數(shù)字圖像處理第三章課件

數(shù)字圖像處理第三章課件第一頁，共六十三頁，2022年，8月28日第3章空域增強(qiáng)技術(shù)原因在各類圖像系統(tǒng)中，圖像的傳送和轉(zhuǎn)換，如成像、復(fù)制、掃描、傳輸及顯示等，總要造成圖像質(zhì)量降低改善的方法有兩類：圖像增強(qiáng)和圖像恢復(fù)增強(qiáng)特點(diǎn)不考慮圖像降質(zhì)的原因，只將圖像中感興趣的特征有選擇地突出（增強(qiáng)），而衰減其不需要的特征改善后的圖像不一定要去逼近原圖像第二頁，共六十三頁，2022年，8月28日2第3章空域增強(qiáng)技術(shù)目標(biāo)從圖像質(zhì)量評價(jià)觀點(diǎn)來看，是提高圖像的可懂度突出圖像的特征，便于處理第三頁，共六十三頁，2022年，8月28日3第3章空域增強(qiáng)技術(shù)

3.1 空域技術(shù)分類3.2 直接灰度映射3.3 直方圖變換3.4 線性濾波3.5 非線性濾波3.6 局部增強(qiáng)第四頁，共六十三頁，2022年，8月28日43.1 空域技術(shù)分類空域：指由像素組成的空間空域增強(qiáng)： 點(diǎn)操作：灰度點(diǎn)操作幾何操作包括：

(1)借助對一系列圖像間的操作進(jìn)行變換

(2)將f(·)中的每個(gè)像素按EH操作直接變換以得到g(·)；

(3)借助f(·)的直方圖進(jìn)行變換第五頁，共六十三頁，2022年，8月28日53.1 空域技術(shù)分類模板操作：w1w2w3w4w5w6w7w8w9:z1z2z3…z4z5z6…z7z8z9:模板模板系數(shù)第六頁，共六十三頁，2022年，8月28日6第3章空域增強(qiáng)技術(shù)

3.1 空域技術(shù)分類3.2 直接灰度映射3.3 直方圖變換3.4 線性濾波3.5 非線性濾波3.6 局部增強(qiáng)第七頁，共六十三頁，2022年，8月28日73.2 直接灰度映射將f(x,y)中的每個(gè)像素灰度按EH

操作直接變換以得到g(x,y)

直接灰度映射是一種點(diǎn)操作第八頁，共六十三頁，2022年，8月28日83.2 直接灰度映射典型方法1、圖像求反 2、增強(qiáng)對比度3、動(dòng)態(tài)范圍壓縮：t＝Clog(1＋|s|) 4、灰度切分第九頁，共六十三頁，2022年，8月28日93.2 直接灰度映射實(shí)例第十頁，共六十三頁，2022年，8月28日10第3章空域增強(qiáng)技術(shù)

3.1 空域技術(shù)分類3.2 直接灰度映射3.3 直方圖變換3.4 線性濾波3.5 非線性濾波3.6 局部增強(qiáng)第十一頁，共六十三頁，2022年，8月28日113.3直方圖變換直方圖是圖像的一種統(tǒng)計(jì)表達(dá)

直方圖反映了圖像中灰度的分布情況 3.4.1直方圖均衡化 3.4.2直方圖規(guī)定化第十二頁，共六十三頁，2022年，8月28日123.3直方圖變換直方圖（Histogram）straightsquaredrawing數(shù)字圖像中每一灰度級與它出現(xiàn)的頻數(shù)之間的統(tǒng)計(jì)提供了圖像像素的灰度值分布情況計(jì)算：

設(shè)置一個(gè)有L個(gè)元素的數(shù)組，對原圖像的灰度值進(jìn)行統(tǒng)計(jì)第十三頁，共六十三頁，2022年，8月28日133.3直方圖變換直方圖的計(jì)算設(shè)圖像中某種灰度rk的像素?cái)?shù)為nk，n是圖像中像素的總數(shù)，則灰度級rk所對應(yīng)的頻數(shù)為：說明直方圖反映了圖像中各灰度的含量，它并不反映圖像的空間信息，只展示具有一定灰度級的像素的數(shù)目或頻數(shù)，通過對圖像的直方圖進(jìn)行改變可以改善圖像的質(zhì)量第十四頁，共六十三頁，2022年，8月28日143.3直方圖變換實(shí)例橫坐標(biāo)表示灰度級，縱坐標(biāo)表示頻數(shù)，就可以看出圖像中灰度的分布情況，水泥微觀結(jié)構(gòu)圖左圖對應(yīng)的直方圖第十五頁，共六十三頁，2022年，8月28日153.3直方圖變換四種基本類型圖像的直方圖暗圖像亮圖像低對比度圖像高對比度圖像第十六頁，共六十三頁，2022年，8月28日163.3.1直方圖均衡化直方圖均衡化（HistogramFlattening<Equalization>）指圖像經(jīng)灰度變換后，使得灰度的概率密度分布變?yōu)槌?shù)，即均勻分布均衡化基本思想

