4.1 图像增强《数字图像处理》武汉大学.pptxVIP

第四章 图像增强;讲解内容;4.1图像增强的点运算;在曝光不足或过度的情况下，图像灰度可能会局限 在一个很小的范围内。这时在显示器上看到的将是一个 模糊不清、似乎没有灰度层次的图像。 下图是对曝光不足的图像采用线性变换对图像每一 个像素灰度作线性拉伸。可有效地改善图像视觉效果。;2．分段线性变换;3．非线性灰度变换 当用某些非线性函数如对数函数、指数函数等，作为 映射函数时，可实现图像灰度的非线性变换。 ①对数变换;②指数变换;4.1.3 直方图修整法;下面先讨论连续变化图像的均衡化问题，然后推广到 离散的数字图像上。 设r和s分别表示归一化了的原图像灰度和经直方图修 正后的图像灰度。即;反变换关系为;利用密度函数是分布函数的导数的关系，等式两边对s 求导，有：;两边积分得;一幅图像的sk与rk之间的关系称为该图像的累积灰 度直方图。;;原图像的直方图;??方图均衡化示例;2.直方图规定化;首先对原始图像进行直方图均衡化，即求变换函数：;这就是所求得的变换表达式。根据上述思想，可总 结出直方图规定化增强处理的步骤如下：;;;下面是一个直方图规定化应用实例。;;任何一幅原始图像，在其获取和传输等过程中，会受 到各种噪声的干扰，使图像恶化，质量下降，图像模糊， 特征淹没，对图像分析不利。 为了抑制噪声改善图像质量所进行的处理称图像平滑 或去噪。它可以在空间域和频率域中进行。本节介绍空间 域的几种平滑法。 4.2.1局部平滑法 局部平滑法是一种直接在空间域上进行平滑处理的技 术。假设图像是由许多灰度恒定的小块组成，相邻像素间 存在很高的空间相关性，而噪声则是统计独立的。因此， 可用邻域内各像素的灰度平均值代替该像素原来的灰度值， 实现图像的平滑。;设有一幅N×N的图像f(x,y)，若平滑图像为 g(x,y),则有;;其作用相当于用这样的模板同图像卷积。 设图像中的噪声是随机不相关的加性噪声，窗口内 各点噪声是独立同分布的，经过上述平滑后，信号与噪 声的方差比可望提高M倍。 这种算法简单，但它的主要缺点是在降低噪声的同 时使图像产生模糊，特别在边缘和细节处。而且邻域越 大，在去噪能力增强的同时模糊程度越严重。如图 4.2.1(c)和(d)。;(a)原图像 (c)3×3邻域平滑;4.2.2 超限像素平滑法 对邻域平均法稍加改进，可导出超限像素平滑法。它 是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进 行比较，根据比较结果决定点（x,y）的最后灰度g′(x,y)。 其表达式为;原图像 对(a)加椒盐噪声的图像;灰度最相近的K个邻点平均法 该算法的出发点是：在n×n的窗口内，属于同一集合 体的像素，它们的灰度值将高度相关。因此，可用窗口内 与中心像素的灰度最接近的K个邻像素的平均灰度来代替 窗口中心像素的灰度值。这就是灰度最相近的K个邻点平 均法。 较小的K值使噪声方差下降较小，但保持细节效果较 好；而较大的K值平滑噪声较好，但会使图像边缘模糊。 实验证明，对于3×3的窗口，取K=6为宜。 最大均匀性平滑 为避免消除噪声引起边缘模糊，该 算法先找出环绕图像中每像素的最均匀 区域，然后用这区域的灰度均值代替该 像素原来的灰度值。;4.2.5 有选择保边缘平滑法 该方法对图像上任一像素 (x,y)的5×5邻域，采用9个掩模， 其中包括一个3×3正方形、4个 五边形和4个六边形。计算各个 掩模的均值和方差，对方差进行 排序，最小方差所对应的掩模区 的灰度均值就是像素（x,y) 的 输出值。 该方法以方差作为各个区域灰度均匀性的测度。若区域 含有尖锐的边缘，它的灰度方差必定很大，而不含边缘或灰 度均匀的区域，它的方差就小，那么最小方差所对应的区域 就是灰度最均匀区域。因此有选择保边缘平滑法既能够消除 噪声，又不破坏区域边界的细节。另外，五边形和六边形在 （x,y）处都有锐角，这样，即使像素（x,y）位于一个复杂 形状区域的锐角处，也能找到均匀的区域。从而在平滑时既 不会使尖锐边缘模糊，也不会破坏边缘形状。;例如，某像素5×5邻域的灰度分布如图4.2.4，经计算9 个掩模区的均值和方差为;常用的掩模有;4.2.7 中值滤波;原图像;一维中值滤波的概念很容易推广到二维。一般来说，二 维中值滤波器比一维滤波器更能抑制噪声。 二维中值滤波器的窗口形状可以有多种，如线状、方形、 十字形、圆形、菱形等（见图）。;图(a)为原图像；图(b)为加椒盐噪声的图像；图(c)和图 (d)分别为3×3、5×5模板进行中值滤波的结果。 可见中值滤波法能有效削弱椒盐噪声，且比邻域、超限 像素平均法更有效。;??1 ?1 ?1? ??1 9 ?1? ? ? ???1 ?1 ?1??;在图像的识别中常需要突出边缘和轮廓信息。图像锐化 就是增强图像的边缘或轮廓。