毕业答辩-图像增强.pptVIP

图像增强算法的研究与实现 指导老师：** 答辩人：** 图像增强概述 图像增强是为了增加可读性或突出某些特点，按照特定的需求或者规则突出一幅图像中某些需要的信息，削弱或去除某些不需要的信息的处理方法。 图像增强处理的应用已经渗透到医学诊断、航空航天、军事侦察、指纹识别、无损探伤、损探伤、卫星图片的处理等领域。如对X射线图片、CT影像、内窥镜图像进行增强、提高工业电视图像的清晰度等 典型的图像增强算法 空间域法 1、灰度变换法 2、直方图修正法 3、图像平滑算法 4、图像锐化算法 5、伪彩色增强算法 频域法 1、低通滤波算法 2、高通滤波算法 3、小波变换法 灰度变换法 分段线性变换 直方图均衡化算法 直方图均衡化是在已经绘制出图像的灰度直方图的基础上，将原始图像的直方图变成均匀分布的形式，以增强图像的动态范围及对比度。 原始图像经过直方图均衡化处理后所有灰度级出现的概率基本相同，使得处理后的图像熵最大，包含信息量最多。 其步骤为： （1）统计原图像各灰度级像素数，将各灰度级像素数除以总像素数得到原始灰度直方图； （2）求出累积直方图，即灰度转换函数； （3）按照灰度转换函数求出原图像变换后的像素数统计转换后各灰度级的像素数并归一化绘制修正图像的直方图 图像平滑算法 邻域平均法：用像素与其邻域像素的平均值或加权平均值来代替原始像素值。 中值滤波：是将窗口内的像素值排序，取中间的像素值代替原像素值 微分法图像锐化算法 Sobel算子与Prewitt算子噪声抑制情况 非锐化滤波算法 伪彩色增强算法 人眼对灰度级的分辨能力十分有限，对色彩十分敏感，可以借助彩色来达到图像增强的效果。 常用的伪色彩处理方法：灰度分层法、灰度变换法和频域滤波法 灰度变换法的映射函数 低通滤波算法 高通滤波 小波变换应用于图像增强 灰度变换法是将原图像的像素灰度经过某个变换函数变成新的图像灰度，常用来扩展图像的对比度。 分段线性灰度变换法是常用的灰度变换法。通过调整折线拐点可对任一灰度区间压缩或扩展。 三段线性灰度变换 结论：经过处理后的图像对比度有了明显提高。 原图像对比度不高，灰度级都集中在中间(100,200)的区间内，经过直方图均衡化算法处理后，图像的对比度明显提高，图像的灰度直方图分布也变得在整个灰度级区间内较为均匀。 图像平滑算法特点比较 结论：邻域平均法比较适合高斯白噪声的处理，中值滤波比较适合椒盐噪声的处理。 Prewitt算子与Sobel算子所得的结果保留了原始图像中图型轮廓，边缘更粗；Laplacian算子同样保留了图形的轮廓，但是轮廓较细，其它的线条比较密集。 　结论：　　Sobel算子与Prewitt算子都保留了原本图像的轮廓，但是Prewitt算子轮廓变形比较严重。因此Sobel算子比Prewitt算子抑制噪声能力强一些。 原理：原图像与原始图像经过平滑后的图像相减，已达到增强边缘细节目的的滤波。 结论：非锐化滤波算法处理过的图像与原图像相比，边缘得到增强，细节更加清晰，达到了增强图像的效果。 处理前 处理后 低通滤波有平滑的作用，可以用来去除噪声。 巴特沃斯低通滤波器分别对典型的噪声椒盐噪声和高斯白噪声的作用如图。 高通滤波器，作用是强化图像边缘起锐化作用 　　　 图像经二维小波分解后，轮廓等部分对应低频分量，细节等部分对应高频分量。 图像钝化：放大高频系数抑制低频系数 图像锐化：放大低频系数抑制高频系数