域的加权和局域处理,常用模板,3*3均值模板,4邻域均值模板,高斯模板,加权平均模板,1、邻域平均法,实现过程为：1)模板游走2）将mask下对应的灰度值相加，求平均值3）用均值代替f(x,y),2、中值滤波,方法：取某一窗口中各点值排序，并取位置居中的值为该点的像素灰度值。,中值滤波是一种非线性滤波，其窗口大小、形状可根据研究需要各式各样，如3X3,5X5等,问题：排序费时，n2量级两种快速算法：1、用nxn窗口滤波时，每次只考虑最左或最右列元素。2、准中值：先找到列中值，再求各列中值之中值。,3点排序取中值,例：,0006000002222.,02220002/34/3222.,000000002222.,3点平均,均值滤波的特点：使数字信号变“平坦”，可以在图像中消除或抑制噪声，同时，图像中景物边缘也会不同程度地变得模糊。,中值滤波的特点：可以消除杂散噪声点而不会或较小程度地造成边缘模糊。,3、多图像平均法,假设是零均值、高斯分布的随机噪声,可证明它们的期望值：,可以提高信噪比，去除随机噪声,加入先验知识与图像局部特征信息。典型的自适应图像增强系统：,局部特征,增强处理,图像,处理后图像,（图像先验知识）,4、自适应滤波,4.3.2频域平滑低通滤波器,频域平滑是在变换域上进行的处理算法。,二维离散函数的傅立叶变换及反变换：,假若待变换的图像不是方阵，则可以通过补0的方式变成方阵来处理，补0后不会影响付立叶变换的结果。,4.3.2频域平滑低通滤波器,频域滤波器公式：G(u,v)=H(u,v)F(u,v)其中：F(u,v)：原始图像Fourier频谱G(u,v)：平滑后图像的Fourier频谱H(u,v)：滤波器转移函数（即频谱）H(u,v)函数的定义，方法很多，没有唯一通用办法，针对具体情况选用不同方法。,频域处理的过程,4.3.2频域平滑低通滤波器,图像中，噪声或物体边缘处灰度变化剧烈，对应傅立叶频谱的高频分量，物体内部灰度分布均匀，变化平稳，对应傅立叶频谱的低频分量。因此可以用频率域低通滤波法去除或削弱图像的高频成分，以使噪声得到消除或抑制，从而实现图像平滑。,1理想低通滤波器(ILPF),负效：图像模糊，出现振铃效果,2巴特沃斯低通滤波器（BLPF）,一个n阶的巴特沃斯滤波器的传递函数为,其中，k=1或0.414，n为滤波的阶次。,它的带通与带阻之间无明显的不连续性，因此无振铃现象，模糊程度减少，它的尾部有较多的高频，通过下降它的截止频率达到一些平滑效果。,3指数低通滤波器（ELPF）,指数低通滤波器的传递函数为,ELPF具有较平滑的过渡带，为此平滑后的图像无振铃现象，比BLPF有更快的衰减特性，比BLPF稍模糊一些,4梯形低通滤波器（TLPF）,几种低通滤波器的比较,4.4图像锐化,图像平滑是通过削弱高频成分突出低频成分来达到滤除噪声、模糊图像的目的。锐化与平滑相反，主要是加强高频或减弱低频，图像锐化加强了细节和边缘，对图像有去模糊的作用。,4.4.1空域锐化,在空域中，图像平滑的实质就是对图像进行了求和取平均，是一种积分运算。而图像的锐化可以用积分的反运算“微分”来实现。微分运算提取出了图像中的边缘和轮廓，把微分的结果乘上一定的比例并与原图像相加即为空域锐化。,根据图像锐化的本质，锐化的通用公式可以写成：,或,1梯度运算,(a)一幅纵向边缘的图像,000,(b)每行像素的灰度剖面图(c)一阶导数(d)二阶导数,微分原理,梯度对应一阶导数，对于一个连续图像函数f(x,y)：,梯度矢量定义:,梯度的幅度:,梯度的方向:,微分原理,离散域上微分改成差分，而且由水平和垂直两个方向模板组成。以（i,j）为待处理位置坐标，则一阶差分:,x方向模板,y方向模板,常用梯度算子,1,0,0,-1,0,1,-1,0,Roberts算子,Sobel算子,Prewitt算子,Isotropic算子,梯度运算的结果有可能不在图像灰度级范围内（即负值和溢出现象），此时，需要将结果进行调整。