變換原始圖像的直方圖為均勻分布 ==>擴(kuò)大像素灰度值的動(dòng)態(tài)范圍

==>增強(qiáng)圖像整體對比度（反差）第十七頁，共六十三頁，2022年，8月28日173.3.1直方圖均衡化

增強(qiáng)函數(shù)

歸一化直方圖

增強(qiáng)函數(shù)EH(r)：

(1)在范圍內(nèi)為單值單增函數(shù)

各灰度級在變換后仍保持排列次序 (2)

變換前后灰度值動(dòng)態(tài)范圍一致第十八頁，共六十三頁，2022年，8月28日183.3.1直方圖均衡化累積分布函數(shù)CDF（CumulativeDistributionFunction）滿足條件（1）概率密度函數(shù)PDF(ProbabilityDensityFunction)永遠(yuǎn)為正（2）因?yàn)閞在[0，1]上時(shí)，pr的總和為1并能使r的分布轉(zhuǎn)換為s的均勻分布第十九頁，共六十三頁，2022年，8月28日193.3.1直方圖均衡化累積分布函數(shù)CDF第二十頁，共六十三頁，2022年，8月28日203.3.1直方圖均衡化例：已知一幅圖灰度級的概率分布密度：對其進(jìn)行直方圖均衡化。解：實(shí)質(zhì)是求EH(r).第二十一頁，共六十三頁，2022年，8月28日213.3.1直方圖均衡化離散情況：累積直方圖 (1) sk

是k的單值單增函數(shù)(2) 灰度取值范圍一致，0≤sk≤1(3) 將r的分布轉(zhuǎn)換為s的均勻分布第二十二頁，共六十三頁，2022年，8月28日223.3.1直方圖均衡化第二十三頁，共六十三頁，2022年，8月28日23作業(yè)有一幅圖象，共有16級灰度，其直方圖分布為Pi,i=0,1,…,15，求經(jīng)直方圖均衡化后，量化級別為10級的灰度圖象的直方圖分布Qi，其中Pi和Qi為分布的概率，即灰度i出現(xiàn)的次數(shù)與總的點(diǎn)數(shù)之比。Pi：0.03,0,0.06,0.10,0.20,0.11,0,0,0,0.03,0,0.06,0.10,0.20,0.11,0第二十四頁，共六十三頁，2022年，8月28日243.3.1直方圖均衡化實(shí)例圖（a）圖像較暗且灰度動(dòng)態(tài)范圍較小，（b）直方圖中的灰度分布集中圖（c）圖像對比度增加，細(xì)節(jié)清晰，灰度動(dòng)態(tài)范圍擴(kuò)大（d）灰度分布較均勻第二十五頁，共六十三頁，2022年，8月28日253.3.1直方圖均衡化實(shí)質(zhì)：減少圖像的灰度以換取對比度擴(kuò)大注意：不能將同一灰度值的各個(gè)像素變換到不同灰度級上實(shí)例第二十六頁，共六十三頁，2022年，8月28日26MatLab函數(shù)顯示直方圖：imhist(I)直方圖均衡化：J=histeq(I)例>>I=imread('rice.tif');>>J=histeq(I);>>subplot(2,2,1),imshow(I);>>subplot(2,2,2),imhist(I);>>subplot(2,2,3),imshow(J);>>subplot(2,2,4),imhist(J);3.3.1灰度直方圖及均衡化處理第二十七頁，共六十三頁，2022年，8月28日273.3.2直方圖規(guī)定化均衡化優(yōu)點(diǎn)：自動(dòng)增強(qiáng)整個(gè)圖像的對比度缺點(diǎn)：具體的增強(qiáng)效果不易控制，處理的結(jié)果總是得到全局均衡化的直方圖實(shí)際中需要變換直方圖后滿足指定的形狀直方圖規(guī)定化（HistogramMatching）指變換圖像灰度直方圖為指定的分布，從而有選擇地增強(qiáng)某個(gè)灰度范圍內(nèi)的對比度第二十八頁，共六十三頁，2022年，8月28日283.3.2直方圖規(guī)定化主要步驟借助直方圖均衡變換實(shí)現(xiàn)規(guī)定的灰度映射 (1)對原始直方圖進(jìn)行灰度均衡化 (2)規(guī)定需要的直方圖，計(jì)算能使規(guī)定直方圖均衡化的

