第七讲图像对比度增强

内容回顾,几何变换不改变像素值，而是改变像素所在的位置。图像的形状变换；图像的位置变换；图像的几何校正。,内容回顾,按比例缩小,不按比例缩小,图像的形状变换,内容回顾,图像的形状变换,放大5倍,内容回顾,图像的形状变换,内容回顾,图像的位置变化平移镜像旋转,第七讲图像对比度增强,图像对比度增强是改善图像视觉效果的重要措施之一。黑白图像的对比度的大小主要决定于图像的灰度级之间的级差。通过被摄景物最亮部分与最暗部分的密度差，来实现图像的对比度调整。7.1线性增强；7.2非线性增强；7.3直方图增强；7.4局部统计法增强。,第七讲图像对比度增强,增强前的图像,增强后的图像,7.1线性增强,线性变换,7.1线性增强,1.基本线性增强,增强前的最低灰度,增强前的最高灰度,增强后的最低灰度,增强后的最高灰度,7.1线性增强,基本线性增强增强变换条件：变换前后对比度呈线性关系,7.1线性增强,当a1时，则变换后图像的对比度增大；当a1，其它灰度区a1。其变换式与基本增强算法相同，只是针对原图像的区间要有所选择。,7.2非线性增强,线性方法主要适应于整幅图像的灰度级变化较平缓的情况。对于一些成像结果比较特殊的图像（直方图非高斯分布），则应选择合适的处理方法，即非线性处理方法。,7.2非线性增强,非线性对比度增强法，所选择的变换函数是非线性函数。常用的非线性函数：指数函数对数函数,7.2非线性增强,7.2非线性增强,可以有选择地对曝光不足或曝光过度的图像进行指数或对数函数变换，使图像的对比度得到调整。,7.3直方图增强法,图像的灰度级的最大值和最小值，以及灰度级在图像中出现的次数，可以看出图像对比度的大小以及相邻灰度级之间的级差。通过变换图像直方图（或灰度分布），实现对比度增强。,7.3直方图增强法,直方图均衡化对于一副图像,如果其灰度直方图是均匀分布的，则该图像具有较好的视觉效果。,7.3直方图增强法,直方图均衡化有两幅连续图像，r、s分别为变换前后的灰度（归一化灰度），设他们之间的灰度变换函数为：,该变换满足以下条件：在内为单调递增函数；在内,其反函数同样满足上述条件,7.3直方图增强法,原图像灰度的概率密度函数,变换后图像灰度的概率密度函数,S是r的函数，由概率论理论可知，s的概率密度函数可由r的概率密度函数求出。s的分布函数为：,概率密度函数是分布函数的一阶导数,7.3直方图增强法,通过变换，改变了图像灰度级的分布密度函数,7.3直方图增强法,灰度直方图是均匀分布的，则该图像具有较好的视觉效果，可以作归一化假定：,7.3直方图增强法,均衡化算法检验,？,7.3直方图增强法,对于灰度级为离散的数字图像，用频率来代替概率，则变换函数的离散形式可表示为：,7.3直方图增强法,直方图均衡化的算法步骤及实例计算原图像灰度直方图；计算新的灰度级；修正归一化灰度为实际灰度，建立灰度映射表；生成新的均衡化图像；计算新图像的直方图。,7.3直方图增强法,灰度映射表,原图像,7.3直方图增强法,直方图均衡化效果,7.3直方图增强法,直方图均衡化效果,7.3直方图增强法,直方图均衡化效果,7.3直方图增强法,理想情况下，经过直方图均衡化以后的图像直方图应是十分平坦的，但实际情况并非如此，产生的新的直方图比变换前平坦多了，但和理论分析有差异，此外，灰度级减少了。这种现象称为简并现象，这是灰度级作近似的结果。,7.3直方图增强法,例：有一幅64*64，3bit数字图像，各个灰度级出现的频数如下表所示。要求将此幅图像进行直方图均衡化，并画出变换前后直方图，进行比较。,7.3直方图增强法,2.直方图规定化为一幅图像指定一种特定的直方图，调整图像，使它的直方图与指定的一样，也称为直方图匹配。如给定变换后的概率密度函数为一些特殊形式的函数。如概率密度为正态分布函数。,7.3直方图增强法,7.3直方图增强法,原图像灰度r,目标图像灰度z,变换函数为：,灰度分布概率密度函数,7.3直方图增强法,变换函数为：,分别对源图像及目标图像均衡化,7.3直方图增强法,7.3直方图增强法,原图像均衡归一化灰度映射表,原图像,目标图像灰度直方图,目标图像均衡归一化灰度映射表,7.3直方图增强法,直方图规定化效果,7.3直方图增强法,直方图规定化效果,7.3直方图增强法,直方图规定化效果,7.4局部统计增强法,对比度增强除了灰度变换与直方图修整法外，还可用局部均值和方差进行对比度增强。在一幅图像中，令像素(x,y)的灰度值为f(x,y)，所谓局部均值和方差是指以像素(x,y)为中心的(2n+