版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
数字图像处理DigitalImageProcessing4.1空域图像增强技术4.2频域图像增强技术4.3频域增强技术与空域增强技术4第四章图像增强4.1空域增强技术空域:直接对像素操作的过程空域增强:EH代表增强操作点操作:如果EH仅定义在每个(x,y)上。模板操作:如果EH还定义在(x,y)的某个领域上点操作:可以改变一个像素的特性灰度点操作:改变像素的灰度操作函数的下标指示灰度点操作对像素位置可能的依赖性几何操作:仅改变像素的位置(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(·)的直方图进行变换点操作模板操作4.1空域增强技术灰度直方图灰度直方图是灰度级的函数,描述的是图像中具有该灰度级的像素的个数:其横坐标是灰度级,纵坐标是该灰度出现的频率(像素的个数,或个数与总数之比)灰度直方图是图像的重要特征,它反映了图像的灰度分布情况4.1空域增强技术红色分量蓝色分量绿色分量4.1空域增强技术图像灰度映射根据某种灰度映射规则(变换函数),将原始图像中每个像素的灰度值转化为另一灰度将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)赋予每个像素新的灰度值是一种点操作关键在于设计变换函数(映射规则)特点线性灰度映射分段线性灰度映射非线性灰度映射灰度切分4.1空域增强技术线性灰度映射DA为输入点的灰度值,DB为相应输出点的灰度值
若a=1,b=0,图像灰度值不发生任何变化;若a=1,b≠0,图像灰度值上移或下移,即图像整体变亮或变暗;若a>1,变亮,图像对比度增强;若0<a<1,变暗,图像对比度减弱;若a<0,暗区域变亮,亮区域变暗。若a=-1,b=255,反色4.1空域增强技术图像求反图像求反适用于增强嵌入图像暗色区域的白色或灰度细节,特别是当黑色面积占主导地位时。图像求反的表达式灰度图求反:将原灰度值翻转,使白变黑,使黑变白4.1空域增强技术分段线性灰度映射(增强对比度)增强图像各部分的反差,实际中通过增加图像中某两个灰度值间的动态范围来实现255178482550sr如果a>1,输出图像的对比度增大(灰度扩展)4.1空域增强技术曝光不足4.1空域增强技术原始图像增强后的图像曝光过度4.1空域增强技术成像动态范围太小4.1空域增强技术非线性灰度映射动态范围压缩-低灰度区扩展,高灰度区压缩常用的EH(.)操作,是一种对数形式的函数,曲线如图所示t=Clog(1+|s|),C为尺度比例系数,用于调节动态范围依据人眼对亮度的敏感特性具有对数性质动态范围:是指图像中所记录的场景中从暗到亮的变化范围。动态范围对人视觉的影响:由于人眼所可以分辨的灰度的变化范围是有限的,所以当动态范围太大时,很高的亮度值把暗区的信号都掩盖了。4.1空域增强技术如果原有图像的动态范围太大,无法用现有设备显示,我们根据人眼对亮度敏感特性具有对数性质,采用:t=Clog(1+|s|)4.1空域增强技术4.1空域增强技术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\图象间运算的应用算术和逻辑运算逻辑运算(只适用二值图像)(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
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
图像间加法运算
(1)对同一场景的多幅图像求平均值,降低加性噪声;
(2)一幅图像叠加到另一幅图像上去,达到二次暴光(Double-exposure)4.1空域增强技术加法运算用于减少和去除图像采集中混入的噪声例:设有1幅混入噪声的图g(x,y)是由原始图f(x,y)和噪声图e(x,y)叠加而成这里假设各点的噪声是互不相关的,且具有零均值。设将M个图象{gi(x,y)}相加求平均: 新图像的期望: 那么新图象和噪声图象各自均方差间的关系为:
4816随着平均图数量M的增加,噪声在每个象素位置(x,y)的影响逐步减少原始图像加入高斯噪声图象间加法去除噪声模型均值新图像的期望方差4.1空域增强技术二次曝光实例+MATLAB中调用imadd函数实现图像相加Z=imadd(X,Y);其中Z=X+Y。[例]使用加法操作将两幅图像叠加在一起I=imread('rice.tif');J=imread('cameraman.tif');K=imadd(I,J);subplot(2,2,1);imshow(I);subplot(2,2,2);imshow(J);subplot(2,2,3);imshow(K);
