第讲直方图图像增强精要.ppt

一、图像增强概述 图像增强：采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。 如: 有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，提高图像的使用价值。 图像增强方法从增强的作用域出发，可分为： 空间域增强：直接对图像各像素进行处理； 频率域增强：将图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。 图像增强所包含的主要内容： 二、直方图（Histogram） 1 直方图的基本概念 灰度直方图是灰度级的函数，它表示图像中具有某种灰度级的像素的个数。灰度直方图反映的是一幅图像中各灰度级像素出现的频率 ，是图像最基本的统计特征。 2 灰度直方图的计算 图像灰度级的分布可以看出一幅图像的灰度分布特性 3 直方图的性质 ③一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图 4 直方图的应用 ①用于判断图像量化是否恰当 ②用于确定图像二值化的阈值 ③当物体部分的灰度值比其它部分灰度值大时，可利用直方图统计图像中物体的面积。 ④ 计算图像信息量H（熵 ） 三、直方图修正法图像增强 1 直方图修正技术基础 选择灰度映射函数的基本原则 设r、s分别代表原始图像和变换后图像灰度（已规一化)，即 0 ≤ r ≤ 1 式中，r=0, 黑(暗)；r=1，白(亮)。 对于［0, 1］区间内任一个r值，作映射变换：  s=T(r) 要求由此映射变换函数满足如下条件： ①在0 ≤ r ≤ 1内为单调递增函数，保证灰度级从黑到白的次序不变； ②在0 ≤ r ≤ 1内，有0 ≤ T(r) ≤ 1，确保映射后的像素灰度在允许的范围内。 反变换关系为 r=T-1(s) T-1(s) 同样满足上述原则。 2、直方图均衡化 (1)基本思路 直方图均衡化： 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。 基础：累积分布函数变换法。 结论：以积累分布函数 3、直方图规定化 假设pr(r)和pz(z)分别表示已归一化的原始图像灰度分布的概率密度函数和希望得到的图像的概率密度函数。 对原始图像进行直方图均衡化 规定化示例 采用与直方图均衡相同的原始图像数据（64×64像素且具有8级灰度） 经直方图均衡化后的Lena图像及直方图 1. 对于L个灰度级(一般256)大小为M×N的图像，创建一个长为L的数组H初始化为0 算法: 2.形成图像直方图：扫描每个像素相加相应的H H[i]=H[i]十1 3.形成累积图像直方图： S[i]=S[i-1]十H[i] 5.重新扫描图像，得到一个具有灰度级的输出图像，设置g[p]=T[p] 4.设置T[p]＝round (L-1)/(MXN) S[p] long int Num=EndPoint.y-StartPoint.y+1; Num*=(EndPoint.x-StartPoint.x+1); for(k=1;k256;k++) Hist[k]+=Hist[k-1]; for (int i = StartPoint.y; i =EndPoint.y; i ++){ lpSrc = (unsigned char *)pDoc-m_pDib-m_lpImage + lLineBytes* (lHeight-1-i) + StartPoint.x; for (int j =StartPoint.x; j =EndPoint.x; j ++) { // Histogram equalization变换 *lpSrc=(unsigned char)(255*Hist[*lpSrc]/Num); lpSrc++; } } 直方图规定化：使原图像灰度直方图变成规定形状的直方图,是对直方图均衡化处理的一种有效的扩展。 (1)基本思路 ：将原图像和希望得到的图像（仅灰度分布密度不同）分别作均衡化处理后，应具有相同的均匀密度。 假定已得到了所希望的图像，对它也进行均衡化处理 直方图规定化增强处理的步骤如下： ①对原始图像作直方图均衡化处理； ②按照希望得到的图像的灰度概率密度函数pz(z)，求得变换函数G(z)； ③用步骤①得到的灰度级s作逆变换z= G-1(s)。 原图像的直方图 规定化直方图 * 直方图 直方图均衡化 直方图规定化 第四讲 图像增强的直