《图像处理图像增强》PPT课件.ppt

《《图像处理图像增强》PPT课件.ppt》由会员分享，可在线阅读，更多相关《《图像处理图像增强》PPT课件.ppt（93页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、 4.1 引言T根据所处理的空间不同：基于图像域的方法：直接在图像所在的空间进行处理基于变换域的方法：在图像变换域间接进行 处理方法：空域 频域图像增强 处理策略：全局 局部 处理对象：灰度 彩色空域处理：点处理、邻域处理、全图处理 4.2 直接灰度变换 4.2.1 灰度线性变换4.2.2 灰度非线性变换 灰度范围线性变换关系 线性变换关系4.2.1 灰度线性变换0 a b f(x,y)dcg(x,y)0 a b f(x,y)dcg(x,y)4.2.1 灰度线性变换1.全域线性变换 设原始图像中所有像素灰度的最小值和最大值分别为 f1（0）和 f2（771.000.151.000.02817步

2、骤和结果0.240.210.250.19000变换后直方图93,4-62-51-40-3确定映射关系87766543映射|V2-V1|最小70.850.650.350.1500060.200.300.200.15000 规定直方图P(z)规定累积直方图V250.980.950.890.810.650.440.19原始累积直方图V140.030.060.080.160.210.250.19原始直方图P(r)31222453296568501023790原始直方图各灰度级像素 26543210原始图像灰度级1运算序号 a)原图 b)规定化函数 c)直方图规定化后的结果 d)图c的直方图4.4.1

3、邻域平均法4.4.2 中值滤波4.4.3 多图像平均法4.4.4 频域低通滤波法 4.4 图像平滑 4.4 图像平滑T空域滤波 是在图像空间借助模板进行邻域操作完成线性、非线性运算T功能1）平滑：低通滤波器。目的：在提取较大目标前去除太小的细节或将目标内的小间断连接起来消除噪声2）锐化：高通滤波器，增强被模糊的细节T滤波处理方法 空域：取局部邻域（2M+1）（2M+1）邻域的加权和局域处理 K4 K3 K2K5 K0 K1K6 K7 K8R4.4 图像平滑4.4 图像平滑T目的：减少噪声1）加性噪声2）乘性噪声3）量化噪声4）盐和胡椒噪声噪声：噪声：独立同分布的高斯白噪声，均值为0，方差4.4

4、.1 邻域平均法010101010111101111mask消除麻点噪声1/41/8T为减轻经平滑后产生的模糊效应，另一种阈值平均法例：4.4.1 邻域平均法4.4.1 邻域平均法T均值滤波 实现图像平滑最常见的方法是在像素邻域内求局部均值，称为均值滤波。4.4.1 邻域平均法T3 x 3 均值滤波O(X,Y)=(I(X-1,Y-1)+I(X,Y-1)+I(X+1,Y-1)+I(X-1,Y)+I(X,Y)+I(X+1,Y)+I(X-1,Y+1)+I(X,Y+1)+I(X+1,Y+1)/9滤波核h(x，y)：111111111mask111121111121242121 4.4.1 邻域平均法T

5、步骤:1）模板游走2）将mask下对应的灰度值相加，求平均值3）用均值代替f(x,y)h(x,y)矩阵的元素之和乘前面系数为1，h(x,y)矩阵中心的元素占的比例越小，越平滑，图像越模糊4）对图像的四周边缘：补0 或者不处理边缘T例1 设16x16点阵的假想图像如右图所示。0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0

6、9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0

7、 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 04.4.1 邻域平均法T采用3x3均值滤波。T滤波核为：T结果如右图所示 1 1 11/9 1 1 1 1 1 1?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 1 2 3 3 3 3 3 3 2 1 0 0?0 0 2 4 6 6 6 6 6 6 4 2 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9

8、 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 2 4 6 6 6 6 6 6 4 2 0 0?0 0 1 2 3 3 3 3 3 3 2 1 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?4.4.1 邻域平均法T例2 设16x16点阵的假想图像如右图所示 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 8 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0

