第4讲图像的增强-直方图.ppt

第5章 图像的增强 图像的空间域增强：点运算 灰度变换： 图像的反转 线性变换 非线性变换 直方图修正：直方图均衡化 一、灰度直方图 定义 数学描述 例题 结论 一、灰度直方图 定义：若一幅图像的像素总数为 ，灰度级数为 ，而灰度为 的像素个数为 ，如果我们用图把这种像素个数与相应的灰度之间的关系显示出来的话，这个图就叫灰度直方图。 数学描述： 10 20 30 40 50 60 60 40 30 20 20 10 10 60 60 40 60 60 30 40 50 60 60 60 10 40 60 60 20 30 10 30 60 40 60 60 从灰度直方图可以得到的结论： 1、每个灰度值出现的频率 2、图像灰度的变化范围 3、整幅图像的平均明暗程度和对比度 4、灰度直方图的位置缺失性 5、灰度直方图与图像的一对多特性 6、灰度直方图的可叠加性 二、直方图均衡化 通过对原图像进行某种变换，使得图像的直方图变为均匀分布的直方图 。 灰度级连续的灰度图像：当变换函数是原图像直方图累积分布函数时，能达到直方图均衡化的目的。 对于离散的图像，用频率来代替概率 直方图均衡化的计算过程如下： 1）列出原始图像和变换后图像的灰度变化范围： ，其中L是灰度级数； 2）统计原图像中各灰度的像素个数 ； 3）计算原始图像直方图 ， 4）计算累积直方图 ； 5)利用灰度变换函数 计算变换后的灰度值，并四舍五入取整； 6)将原图像的灰度值 修正为 ； 7)统计变换后各灰度的像素个数 ； 8)计算变换后图像的直方图 。 三、区域运算：平滑 算法 模板特点 例题 结论 区域运算 某一像素，如果它与周围像素点相比，有明显 的不同，则该点被噪声感染了。 平滑：去除图像中的噪声 算法：处理前图像为：f（x，y） 处理后图像为： g （x，y） 模板：h（x，y） 1、邻域平均法： 模板h（x，y）特点：系数相同且都为正，系数之和为1 例： 结论：模板越大，噪声去除效果越好，但边缘越模糊，且计算量大。 怎么来改善呢？ 从两方面改善： 1、改变模板：加权平均 2、改变算法 * 图像增强 空间域 点运算 区域运算 灰度变换 直方图修正法 彩色变换增强 伪彩色增强 假彩色增强 同态滤波增强 低通滤波 高通滤波 频率域 彩色增强 代数运算 平滑 锐化 例：画出下图的灰度直方图 *