,梯度锐化,在用梯度算子进行增强时，先用边缘算子计算图像的梯度，然后采用锐化公式对原图进行锐化。,令原图像为，锐化后的图像为，下面是一个利用门限判断来进行锐化的具体公式：,其中，为梯度运算，如Sobel、Roberts等,2拉普拉斯运算,拉普拉斯是二阶偏导数，对离散的图像数据而言：,2拉普拉斯运算,拉普拉斯模板,常用Laplace梯度模板,对应Laplace锐化模板,4.4.2频域高通滤波法,图像中的边缘和线条与图像频谱中的高频分量相对应，采用高通滤波器让高频顺利通过，得到高通图像，然后按前面锐化公式进行处理，可以使图像高频加强，边缘或线条变得更清楚，从而实现图像的锐化。,1理想高通滤波器,2巴特沃斯高通滤波器,其中，k=1或0.414，n为滤波的阶次。,3指数高通滤波器,4梯形高通滤波器,带阻滤波器,4.4.3带通或带阻滤波器,目的是对特定频段的信息进行增强（抑制）,成像物理背景：因为人眼对图像亮度响应具有类似于对数运算的非线性形式。,4.5图像的同态增晰,作用:消除图像上照明不均的问题，增加暗区的图像细节，同时又不损失亮区的图像细节，它在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强。,其中，I(x,y)：照射分量（低频）R(x,y)：反射分量（高频）图像细节的不同在空间作快速变化,f(x,y)=I(x,y)R(x,y),f(x,y)=i(x,y)r(x,y)i(x,y)照射分量,低频区r(x,y)反射分量，反映图像的细节分量，处于高频区,过程：,分析：关心反射信息，但室内外照射分量强度不同，图片明暗不均，能否消除照度不均，而增强反射部分比重。,4.5图像的同态增晰,Step：（1）z(x,y)=lnf(x,y)=lnI(x,y)+lnR(x,y)把频谱分开（2）Z(u,v)=I(u,v)+R(u,v)傅立叶变换（3）S(u,v)=H(u,v)Z(u,v)H(u,v)（同态滤波函数）处理Z(u,v)（4）s(x,y)=F-1S(u,v)=i(x,y)+r(x,y)（5）g(x,y)=exps(x,y)=expi(x,y)+r(x,y)=i0(x,y)r0(x,y),4.5图像的同态增晰,压缩照度分量的灰度范围或频域上消弱照度分量的频谱分量。增强反射分量的对比度或频域上加大反射频谱成分，使暗区细节增强，并保留亮区图像细节,4.5图像的同态增晰,同态滤波函数H(u,v)的选择：,同态滤波处理前同态滤波处理后（压缩图像的动态范围，增加了图像各部分之间的对比度）,4.5图像的同态增晰,原图,直接同态增晰,小波变换,小波变换后同态增晰,4.6伪彩色增强,人眼对彩色敏感，可辨2000多种色，灰度才几十级。,彩色增强技术分:假彩色增强:将一幅彩色图象映射为另一幅彩色图象,从而使某些图象达到更醒目伪彩色增强:灰度图象映射为彩色图象的技术手段,4.6伪彩色增强,1密度分割不连续的彩色处理,0,灰度级,彩色,密度分割,2灰度变换法伪彩色增强,输入三个电子枪，可得到其颜色内容由3个变换函数调制的混合图像。,2频域伪彩色处理,如滤波器可以选用低通,带通和高通三种,然后按照三种颜色合成即可,4.7图像增强案例分析,1图像修复(Inpainting)技术目的:去除杂质,如毛发/人耳图象,去除照片划痕方法:PDE问题:颜色失真,当遮挡过大时,无法修复,划痕检测出来后,采用中值插值和PDE修复效果基本一致,原图,Inpainting后,原图分割,去毛发后分割,人耳视频,处理前,人耳图像的处理，过多毛发无法处理,有颜色失真现象,处理后,4.7图像增强案例分析,2对比度增强目的:实现后续分割算法的准确性,提高视觉上的分析和理解方法:直方图均衡,自适应直方图均衡,对比度受限自适应直方图均衡问题:颜色改变失真