9、 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 1 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 0 0

10、 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 8 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 04.4.1 邻域平均法T采用3x3均值滤波T滤波核为：T结果如右图所示?0 0 0 0 0 0 0 1 1 1 0 0 0 0?0 0 0 0 0 0 0 1 1 1 0 0 0 0?0 0 1 2 3 3 3 3 3 3 2 1 0 0?0 0 2 4 6 6 6 6 6 6 4 2 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9

11、 9 9 9 9 6 3 0 0?0 0 3 6 9 9 8 8 8 9 6 3 0 0?0 0 3 6 9 9 8 8 8 9 6 3 0 0?0 0 3 6 9 9 8 8 8 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 2 4 6 6 6 6 6 6 4 2 0 0?0 0 1 2 3 3 3 3 3 3 2 1 0 0?1 1 1 0 0 0 0 0 0 0 0 0 0 0?1 1 1 0 0 0 0 0 0 0 0 0 0 0?4.4.1 邻域平均法 1 1 11/9 1 1 1 1 1 1T5 x 5 均值滤波滤波核：1/25 1/25 1/

12、25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 或 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1模板越大，模糊作用越强4.4.1 邻域平均法T均值滤波的特点 局部求均值的运算或平均计算使数字信号变“平坦”，可以在图像中消除或抑制噪声。同时，图像中景物边缘也会不同程度地变得模糊。4.4.1 邻域平均法4.4.2 中值滤波T中值滤波 中值滤波与均值滤波的区别仅

13、限于：中值滤波是求局部中值而不是局部均值，即对参与计算的像素灰度值按大小排序，然后取位置居中的像素灰度值。T Median filteringT目的：既要消除噪声又要保持图像的细节 步骤:1）模板游走 2）将mask下对应的灰度值（奇数）排序 3）用中间值代替 f(x,y),消除孤立的噪声点T mask大小不一样，效果不一样，与叠加的噪声有关系T窗口形状 方形、十字形、圆形、圆环形4.4.2 中值滤波T使用二维滤波需注意1）有尖顶角几何结构的图像，一般采用十字窗，大小不超过最小有效物体的尺寸2）有较多的点、线、尖顶角的细节结构，不用中值滤波用33方形，图像全为0用33十字，保留了线状细节，丢失

14、了点状细节4.4.2 中值滤波T例3 设16x16点阵的图像如右图所示 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 8 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9

15、1 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 8 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 04.4.2 中值滤波T采用3x3中值滤波，结果如右图所示?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0

16、 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 9 9 9 9 9 9 0 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 0 9 9 9 9 9 9 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0

17、 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?4.4.2 中值滤波4.4.2 中值滤波T中值滤波的机理 在图像局部中，杂散噪声点的灰度值较大或较小，求中值可以自动将其消除。但中值滤波不同于均值滤波，中值直接取自某个像素的灰度值，所以能较好地保持图像景物原状。T中值滤波的特点 可以消除杂散噪声点而不会或较小程度地造成边缘模糊。4.4.3 多图像平均法T多图像平均法 是利用对同一景物的多幅图像取平均来消除噪声产生的高频成分，在图像采集中常应用这种方法去除噪声。4.4.4 频域低通滤波法(1)理想低通滤波器（ILPF）H(u,v)=1 当D

18、(u,v)D0 0 当D(u,v)D0其中：D(u,v)(u2+v2)1/2是点(u,v)到频率平面原点的距离副作用：图象模糊，出现振铃效果H(u,v)D(u,v)D0(2)巴特沃斯低通滤波器（BLPF）传递系数：4.4.4 频域低通滤波法01H(u,v)D(u,v)（3）指数低通滤波器（ELPF）4.4.4 频域低通滤波法01H(u,v)D(u,v)（4）梯形低通滤波器（TLPF）类别振铃程度图像模糊程度噪声平滑效果 ILPF TLPF ELPF BLPF严重较轻无无严重轻较轻很轻最好好一般一般4.4.4 频域低通滤波法H(u,v)D0 D101D(u,v)4.5 图像锐化4.5.1 微分法

