姚敏-数字图像处理-第四章-图像增强-课件

DigitalImageProcessing

数字图像处理E-MAIL:myao99@2020/12/271DigitalImageProcessing数字图像处第四章图像增强2020/12/272第四章图像增强2020/12/272精品资料精品资料你怎么称呼老师？如果老师最后没有总结一节课的重点的难点，你是否会认为老师的教学方法需要改进？你所经历的课堂，是讲座式还是讨论式？教师的教鞭“不怕太阳晒，也不怕那风雨狂，只怕先生骂我笨，没有学问无颜见爹娘……”“太阳当空照，花儿对我笑，小鸟说早早早……”姚敏-数字图像处理-第四章-图像增强-ppt课件4.1概述2020/12/2754.1概述2020/12/275基于像素的点处理基于模板的空域滤波空域方法频域方法图像增强方法概述图像增强的目的是对图像进行加工，以得到对具体应用来说视觉效果更“好”，更“有用”的图像

2020/12/276基于像素的点处理基于模板的空域滤波空域方法频域方法图像增

4.2空域点处理增强2020/12/2774.2空域点处理增强2020/12/277空域处理表示定义

设f(x,y)是增强前的图像，g(x,y)是增强处理后的图像，T是定义在(x,y)邻域一种操作,则空间域处理可表示为：如果T是定义在每个点(x,y)上，则T称为点操作；如果T是定义在(x,y)的某个邻域上，则T称为模板操作。

2020/12/278空域处理表示定义设f(x,y)是增强前的图像，g(x空域处理表示如果用s和t分别代表f和g在(x,y)处的灰度值，则空间域处理就表示为：下图是增强对比度的T操作：2020/12/279空域处理表示如果用s和t分别代表f和g在(x直接灰度变换1、图像求反

假设对灰度级范围是[0，L-1]的图像求反，就是通过变换将[0，L-1]变换到[L-1，0]，变换公式如下：

此方法适用于增强嵌入于图像暗色区域的白色或灰色细节。

2020/12/2710直接灰度变换1、图像求反此方法适用于增强嵌入于图像暗色直接灰度变换2.线性灰度变换

典型的分段线性变换数学表达式如下：用分段线性法，将需要的图像细节灰度级拉伸，增强对比度，不需要的细节灰度级压缩

2020/12/2711直接灰度变换2.线性灰度变换用分段线性法，将需要的3.对数变换

要消除这种因动态范围太大而引起的失真，一种有效的方法是对原图像的动态范围进行压缩，最常用的是借助对数形式对动态范围进行调整，其数学表达式如下：直接灰度变换2020/12/27123.对数变换直接灰度变换2020/12/2712例如，傅里叶谱的范围在[0R]=[0，1.6×106]，为了在一个8位的显示设备上进行显示，并充分利用显示设备的动态范围，则变换表达式中的C为：C=256/log(1+1.6*106)图为增强前后的傅里叶谱对数变换2020/12/2713例如，傅里叶谱的范围在[0R]=[0，1.6×106]，直接灰度变换4、灰度分层一种方法：是对感兴趣的灰度级以较大的灰度值t2以显示而对另外的灰度级则以较小的灰度值t1来显示。另一种方法：对感兴趣的灰度级以较大的灰度值进行显示而其他的灰度级则保持不变。2020/12/2714直接灰度变换4、灰度分层另一种方法：对感兴趣直接灰度变换5、位图切割

设图像中每一个像素由8bit表示，也就是说图像有8个位面，一般用位面0表示最低位面，位面7表示最高位面，如图所示。借助图像的位面表示形式可通过对图像特定位面的操作来达到对图像的增强效果。2020/12/2715直接灰度变换5、位图切割2020/12/2715直方图修正

直方图均衡化

直方图规定化

图像灰度统计直方图：常用的方法：2020/12/2716直方图修正直方图均衡化图像灰度统计直方图：常用的方法直方图均衡化T满足2个条件：（1）T单值单增函数。（2）对有则有：直方图均衡化中T：则：2020/12/2717直方图均衡化T满足2个条件：2020/12/2717直方图均衡化原始图像各灰度级对应的概率分布灰度级01234567像素790102385065632924512281概率0.190.250.210.160.080.060.030.02 例2020/12/2718直方图均衡化原始图像各灰度级对应的概率分布灰度级012345直方图均衡化图像直方图均衡化过程如下：（1）得到变换后的值：依此类推，即可得到