變換

(3)將原始直方圖對應(yīng)映射到規(guī)定直方圖，即將所有的 pr(ri)對應(yīng)到pz(tj)去。三個(gè)步驟第二十九頁，共六十三頁，2022年，8月28日293.3.2直方圖規(guī)定化兩種映射/對應(yīng)規(guī)則

(1)單映射規(guī)則SML(SingleMappingLaw)

先從小到大依次找到使下式最小的k和l：然后將 對應(yīng)到上去。說明：這每個(gè)是分別對應(yīng)過去，稱為單映射。方法簡單直觀，但有時(shí)會(huì)有較大的取整誤差。第三十頁，共六十三頁，2022年，8月28日303.3.2直方圖規(guī)定化

(2)組映射規(guī)則GML(GroupMappingLaw)

設(shè)I(l)為整數(shù)函數(shù)，l=0,1,…,N-1,滿足0≤I(0)≤…≤I(l)≤…≤I(N-1)≤M-1。確定能使下式達(dá)到最小的I(l)：

如果l＝0，則將i從0到I(0)的對應(yīng)到去；如果l≥1，則將i從I(l-1)+1到I(l)的對應(yīng)到去。第三十一頁，共六十三頁，2022年，8月28日313.3.2直方圖規(guī)定化例第三十二頁，共六十三頁，2022年，8月28日323.3.2直方圖規(guī)定化第三十三頁，共六十三頁，2022年，8月28日333.3.2直方圖規(guī)定化原始直方圖規(guī)定直方圖SMLGML第三十四頁，共六十三頁，2022年，8月28日343.3.2直方圖規(guī)定化第三十五頁，共六十三頁，2022年，8月28日35

3.3.2直方圖規(guī)定化映射誤差 對應(yīng)映射間數(shù)值的差值（取絕對值）的和 例3.3.6的誤差SML:|0.44-0.2|+|(0.89-0.44)-(0.8-0.2)|+|(1-0.89)-(1-0.80)|=0.48 GML:|0.2-0.19|+|(0.81-0.19)-(0.8-0.2)|+|(1-0.81)-(1-0.80)|=0.04第三十六頁，共六十三頁，2022年，8月28日363.3.2直方圖規(guī)定化直方圖規(guī)定化vs.直方圖均衡化

直方圖均衡化：自動(dòng)增強(qiáng) 效果不易控制 總得到全圖增強(qiáng)的結(jié)果 直方圖規(guī)定化：有選擇地增強(qiáng) 須給定需要的直方圖

特定增強(qiáng)的結(jié)果第三十七頁，共六十三頁，2022年，8月28日37第3章空域增強(qiáng)技術(shù)

3.1 空域技術(shù)分類3.2 直接灰度映射3.3 直方圖變換3.4 線性濾波3.5 非線性濾波3.6 局部增強(qiáng)第三十八頁，共六十三頁，2022年，8月28日383.4 線性濾波

利用像素本身以及其鄰域像素的灰度關(guān)系進(jìn)行增強(qiáng)的方法常稱為濾波（Filtering）

3.4.1技術(shù)分類和實(shí)現(xiàn)原理

（模板卷積，鄰域操作）

3.4.2線性平滑濾波器

（減弱或消除圖像中的噪聲）

第三十九頁，共六十三頁，2022年，8月28日393.4.1技術(shù)分類和實(shí)現(xiàn)原理

在圖像空間借助模板進(jìn)行鄰域操作 分類1： (1) 線性：如鄰域平均

(2) 非線性：如中值濾波 分類2：(1) 平滑：模糊，消除噪聲

(2) 銳化：增強(qiáng)邊緣的細(xì)節(jié)第四十頁，共六十三頁，2022年，8月28日403.4.1技術(shù)分類和實(shí)現(xiàn)原理濾波器實(shí)現(xiàn)——>鄰域運(yùn)算：第四十一頁，共六十三頁，2022年，8月28日413.4.2線性平滑濾波器線性濾波：LinearFiltering1、鄰域平均

系數(shù)都是正的 保持灰度值范圍（所有系數(shù)之和為1） 例：33模板第四十二頁，共六十三頁，2022年，8月28日423.4.2線性平滑濾波器(a)原始圖(b)噪聲圖(c)3×3(d)5×5(e)7×7(f)9×9(g)11×11模板尺寸增大時(shí)，對噪聲消除效果增強(qiáng)，但圖像變得模糊，即邊緣細(xì)節(jié)減少第四十三頁，共六十三頁，2022年，8月28日433.4.2線性平滑濾波器2、加權(quán)平均

