亮度变换与空间滤波.pptVIP

数字图像处理基础 亮度变换与空间滤波 空间域图像增强 增强的首要目标是处理图像，使其比原来图像更适合于特定应用。图像增强的方法分两大类： 空间域方法：对图像的像素直接处理为基础。 频率域方法： 用Fourier变换把图像变换到频率域，在频率域对图像进行处理。 增强处理并不能增强原始图像的信息，只是增强对某种信息的辨别能力 。 图像增强技术的目的： 改善图像视觉效果，便于观察和分析 便于人工或机器对图像的进一步处理 图像增强的通用理论是不存在的。 主要内容 背景知识 基本灰度变换 直方图处理 基于算术逻辑操作的图像增强 空间滤波基础 空间平滑滤波器 空间锐化滤波器 背景知识(1)Background 空间域增强是指增强构成图像的像素。空间域方法是直接对这些像素操作的过程。空间域处理可由下式定义： 背景知识(1)Background T操作最简单的形式是领域为1×1的尺度（单个像素）。此时，T操作成为灰度级变换，形式为：s=T( r )。 用更大的领域(模板)来处理时，通常称为模板处理或模板滤波。 某些基本灰度变换 图像增强常用的3种基本类型: 线性函数 对数函数 幂次函数 图像反转 Image Negatives 灰度级范围[0,L-1] 反转变换：s = L - 1 - r 对数变换 Log Transformations 对数变换： 对数变换使一窄带输入图像映射为一宽带输出值。即对数函数在很大程度上压缩了图像像素值的动态范围。 幂次变换(1) Power-Law Transformations 幂次曲线中的γ部分值把输入窄带暗值映射到宽带输出值．相反，输入高值时也成立。 图像获取、打印和显示的各种装置是根据幂次规律相应的。幂次等式中的指数是伽玛值，用于修正幂次相应的过程称为伽玛校正。 幂次变换(2) Power-Law Transformations CRT装置的电压—强度响应是一个指数变化范围为1.8～2.5的幂函数。 用幂次变换进行对比度增强的例子 用幂次变换进行对比度增强的例子 对比度拉伸 对比拉伸的思想是提高图像处理时灰度级的动态范围. 图3.10(d)为设置 后的效果图。 亮度变换Matlab示例 intrans.m g=intrans(f,neg); g=intrans(f,log); g=intrans(f,gamma,0.5); g=intrans(f,stretch); 亮度变换的一些实用函数 n=nargin ;获取输入到m函数的参数数目 msg = nargchk(minargs, maxargs, numargs)；检测传递到m函数的参数数目是否正确 function vartest(argA, varargin)；函数接收可变数目的输入变量 J = imadjust(I,[low_in; high_in],[low_out; high_out]) 将图像I中的亮度值映射到J中的新值，除输入I之外，其它输入均在0至1之间。 直方图 直方图处理(2) Histogram Processing 直方图处理(3) Histogram Processing 对于暗色图像，其直方图的组成成分集中在灰度级低的一侧。 对于明亮图像，其直方图的组成成分集中在灰度级高的一侧。 对于低对比度图像，其直方图窄而集中于灰度级的中部。 对于高对比度图像，其直方图灰度级的范围很宽。 直观上可以认为，如果一幅图像其像素占有全部可能的灰度级并且分布均匀，则这样的图像有高对比度和多变的灰度色调。 Matlab中的直方图均衡化 例3.5，关键Matlab函数 imhist(I) 显示图像的直方图 J = histeq(I, n) 对图像进行直方图均衡化处理，n为处理后图像J的灰度级的个数，默认为64 直方图匹配——问题的提出 原始图像 均衡化后 直方图匹配——问题的提出 直方图匹配 直方图匹配——问题的提出 有些图像应用均衡直方图的基本增强不是最好的方法,尤其是有时可以指定希望处理的图像所具有的直方图形状。这种用于产生处理后有特殊直方图的图像的方法,叫做直方图匹配（规定化）处理。 3.3.2直方图匹配(2) Histogram Matching 步骤：1、对原始图的直方图进行灰度均衡化 2、规定所需要的直方图，并计算能使规定的直方图均衡化的变换 将Pr(ri)对应到Pz(zj)，对应规则影响误差，考虑单映射规则：先找到能使下式最小的k和l 直方图匹配(4) Histogram Matching 一幅64X64,8级灰度图像，直方图规定化计算列表： Matlab示例 例3.7 imfilter函数的使用（example3_7.m） B = imfilter(A, H, option1, opti