4.1空域增强技术图像间减法的应用图像间减法运算通常应用于提取图像的差异,以及去除背景等方面。(1)在图像中运动物的检测中,通过前后两个图像的减法运算,可以了解运动物体移动的程度,计算出运动速度,并画出移动轨迹。(2)图像相减也常用在医学图像处理中以消除背景。4.1空域增强技术左上:某序列图像的第100帧;下:某序列图像的第300帧;右上:两幅图像相减显示的结果图像减法也称为差分方法,调用格式如下:Z=imsubtract(X,Y);其中Z=X-Y。[例]减去不均匀背景rice=imread('rice.png');background=imopen(rice,strel(‘disk’,15));%取半径为15的圆盘结构元素对图像用开运算估计背景rice2=imsubtract(rice,background);subplot(1,2,1),imshow(rice);subplot(1,2,2),imshow(rice2);4.1空域增强技术图像间的乘法和除法1):图像相乘(除)运算通常用于提取或删除图像中某些内容具体操作方法为:制作一幅称之为掩模(mask)的图像A:该图像与原图同样大小B:其中对应原图像中感兴趣的区域的像素灰度值设置为1C:对应原图像中需要删除区域的像素灰度值设置为0D:然后用此掩模图像与原图像相乘,即可提取出感兴趣的部分。2):一幅图像乘以一个常数通常被称为缩放。如果使用的缩放因数大于1,那么将增强图像的亮度,如果因数小于1则会使图像变暗。MATLAB中调用immultiply函数实现两幅图像相乘。调用格式如下:Z=immultiply(X,Y);其中Z=X×Y。
4.1空域增强技术直方图修正技术图象的一种统计表达反映了图中灰度的分布情况(1)直方图均衡化(2)直方图规定化语法:h=imhist(f,b)说明:b是用于形成直方图的灰度级个数。f=imread(‘pout.tif’);Imhist(f,256);直方图均衡化直方图均衡化:是将原图像通过某种变换,得到一幅灰度直方图为均匀分布的新图像的方法。直方图均衡化
主要是用于增强动态范围偏小的图像的反差 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
==>增强图象整体对比度(反差)4.1空域增强技术直方图均衡化均衡化过程中,必须要保证两个条件:①像素无论怎么映射,一定要保证原来的大小关系不变,较亮的区域,依旧是较亮的,较暗依旧暗,只是对比度增大,绝对不能明暗颠倒;②如果是八位图像,那么像素映射函数的值域应在0和255之间的,不能越界。
归一化直方图
(归一化)累积直方图4.1空域增强技术直方图均衡化直方图均衡化算法原始图像灰度级sk原始图像各灰度级的像素nk计算原始直方图p(sk)=nk/n计算原始累计直方图tk取整tk=int[(L-1)tk+0.5]确定映射对应关系(sktk)统计新直方图各灰度级象素变换后直方图 (归一化)累积直方图
直方图均衡化增强函数选择累积分布函数是个好的选择,因为累积分布函数是单调增函数(控制大小关系),并且值域是0到1(控制越界问题),所以直方图均衡化中使用的是累积分布函数。4.1空域增强技术例:一幅64x64,8个灰度级图像tk=int[(L-1)tk+0.5]4.1空域增强技术I=imread('tire.tif');J=histeq(I);subplot(2,2,1);subimage(I);title('原图像');subplot(2,2,2);imhist(I,64);title('原图像的直方图');subplot(2,2,3);subimage(J);title('均衡化处理后的图像');subplot(2,2,4);imhist(J,64);title('均衡后的直方图');利用累积分布函数作为灰度变换函数,经变换后得到的新灰度的直方图虽然不很平坦,但毕竟比原始图像的直方图平坦得多,而且其动态范围也大大扩展,因此这种方法对于对比度较弱的图像进行处理很有效。4.1空域增强技术直方图规定化定义:修改一幅图像的直方图,使它与另一幅图像的直方图匹配或具有一种预先规定的函数形状。目标:当需要具有特定的直方图的图像时,可按照预先设定的某个形状人为的调整图像的直方图。三个步骤(1)对原始直方图进行灰度均衡化(2)规定需要的直方图,计算能使规定直方图均衡化的变换(3)将原始直方图对应映射到规定直方图两种映射/对应规则