不同位置的系數(shù)采用不同的值一般認(rèn)為：離模板中心近的像素對濾波貢獻(xiàn)大，所以中心系數(shù)大；而周圍系數(shù)小系數(shù)的實(shí)用取值：最外周邊系數(shù)為1，內(nèi)部系數(shù)成正比例增加，中間系數(shù)最大第四十四頁，共六十三頁，2022年，8月28日443.5非線性濾波非線性濾波NonlinearFiltering

發(fā)展方向：邏輯的、幾何的、代數(shù)的非線性濾波器方法：基于集合的、基于形狀的、基于排序的最實(shí)用：排序統(tǒng)計(jì)法

3.5.1非線性平滑濾波器

3.5.2非線性銳化濾波器第四十五頁，共六十三頁，2022年，8月28日453.5.1非線性平滑濾波器作用：既消除噪聲又保持細(xì)節(jié)（不模糊）中值（median）濾波器 方法：

(1)將模板中心與像素位置重合

(2)讀取模板下各對應(yīng)像素的灰度值

(3)將這些灰度值從小到大排成1列

(4)找出這些值里排在中間的1個(gè)

(5)將這個(gè)中間值賦給模板中心位置像素分類：1D（1維）和2D第四十六頁，共六十三頁，2022年，8月28日463.5.1非線性平滑濾波器例：1D中值濾波窗口長度為3第四十七頁，共六十三頁，2022年，8月28日473.5.1非線性平滑濾波器中值（median）濾波器的模板中值濾波器的消噪聲效果與模板的尺寸和參與運(yùn)算的像素?cái)?shù)有關(guān)圖像中尺寸小于模板尺寸一半的過亮或過暗區(qū)域?qū)?huì)在濾波后會(huì)被消除掉例：模板第四十八頁，共六十三頁，2022年，8月28日483.5.1非線性平滑濾波器例3.5.2：鄰域平均與中值濾波的比較(e)5×5鄰域(f)5×5中值濾波(a)原始圖(b)噪聲圖(c)3×3鄰域(d)3×3中值濾波中值濾波后的圖像輪廓比較清晰第四十九頁，共六十三頁，2022年，8月28日493.5.1非線性平滑濾波器百分比（percentile）濾波器

最大值 最小值中點(diǎn)濾波器 第五十頁，共六十三頁，2022年，8月28日503.5.2非線性銳化濾波器1、非線性銳化濾波器 利用微分可以銳化圖像（積分平滑圖像） 梯度：對應(yīng)一階導(dǎo)數(shù)最常用的微分矢量

（需要用2個(gè)模板分別沿X和Y方向計(jì)算）第五十一頁，共六十三頁，2022年，8月28日513.5.2非線性銳化濾波器1、非線性銳化濾波器在離散空間，微分用差分實(shí)現(xiàn)。

兩個(gè)常用的差分模板第五十二頁，共六十三頁，2022年，8月28日523.5.2非線性銳化濾波器1、非線性銳化濾波器 模以2為范數(shù)/模計(jì)算（對應(yīng)歐氏距離）

以1為范數(shù)(城區(qū)距離)：以為范數(shù)(棋盤距離）第五十三頁，共六十三頁，2022年，8月28日533.5.2非線性銳化濾波器2、最大-最小銳化變換 是一種圖像增強(qiáng)技術(shù)。將最大值濾波器和最小值濾波器結(jié)合使用，可以銳化模糊的邊緣并讓模糊的目標(biāo)清晰起來。

迭代實(shí)現(xiàn)：第五十四頁，共六十三頁，2022年，8月28日543.6局部增強(qiáng)局部增強(qiáng)對圖像局部細(xì)節(jié)的增強(qiáng)處理全局增強(qiáng)vs.局部增強(qiáng)局部增強(qiáng)多了一個(gè)選擇局部區(qū)域的步驟直接利用局部信息以達(dá)到局部增強(qiáng)的目的1.利用每個(gè)像素的鄰域內(nèi)像素的均值和方差局部增益函數(shù)M是f(x,y)的均值，σ(x,y),m(x,y)是以(x,y)為中心的鄰域內(nèi)的灰度均值和均方差值第五十五頁，共六十三頁，2022年，8月28日553.6局部增強(qiáng)實(shí)例：局部增強(qiáng)(a)灰度偏暗的圖像(b)直方圖均衡化(c)將原圖像分成7×7子圖像后局部增強(qiáng)說明：（b）原圖像中灰度值僅有小起伏的區(qū)域變得黑白分明，比較生硬