19、4.5.2 高通滤波法T边缘锐化（Sharpening）补偿图像的轮廓，突出图像中景物的边缘或纹理，使图像清晰空域高通滤波（俗称勾边处理）。4.5 图像锐化4.5 图像锐化T为什么需要锐化 图像传输变换（未聚焦好）、受到各种干扰而退化图像模糊，而图像的判读和识别中，常需突出目标的轮廓或边缘信息。T数学原理 图像模糊的原因图像被平均或积分，为实现图象的锐化，需反运算“微分”增强高频分量，使图像边缘清晰，但同时也增强了噪声T条件 原图像有较高的SNR4.5 图像锐化T边缘锐化的原理 图像中景物的边缘或纹理是灰度值发生突变的地方，数字信号处理采用差分或梯度计算来检测边缘。若在原图上（或一定的灰度值上

20、）叠加该检测结果有勾边效果。T边缘锐化的缺点 边缘突出的同时图像中噪声也会被突出。T图像模糊的两种理解1平均或积分效应引起用微分处理；2模糊可看作图像上高频分量被削弱高频增强，引入微分：微分法T注意噪声亦属高频分量，往往会随高频增强而突出。因此往往需要去噪后再锐化微分 T讨论微分算子 一般情况：希望求微分算子是各向同性的，即其微分效果不随特征方向不同而不同。可证明：偏导数的平方和是各向同性的，梯度运算、拉普拉斯运算都符合上述条件。4.5.1 微分法xyyf(x,y)4.5.1 微分法1梯度法4.5.1 微分法(i,j)(i+1,j)(i,j+1)(i,j)(i+1,j)(i,j+1)(i+1,

21、j+1)4.5.1 微分法1梯度法4.5.1 微分法1梯度法改进的梯度算法：阈值2拉普拉斯运算法4.5.1 微分法-1-14-1-1-1-1-18-1-1-1-1-1注意:1)图像中灰度变化小时，g(x,y)输出小或为负2）图像中灰度变化大时，g(x,y)的增强可能超出范围，需要变回0L-1尺度中4.5.1 微分法2拉普拉斯运算法32 242 22 2 2mask 0 -1 0 -1 4 -1 0 -1 0例:灰度级为432 22 4 11 1 1mask 0 -1 0 -1 4 -1 0 -1 04.5.1 微分法2拉普拉斯运算法3Roberts算子(i,j)(i+1,j)(i,j+1)(i

22、+1,j+1)4.5.1 微分法4高频增强滤波器：T光学操作将聚焦的正像与散焦的负像在底版上叠加，散焦的负像相当于一个模糊掩模。-1-1-19-1-1-1-1-11-2-25-211-2 1-2116 1-2-21-24.5.1 微分法经平滑后的图像（模糊）原图5定向滤波：沿特定方向增强，有塑像效果-1-c-11 c 1-1-cc1-11c11-1-1-c-111c-c-14.5.1 微分法频域：G(u,v)=H(u,v)F(u,v)其中：F(u,v)：原始图象傅立叶频谱 G(u,v)：平滑后图象的傅立叶频谱 H(u,v)：滤波转移函数H(u,v)函数的定义方法很多，针对具体情况选用不同方法。

23、FFTH(u,v)IFFT f(x,y)F(u,v)G(u,v)g(x,y)高通滤波法图像中的均匀与不均匀反映了频率高低不同抑制低频（增强高频）锐化抑制高频（增强低频）平滑 滤波传递函数 g(x,y)=h(x,y)*f(x,y)G(u,v)=H(u,v)F(u,v)以下讨论考虑对F(u,v)的实部、虚部影响完全相同的滤波转移函数零相移滤波器 高通滤波法(1)理想滤波器D04.5.2 高通滤波法(2)巴特沃斯滤波器4.5.2 高通滤波法(3)指数滤波器4.5.2 高通滤波法(4)梯形滤波器D1 D0H(u,v)D(u,v)4.5.2 高通滤波法4.6 同态增晰T作用作用 消除图像上照明不均的问题