(1)单映射规则(2)组映射规则I(l):整数函数单映射:从原始直方图向规定直方图映射,从原始累计直方图每项向规定累计直方图找相应差值最小的映射组映射:从规定直方图向原始直方图:从规定累计直方图向原始累计直方图找差值最小的映射方法4.1空域增强技术4.1空域增强技术直方图规定化vs.直方图均衡化直方图均衡化:
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4.1空域增强技术图像平滑处理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
非线性平滑滤波器减弱或消除图象中的噪声图像噪声的概念图像在摄取时或是传输时所受到的随机干扰信号。常见的有椒盐噪声和高斯噪声。高斯噪声高斯噪声是一种源于电子电路噪声和由低照明度或高温带来的传感器噪声。高斯噪声也常称为正态噪声,符合高斯分布。是自然界中最常见的噪声。高斯噪声可以通过空域滤波的平滑滤波方法来消除4.1空域增强技术椒盐噪声椒盐噪声又称双极脉冲噪声,其概率密度函数为:椒盐噪声是指图像中出现的噪声只有两种灰度值,分别为a和b,通常情况下脉冲噪声总是数字化为允许的最大或最小值,所以负脉冲以黑点(类似胡椒)出现在图像中,正脉冲以白点(类似盐)出现在图像中特征出现位置是随机的噪声的幅值是基本相同的4.1空域增强技术M=imread('d:\11.png');%读取MATLAB中的名为cameraman的图像subplot(1,3,1);imshow(M);%显示原始图像title('original');P1=imnoise(M,'gaussian',0.02);%加入高斯躁声subplot(1,3,2);imshow(P1);%加入高斯躁声后显示图像title('gaussiannoise');P2=imnoise(M,'salt&pepper',0.09);%加入椒盐躁声subplot(1,3,3);imshow(P2);%%加入椒盐躁声后显示图像title('salt&peppernoise');0.60.80.020.094.1空域增强技术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:增强被模糊的细节滤波器实现——>邻域运算:4.1空域增强技术线性平滑滤波器邻域平均法---均值滤波器系数都是正的保持灰度值范围(所有系数之和为1)例:3
3模板邻域平均法---均值滤波器在图像上,对待处理的像素给定一个模板,该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。以模块运算系数表示即:4.1空域增强技术画面边框保留效果均值滤波器滤椒盐噪声的效果利用邻域平均法(模板卷积)运算主要步骤为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)将模板上系数与模板下对应象素相乘3)将所有乘积相加4)将和(模板的输出响应)赋给图中对应模板中心位置的象素4.1空域增强技术加权平均中心系数大周围系数小几个典型的加权平均滤波器I=imread('d:\11.png');I1=imnoise(I,'gaussian',0.05);I2=imnoise(I,'salt&pepper',0.08);H1=ones(3,3)/9;%3x3模板J=imfilter(I,H1);%邻域平均J1=imfilter(I1,H1);J2=imfilter(I2,H1);subplot(231),imshow(I);subplot(232),imshow(I1);subplot(233),imshow(I2);subplot(234),imshow(J);subplot(235),imshow(J1);subplot(236),imshow(J2);4.1空域增强技术非线性平滑滤波器既消除噪声又保持细节(不模糊)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中值滤波器——
处理示例例:模板是一个1*5大小的一维模板。原图像为:
22621244424
处理后为:
