冈萨雷斯数字图像处理3.pptVIP

第3章 亮度变换与空间滤波  一、背景知识 图像滤波，就是对图像做一定的处理，以满足一定的应用 图像滤波分为空间域滤波和频域滤波 空间域指的是图像平面本身，空间域滤波即直接对图像的像素进行处理  一、背景知识 空间域处理可以用下式来表示： 其中f(x,y)是输入的图像，g(x,y)是处理后的图像 T 是对图像进行处理的操作符，定义在点(x,y)的邻域内 一、背景知识 图3.1 图像中点(x,y)的邻域，其大小为3X3  二、简单增强 当图像变换的邻域为1X1时（单个像素），T具有最简单的形式 变换T变成亮度或者灰度级变换函数，定义为： r : f(x,y)的灰度值 s : g(x,y)的灰度值 简单增强只依赖当前点的灰度值，称为点处理 二、简单增强 函数imadjust用来对灰度图像进行灰度变换的基本工具，其语法为： g = imadjust(f, [low_in high_in],[low_out high_out], gamma) f的亮度值将映射到g的新值 low_in, high_in: 输入图像被处理的最小值和最大值.low_out，high_out输出图像的最大值和最小值 low_in的值在g中被赋值为low_out，high_in的值在g中被赋值为high_out gamma指定了曲线的形状，gamma1，则图像将变亮，gamma1，则图像将变暗 二、简单增强  三、对数和对比度拉伸 对数变换公式为: g = c*log(1+double(f)) 其中c是常数，变换形状类似于gamma曲线 对数变换的主要应用是压缩动态范围，如用来显示傅里叶频谱 扩展数据显示范围，可以显示的细节和层次： gs = im2uint8(mat2gray(g));  三、对数和对比度拉伸 对比度拉伸变换函数： 其中，r是输入图像的亮度，s是输出图像的相应亮度值，E是控制该函数的斜率 在Matlab中，上式由下列语句实现： g = 1./(1+m./double(f)+eps)).^E)  三、对数和对比度拉伸 对比度拉伸的函数曲线如下图所示：  四、亮度变换的一些实用M函数 检测函数输入参数数目nargin： n = nargin 检测函数输出参数数目nargout： n = nargout 检测函数输出参数数目是否正确nargchk： msg = nargchk(low, high, number) 终止程序执行error 可变输入变量varargin 可变输出变量varargout  五、直方图与函数绘图 直方图的定义 一幅数字图像在范围[0,G]内总共有L个灰度级，其直方图定义为离散函数: h(rk) = nk rk是区间[0,G]内的第k级亮度， nk是灰度级为rk的图像中的像素数 归一化直方图 p(rk) = h(rk)/n= nk/n 其中n是图像中的像素个数 五、直方图与函数绘图 直方图绘图函数imhist，其基本语法为： h = imhist(f, b) f为输入图像，h为其直方图h(rk)，b是直方图中灰度级的个数，默认值是256 六、直方图均衡化 假设灰度级为归一化至范围[0,1]的连续量， pr(r)表示图像中灰度级别为r的概率密度函数，则均衡化变换可以表示为： 对于离散的灰度级，采用求和的方式来计算积分，则直方图均衡化公式变换为： 六、直方图均衡化 直方图均衡化采用函数histeq来实现，语法为： g = histeq(f, nlev) f是输入的图像，g是输出图像，nlev是输出图像指定的灰度级数，默认值为nlev 经过直方图均衡化操作之后，图像的对比度会得到拉伸 七、线性空间滤波 线性空间滤波是将邻域中每个像素与相应的系数相乘，然后将结果进行累加，从而得到点(x,y)处的响应。 如线性滤波的邻域定义为3X3，则相应公式为： 上式中，R是响应值，z1,z2,…,z9 是邻域内的像素值。w1,w2,…w9是滤波系数，称为滤波器、掩膜、滤波模板、核或者窗口 七、线性空间滤波 线性空间滤波的机理。放大图显示了大小为3X3的掩膜以及掩膜正下方的相应图像邻居。 七、线性空间滤波 一般3X3掩膜的另一种表示 两种常见的线性平滑模板 七、线性空间滤波 Matlab工具箱使用函数imfilter来实现线性空间滤波 g = imfilter(f, w, filteri