24、，增加暗区的图像细节，同时又不损失亮区的图像细节，它在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强T成像物理背景成像物理背景人眼对图象亮度响应具有类似于对数运算的非线性形式f(x,y)=I(x,y)R(x,y)I(x,y)：照射分量（低频）R(x,y)：反射分量（高频）(图象细节的不同在空间作快速变化)T分析分析 关心反射信息，但室内外照射分量强度不同，图片明暗不均，能否消除照度不均，而增强反射部分比重?T过程过程f(x,y)=i(x,y)r(x,y)i(x,y)照射分量,低频区，r(x,y)反射分量，反映图像的细节分量，处于高频区4.6 同态增晰f(x,y)lnFFTH(u,v)高

25、频增强FFT-1expg(x,y)步骤：（1）z(x,y)=ln f(x,y)=lnI(x,y)+lnR(x,y)把频谱分开（2）Z(u,v)=I(u,v)+R(u,v)傅立叶变换（3）S(u,v)=H(u,v)Z(u,v)同态滤波函数用H(u,v)处理Z(u,v)（4）s(x,y)=F-1S(u,v)=i(x,y)+r(x,y)（5）g(x,y)=exp s(x,y)=exp i(x,y)+r(x,y)=i0(x,y)r0 (x,y)4.6 同态增晰如果图像照明不均，图像上各部分的亮度会有起伏，压缩照度分量的灰度范围或频域上消弱照度分量的频谱分量。因反射分量反映细节，利用对比度增强这一分量的

26、对比度或频域上加大反射频谱成分，使暗区细节增强，并保留亮区图像细节4.6 同态增晰H(u,v)D(u,v)a)同态滤波处理前 b)同态滤波处理后（压缩图像的动态范围，增加了图像各部分之间的对比度）4.6 同态增晰4.7 彩色增强4.伪彩色增强4.真彩色增强4.7.1 伪彩色增强(1)亮度切割x,yl1L红色蓝色亮度切割剖面示意伪彩色效果图4.7.1 伪彩色增强（2）从灰度到彩色的变换红色转换器绿色转换器蓝色转换器 IR(x,y)IG(x,y)IB(x,y)输入三个电子枪，可得到其颜色内容由3个变换函数调制的混合图像4.7.1 伪彩色增强4.7.1 伪彩色增强a)红色变换特性 b)绿色变换特性I

27、RL0 L/2 L f(x,y)L/2 L f(x,y)IGL 0 L/2 L f(x,y)IBL0 L/2 L f(x,y)ILc)蓝色变换特性 d)合成特性4.7.2 真彩色增强T从彩色到彩色的一种转换T目的1）引起人们的特别关注2）人眼对不同颜色的灵敏度不同真彩色效果例图4.7.2 真彩色增强作业4-1试给出把灰度范围（0，10）拉伸为（0，15），把灰度范围（10，20）移到（15，25），并把灰度范围（20，30）压缩为（25，30）的变换方程。4-2试给出变换方程T(z),使其满足在10z100的范围内，T(z)是lgz的线性函数0000.190.250.210.240.110007901023850985448012345670.140.220.260.170.090.060.040.0256092010467053562671707201234567nk/nnk/ng(x,y)nk/nnkf(x,y)表a表b作业4-5 已知一幅6464的数字图像，其灰度级有8个，各灰度级出现的 频 数如表a所示。试将此幅图像进行直方图变换，使其变换后的图像具有如表b所示的灰度级分布，并画出变换前后图像的直方图4-7 试设计一个程序实现nn的中值滤波器。当模板中心移过图像中每个位置时，设计一种简便的中值更新方法。作业