22(1,2,2,2,6)2(1,2,2,2,6)2(1,2,2,4,6)2244424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4.1空域增强技术中值滤波器与均值滤波器的比较椒盐噪声是幅值近似相等但随机分布在不同位置上,图像中有干净点也有污染点。中值滤波是选择适当的点来替代污染点的值,所以处理效果好。因为噪声的均值不为0,所以均值滤波不能很好地去除噪声点。高斯噪声是幅值近似正态分布,但分布在每点像素上。因为正态分布的均值为0,所以均值滤波可以消除噪声。因为图像中的每点都是污染点,所以中值滤波选不到干净点。4.1空域增强技术百分比滤波器:是基于对模板所覆盖像素的灰度值的排序来工作中值滤波器是一个特例在中值滤波中,选取了灰度序列中位于50%位置的像素作为滤波结果最大值最小值最大最小值滤波是一种比较保守的图像处理手段,与中值滤波类似,首先要排序周围像素和中心像素值,然后用最小和最大像素值代替中心像素值。最大值滤波可以去除图像中的暗斑,同时也会使亮斑增大;最小值滤波可以去除图像中的亮斑,同时也会增大暗斑中点滤波器4.1空域增强技术图像锐化处理图像空间域锐化图像细节的灰度变化特性4.1空域增强技术一阶微分(差分表示)二阶微分相减的结果反映了图像亮度变化率的大小像素值保持不变的区域,相减的结果为零,即像素为黑;像素值变化剧烈的区域,相减后得到较大的变化率,像素灰度值差别越大,则得到的像素就越亮,
图像的垂直边缘得到增强。4.1空域增强技术梯度法---基于一阶微分的图像增强(微分法)某象素上的梯度值是该象素与相邻象素的灰度差值的单调递增函数。图象轮廓上,象素灰度有陡然变化,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。图像函数f(x,y)的梯度定义为一个向量:梯度的幅度用|G[f(x,y)]|表示,并由下式算出:注:为简便,梯度的幅值简称为梯度,也写成G[f(x,y)]在实际计算中,常用绝对值代替平方和平方根运算,所以近似求梯度值为:()()()()()ïïî+-++-=Ñ|1,,||,1,||,|jifjifjifjifjif以上梯度法又称为水平垂直差分法。4.1空域增强技术采用梯度法
(a)二值图像也可以用交叉的差分表示,交叉的梯度称为罗伯茨(Roberts)梯度其表达式:()()()()()+-++++-=Ñ|1,,1||1,1,||,|jifjifjifjifjif近似:(b)梯度运算结果图像梯度锐化结果水平垂直差分法交叉差分法4.1空域增强技术
原图像罗伯茨梯度锐化
原图像罗伯茨梯度锐化4.1空域增强技术Sobel算子:(3×3)采用梯度微分锐化图像,同时会使噪声、条纹等得到增强,Sobel算子则在一定程度上克服了这个问题。Sobel算子法的模板Sobel锐化交叉锐化原图4.1空域增强技术Priwitt(普雷威特)算子(3×3)注意:以上两种梯度近似算法在图像的最后一行和最后一列的各像素的梯度无法求得,一般就用前一行和前一列的梯度值近似代替。
Priwitt锐化
Sobel锐化4.1空域增强技术%该程序利用梯度算子对图像进行边缘提取I=imread('D:\chenpc\data\thry\chpt3\rice.tif');subplot(131);imshow(I);title('originalimage');BW1=edge(I,'Roberts');subplot(132);imshow(BW1)title('Robertsgradientimage');BW2=edge(I,'sobel');subplot(133);imshow(BW2)title('Sobelgradientimage');(a)原图
(d)Roberts算法(b)Sobel算法(c)Priwitt算法(e)水平锐化(f)垂直锐化4.1空域增强技术梯度增强的方法---输出形式第一种输出形式此法的缺点是增强的图像仅显示灰度变化比较徒的边缘轮廓,而灰度变化比较平缓或均匀的区域则呈黑色。第二种输出形式式中T是一个非负的阈值。适当选取T,可使明显的边缘轮廓得到突出,又不会破坏原来灰度变化比较平缓的背景第三种输出形式它将明显边缘用一固定的灰度级LG来表现。
4.1空域增强技术基于二阶微分的图像增强——拉普拉斯算子拉普拉斯(Laplacian)运算定义为:由这两个分量相加得到,拉普拉斯算子可定义为:拉普拉斯掩模:0101-410101111-811110-10-14-10-10-1-1-1-18-1-1-1-14.1空域增强技术
原图像0101-410100-10-14-10-10把原图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果,同时又能复原背景信息。拉普拉斯算子锐化拉普拉斯算子锐化+原图像4.1空域增强技术二阶微分锐化——