例2020/12/2719直方图均衡化图像直方图均衡化过程如下：依此类推，即可得到例直方图均衡化（2）用式将扩展到范围内并取整，得：(3)将相同值的归并起来,得:

例2020/12/2720直方图均衡化（2）用式直方图均衡化（4）变换后5个灰度级的像素数

(5)新灰度级分布

例2020/12/2721直方图均衡化（4）变换后5个灰度级的像素数(5)新灰度级直方图均衡化

结果原始直方图变换函数直方图均衡化结果2020/12/2722直方图均衡化结果原始直方图变换函数直方图均衡化结果2020直方图均衡化

效果

原图均衡化后效果图2020/12/2723直方图均衡化效果原图均衡化后效果图202直方图规定化2．

直方图规定化

（2）同样对规定图像计算能使规定的直方图均衡化：

（3）将原始直方图对应映射到规定的直方图（1）对原始图像的直方图进行均衡化：

2020/12/2724直方图规定化2．直方图规定化（2）同样对规定图像计算能使规直方图规定化灰度级01234567概率0.00.000.000.150.200.300.200.15灰度级01234567像素790102385065632924512281概率0.190.250.210.160.080.060.030.02 例原始图像各灰度级对应的概率分布规定直方图概率分布

2020/12/2725直方图规定化灰度级01234567概率0.00.000.00直方图规定化例直方图规定化步骤：（1）对原始直方图操作：2020/12/2726直方图规定化例直方图规定化步骤：2020/12/2726直方图规定化例（2）对规定直方图像操作：2020/12/2727直方图规定化例（2）对规定直方图像操作：2020/12/27直方图规定化例（3）映射结果：逆变换得2020/12/2728直方图规定化例（3）映射结果：逆变换得2020/12/272直方图规定化例（4）规定化后各灰度级像素数：规定化后的直方图灰度级01234567像素0007901023850985448概率0.000.000.000.190.250.210.240.112020/12/2729直方图规定化例（4）规定化后各灰度级像素数：规定化后的直方图直方图规定化结果原始直方图规定直方图结果直方图2020/12/2730直方图规定化结果原始直方图规定直方图结果直方图2020/12直方图规定化效果原始图像规定直方图规定化后直方图规定化后的图像

2020/12/2731直方图规定化效果原始图像规定直方图规定化后直方图规定化后的图图像间运算-算术运算

(1)图像减法图像相减的结果就可把两图的差异显示出来，可以用来增强两幅图像的差异。

2020/12/2732图像间运算-算术运算(1)图像减法图像相减的结图像间运算-图像减法

效果-=直方图均衡后2020/12/2733图像间运算-图像减法效果-=直方图均衡后2020/12/2图像间运算-图像平均

(2)图像平均

设噪声互不相关，且具有零均值，可用图像平均去除噪声令则随N的增加，图像噪声影响减少2020/12/2734图像间运算-图像平均(2)图像平均设噪声互不相关，且图像间运算-图像平均

效果Ａ原图+高斯噪声Ｂ４幅度图平均Ｃ４幅度图平均Ｄ１６幅度图平均2020/12/2735图像间运算-图像平均效果Ａ原图+高斯噪声Ｂ４幅度图平均Ｃ４图像间运算－逻辑运算

两幅图与操作

两幅图或操作

与

＝

或

＝

2020/12/2736图像间运算－逻辑运算

4.3空域滤波增强

2020/12/27374.3空域滤波增强2020/12/2737空域滤波空域滤波就是在待处理的图像中逐点地移动模板，对每个点，滤波器在该点的响应通过事先定义的关系来计算。线性滤波,滤波器模板m×n，令a=(m-1)/2，b=(n-1)/2，则

2020/12/2738空域滤波空域滤波就是在待处理的图像中逐点地移线性平滑滤波器平滑滤波器模板

2020/12/2739线性平滑滤波器平滑滤波器模板2020/12/2739线性平滑滤波器效果2020/12/2740线性平滑滤波器效果2020/12/2740中值滤波器中值滤波是用一个有奇数点的滑动窗口，将窗口中心点的值用窗口各点的中值代替。具体操作步骤如下：（1）将模板在图中漫游，并将模板中心与图中某个象素位置重合。（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）将这个中间值赋给对应模板中心位置的象素。2020/12/2741中值滤波器中值滤波是用一个有奇数点的滑动窗口，将窗中值滤波器效果2020/12/2742中值滤波器效果2020/12/2742锐化滤波器-梯度算子法f(x,y)在(x,y)的梯度

