计算机视觉贾云德chapter05.pdfVIP

第五章 图像预处理 一般情况下，成像系统获取的图像(即原始图像) 由于受到种种条件限制和随机干扰，往 往不能在视觉系统中直接使用，必须在视觉信息处理的早期阶段对原始图像进行灰度校正、 噪声过滤等图像预处理．对机器视觉系统来说，所用的图像预处理方法并不考虑图像降质原 因，只将图像中感兴趣的特征有选择地突出，衰减其不需要的特征，故预处理后的输出图像 并不需要去逼近原图像．这类图像预处理方法统称为图像增强．图像增强技术主要有两种方 法：空间域法和频率域法．空间域方法主要是在空间域内对图像像素直接运算处理．频率域 方法就是在图像的某种变换域，对图像的变换值进行运算，如先对图像进行付立叶变换，再 对图像的频谱进行某种计算(如滤波等) ，最后将计算后的图像逆变换到空间域．本章首先讨 论直方图修正方法，然后介绍各种滤波技术，其中，高斯平滑滤波器将作比较深入的讨论． 5 ．1 直方图修正 许多图像的灰度值是非均匀分布的，其中灰度值集中在一个小区间内的图像是很常见的 （图5 ．2 （a ）所示的对比度很弱的图像）．直方图均衡化是一种通过重新均匀地分布各灰 度值来增强图像对比度的方法．经过直方图均衡化的图像对二值化阈值选取十分有利．一般 来说，直方图修正能提高图像的主观质量，因此在处理艺术图像时非常有用． 直方图修正的一个简单例子是图像尺度变换：把在灰度区间[a,b] 内的像素点映射到 [z ,z ] 区间．一般情况下，由于曝光不充分，原始图像灰度区间[a,b] 常常为空间[z ,z ] 的 1 k 1 k 子空间，此时，将原区间内的像素点z 映射成新区间内像素点 的函数表示为 z  z z z k 1 (z a) z 1 (5．1) b a 上述函数的曲线形状见图5 ．1(a)．上述映射关系实际上将[a,b] 区间扩展到区间[z ,z ] 上， 1 k 使曝光不充分的图像黑的更黑，白的更白． 如果图像的大多数像素灰度值分布在区间[a,b] ，则可以使用图5．1(b)所示的映射函数： z k z 1  (z a) z 1 a z b b a z  z 1 z a (5．2)  z z b k  若要突出图像中具有某些灰度值物体的细节，而又不牺牲其它灰度上的细节，可以采用 分段灰度变换，使需要的细节灰度值区间得到拉伸，不需要的细节得到压缩，以增强对比度， 如图5．1(c)所示．当然也可以采用连续平滑函数进行灰度变换，见图5．1(d)． 这一方法存在的问题是，当直方图被延伸后，所得到的新直方图并不均匀，也就是说， 各灰度值所对应的像素数并不相等．因此，更好的方法应该是既能扩展直方图，又能使直方 图真正地呈现均匀性．