景物细节对应关系(1)对于突变形的细节,通过一阶微分的极大值点,二阶微分的过0点均可以检测出来。(2)对于细线形的细节,通过一阶微分的过0点,二阶微分的极小值点均可以检测出来。(3)对于渐变的细节,一般情况下很难检测,但二阶微分的信息比一阶微分的信息略多。4.2.1空域图像增强技术4.2.2频域图像增强技术4.2.3频域技术与空域技术4.2频域增强技术4.2频域增强技术频域增强原理卷积理论是频域技术的基础设函数f(x,y)与线性移不变算子h(x,y)的卷积:
g(x,y)=h(x,y)
*f(x,y)那么根据卷积定理在频域有:H(u,v)是转移函数H(u,v)如何确定?低频分量:对应图像缓慢变化分量较高的频率:对应图像中变化较快的灰度级分量(如物体边缘和噪声等)卷积定理增强图步骤:计算图象的变换在频域滤波(3)反变换回图象空间频域滤波:低通,高通,带通/带阻,同态4.2频域增强技术低通滤波器图象中的边缘和噪声都对应图象傅里叶变换中的高频部分,所以如要在频域中消弱其影响就要设法减弱这部分频率的分量根据频域增强技术的原理,需要选择一个合适的H(u,v)以得到消弱F(u,v)高频分量的G(u,v)
理想低通滤波器理想是指小于D0的频率可以完全不受影响地通过滤波器,而大于D0的频率则完全通不过H(u,v):转移/滤波函数D0:截断频率(非负整数)D(u,v)是从点(u,v)到频率平面原点的距离D(u,v)=(u2+v2)1/2
4.2频域增强技术半径分别为5,15,30,80和230能量分别为92%,94.6%,96.4%,98%和99.5%4.2频域增强技术理想低通滤波器的分析整个能量的90%被一个半径为8的小圆周包含,大部分尖锐的细节信息都存在于被去掉的10%的能量中。小的边界和其它尖锐细节信息被包含在频谱的至多0.5%的能量中。被平滑化的图像被一种非常严重的振铃效应——理想低通滤波器的一种特性所影响。理想低通滤波器的模糊4.2频域增强技术巴特沃斯低通滤波器物理上可实现(理想低通滤波器在数学上定义得很清楚,在计算机模拟中也可实现,但在截断频率处直上直下的理想低通滤波器是不能用实际的电子器件实现的)高低频率间的过渡比较光滑,减少振铃效应阶为n
图象由于量化不足产生虚假轮廓时常可用低通滤波进行平滑以改进图象质量4.2频域增强技术理想高通滤波器形状与低通滤波器的形状正好相反巴特沃斯高通滤波器形状与巴特沃斯低通滤波器的形状正好相反截断频率使H值上升到最大值某个百分比的频率
H(u,v)=1/2 H(u,v)=1/21/24.2频域增强技术高频增强滤波器傅里叶变换:G(u,v)=H(u,v)F(u,v)高频增强转移函数:He(u,v)=k
H(u,v)+c,其中k>1,0<c<1高频增强输出图的傅里叶变换:Ge(u,v)=k
G(u,v)+
c
F(u,v)反变换回去:ge(x,y)=k
g(x,y)+
c
f(x,y)(a)比较模糊的图像
(b)阶为1的巴特沃斯高通滤波(c)高通滤波增强的结果4.2频域增强技术高频提升滤波器高通滤波器=原始图-低通图把原始图乘以一个放大系数A再减去低通图就可构成高频提升(high-boost)滤波器高通滤波器:A=1高频增强滤波器:?(a)比较模糊的图像
(b)高
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 高中地理必修二教学设计:服务业区位选择的核心素养导向与实践路径
- 高三心理健康开学第一课教学设计与实施策略
- 小学六年级英语《一般过去时》专题复习教学设计
- 高中二年级数学空间中直线与平面垂直的判定与性质综合应用教学设计
- 小学二年级科学《我们的衣服》教学设计
- 高三历史一轮复习教学设计:明至清中叶的经济与文化
- 九年级化学下册教学设计:化肥与农药的科学施用
- 双碳约束下:智能健身器材能否成为家电巨头的第二曲线
- 建筑装配式场景中智能Crossfit如何重构公共空间利用效率
- 2026年热红酒行业报告
- 视频监控系统试运行调试报告
- 2026年机动车检测公司检验员内部培训考试试卷(含答案)
- 4.1妈妈教学设计
- 神经内科诊疗新技术
- 非煤矿山安全生产管理与技术培训
- 2026-2027学年秋季学期北京版新教材八年级生物学上册(全册)每课核心知识点清单
- 双侧前庭病诊断与治疗专家共识
- 110kV变电站电气调试实施方案
- 八年级物理第二学期期中考试质量分析
- 2026-2030中国化机浆市场竞争规划与未来前景发展趋势研究报告
- 玻璃钢管道施工方案
评论
0/150
提交评论