其模值

近似梯度模值

2020/12/2743锐化滤波器-梯度算子法f(x,y)在(x,y)的梯度其锐化滤波器-梯度算子法Gx和Gy

用近似值：得到直接差分算子2020/12/2744锐化滤波器-梯度算子法Gx和Gy用近似值：得到直接差分算锐化滤波器-梯度算子法Gx和Gy

用近似值：得到Roberts算子2020/12/2745锐化滤波器-梯度算子法Gx和Gy用近似值：得到Rober锐化滤波器-梯度算子法Gx和Gy

用近似值：得到Sobel算子2020/12/2746锐化滤波器-梯度算子法Gx和Gy用近似值：得到Sobel梯度锐化实例效果图a:Cameraman原始图像，包含有各种朝向的边缘图b:用Sobel水平模板，它对垂直边缘有较强的响应图c:用Sobel垂直模板，它对水平边缘有较强的响应abc2020/12/2747梯度锐化实例效果图a:Cameraman原始图像，包含有锐化滤波器-拉普拉斯算子法f(x,y)在(x,y)的拉普拉斯算子为

对数字图像

因f(x,y)离散，所以

2020/12/2748锐化滤波器-拉普拉斯算子法f(x,y)在(x,y)的拉普锐化滤波器-拉普拉斯算子法如果加上对角线元素，则拉普拉斯算子模板

2020/12/2749锐化滤波器-拉普拉斯算子法如果加上对角线元素，则拉普拉斯

4.4频域图像增强

2020/12/27504.4频域图像增强2020/12/2750频域图像增强f(x,y)和h(x,y)卷积定义为：有：2020/12/2751频域图像增强f(x,y)和h(x,y)卷积定义为：有：20频域图像增强设则：频率域增强主要步骤：（1）计算需要增强图的傅里叶变换；（2）将其与1个转移函数相乘；（3）再将结果傅里叶反变换以得到增强的图像。常用的频域增强方法有：低通滤波、高通滤波、带通和带阻滤波、同态滤波等2020/12/2752频域图像增强设则：频率域增强主要步骤：2020/12/27低通滤波1、理想低通滤波器理想低通滤波器剖面图和透视图2020/12/2753低通滤波1、理想低通滤波器理想低通滤波器剖面图和透视图20理想低通滤波器图像能量百分比

设

2020/12/2754理想低通滤波器图像能量百分比设2020/12/2754理想低通滤波器效果原始图像傅里叶频谱截断频率：5截断频率：15截断频率：45截断频率：652020/12/2755理想低通滤波器效果原始图像2020/12/2755低通滤波2、n阶巴特沃斯低通滤波器巴特沃斯低通滤波器剖面图和透视图2020/12/2756低通滤波2、n阶巴特沃斯低通滤波器巴特沃斯低通滤波器剖面图低通滤波2、n阶巴特沃斯低通滤波器巴特沃斯低通滤波器剖面图和透视图2020/12/2757低通滤波2、n阶巴特沃斯低通滤波器巴特沃斯低通滤波器剖面图巴特沃斯低通滤波器图像+盐椒噪声

滤波效果截断频率20结果

2020/12/2758巴特沃斯低通滤波器图像+盐椒噪声滤波效果截断频率20结低通滤波器量化灰度级图像除虚假轮廓比较截断频率35理想低通滤波明显的振铃现象

截断频率35巴特沃斯低通滤波

2020/12/2759低通滤波器量化灰度级图像除虚假轮廓比较截断频率35截断频率高通滤波1、理想高通滤波器理想高通滤波器剖面图和透视图2020/12/2760高通滤波1、理想高通滤波器理想高通滤波器剖面图和透视图20高通滤波2、n阶巴特沃斯高通滤波器巴特沃斯高通滤波器剖面图和透视图2020/12/2761高通滤波2、n阶巴特沃斯高通滤波器巴特沃斯高通滤波器剖面图高频加强滤波

图像经过高通滤波器处理后，许多低频信号没了，因此图像的平滑区基本上消失。对于这个问题可以用高频加强滤波来弥补。所谓高频加强滤波就是在设计滤波器变换函数时，加上一个大于0小于1的常数c：2020/12/2762高频加强滤波图像经过高通滤波器处理后，许多低频信号高频加强滤波比较理想高通滤波与加强滤波模糊图像理想高通滤波平滑区基本消失理想加强滤波2020/12/2763高频加强滤波比较理想高通滤波与加强滤波模糊图像理想高通滤波高频加强滤波比较巴特沃斯高通滤波与加强滤波模糊图像巴特沃斯高通滤波平滑区基本消失巴特沃