《數(shù)字圖像處理教程（OPENCV版）》 課件 Ch03 圖像灰度變換與空間域濾波、Ch04 圖像的頻域處理

數(shù)字圖像處理教程第3章

圖像灰度變換與空間域濾波2024/5/61

2024/5/623.1常用灰度變換

2024/5/633.1.1線性變換

2024/5/643.1.2對數(shù)變換與反對數(shù)變換

2024/5/653.1.3冪律變換（伽馬變換）

2024/5/663.1.4分段線性變換對位于不同灰度區(qū)間段的像素值分別采用不同線性變換函數(shù)，選擇性拉伸或壓縮某段灰度區(qū)間的像素值位平面分層也屬于分段線性變換。圖像所有像素位于同一比特位上的二進制數(shù)組合得到一幅二進制值圖像，每個位平面一幅圖像2024/5/673.2基于直方圖的灰度變換2024/5/68變換后灰度值不僅與變換前灰度值有關(guān)，還與變換前其它像素灰度值有關(guān)2024/5/693.2.1直方圖

2024/5/6103.2.2直方圖均衡

2024/5/6113.2.2直方圖均衡

2024/5/6123.2.2直方圖均衡

2024/5/6133.2.2直方圖均衡

2024/5/6143.2.2直方圖均衡

2024/5/615018370.22424112860.1569829540.11646319380.23657410250.1251251840.0224664810.0587274870.059453.2.2直方圖均衡

2024/5/6163.2.2直方圖均衡

2024/5/617000100218370.22424322400.27343400519380.23657612090.1475879680.118163.2.2直方圖均衡數(shù)字圖像灰度值為整數(shù)，即使直方圖均衡后也幾乎不可能得到完全均勻分布的直方圖經(jīng)過均衡處理后直方圖在整個動態(tài)范圍內(nèi)概率密度分布更均勻，客觀上起到了增強對比度的作用。2024/5/6183.2.3直方圖規(guī)定化（直方圖匹配）將圖像灰度變換為符合指定概率密度分布變換后圖像直方圖是已知的、可以指定任何形狀直方圖均衡是直方圖規(guī)定化的特例2024/5/6193.2.3直方圖規(guī)定化（直方圖匹配）

2024/5/6203.2.3直方圖規(guī)定化（直方圖匹配）

2024/5/6213.2.3直方圖規(guī)定化（直方圖匹配）

2024/5/6223.2.3直方圖規(guī)定化（直方圖匹配

2024/5/62300102030.1540.2050.3060.2070.153.2.3直方圖規(guī)定化（直方圖匹配）

2024/5/62400102031425566773.2.3直方圖規(guī)定化（直方圖匹配）

2024/5/6253.2.4自適應(yīng)直方圖均衡CLAHE當圖像像素值局部分布與全局分布一致性較好時，直方圖均衡或規(guī)定化這類基于全局的處理效果較好若圖像中存在明顯的局部區(qū)域明暗分布與全局明暗分布不一致，則全局處理直方圖方法對圖像增強的效果不好自適應(yīng)直方圖均衡算法基本思想是將圖像分成若干個矩形區(qū)域，對每個區(qū)域做直方圖均衡，達到改進圖像局部對比度的目的2024/5/6263.2.4自適應(yīng)直方圖均衡CLAHE簡單的自適應(yīng)直方圖均衡在改善區(qū)域局部對比度的同時，也會放大平坦區(qū)域的噪聲。平坦區(qū)域包含的像素非常相近，像素灰度級動態(tài)范圍很小，其直方圖寬度窄、高度高。當對該區(qū)域直方圖均衡，窄的像素范圍映射到整個圖像取值范圍，使得區(qū)域內(nèi)原微弱的噪聲與其它部分差異變大限制對比度自適應(yīng)直方圖均衡(ContrastLimitedAdaptiveHistogramEqualization，CLAHE)通過限制自適應(yīng)均衡算法中對比度提高程度，抑制噪聲放大的問題2024/5/6273.2.4自適應(yīng)直方圖均衡CLAHE

2024/5/6283.2.4自適應(yīng)直方圖均衡CLAHE

2024/5/6293.2.4自適應(yīng)直方圖均衡CLAHE

2024/5/6303.2.4自適應(yīng)直方圖均衡CLAHE每個矩形區(qū)域直方圖裁剪后分別進行直方圖均衡。對每個區(qū)域分別直方圖均衡通常會出現(xiàn)塊效應(yīng)：每個區(qū)域內(nèi)部看上去自然，但各區(qū)域邊界處灰度差別明顯。2024/5/6313.2.4自適應(yīng)直方圖均衡CLAHECLAHE采用了雙線性內(nèi)插消除塊效應(yīng)找到距離像素點p最近的四個區(qū)域中心點，分別對應(yīng)A、B、C、D四個區(qū)域像素點p均衡后灰度值由這四個區(qū)域各自直方圖均衡結(jié)果內(nèi)插得到。2024/5/6323.2.4自適應(yīng)直方圖均衡CLAHE

2024/5/6333.3空間域濾波2024/5/634濾波濾掉不想要的成分，顯現(xiàn)被模糊的細節(jié)或者突出某些細節(jié)，是圖像增強的常用方法分為空間域濾波和頻域濾波空間域濾波在空間域?qū)ο袼剡M行操作平滑濾波減小噪聲銳化濾波用于提取邊緣突出邊緣及細節(jié)、彌補平滑濾波造成的邊緣模糊2024/5/6353.3.1空間域濾波基礎(chǔ)知識

2024/5/6363.3.1空間域濾波基礎(chǔ)知識空間域濾波的邊界填充常數(shù)值填充，通常使用0填充復(fù)制圖像邊界值，水平方向填充值用行邊緣值填充，垂直方向填充值用圖像列邊緣值填充鏡像填充2024/5/6373.3.2平滑濾波圖像具有局部連續(xù)的性質(zhì)，相鄰像素的值相近平滑濾波可以減少和抑制圖像中的噪聲濾波可分為線性濾波和非線性濾波二大類線性濾波指濾波結(jié)果是空間域各像素點的線性組合反之則統(tǒng)稱為非線性濾波2024/5/6383.3.2平滑濾波常用的線性平滑濾波有均值濾波（模板所有系數(shù)相同）和加權(quán)濾波對原圖像在模板覆蓋范圍內(nèi)像素點求平均值或加權(quán)平均值，代替原圖像中被模板錨點覆蓋像素的實際值2024/5/6393.3.2平滑濾波等效于頻域低通濾波器抑制邊緣突變，會引發(fā)邊緣模糊2024/5/6403.3.2平滑濾波

2024/5/6413.3.2平滑濾波中值濾波是最常見的統(tǒng)計排序濾波，用排序序列的中間值作為結(jié)果。消除孤立的亮點或暗點，對椒鹽噪聲非常有效2024/5/6423.3.2平滑濾波最大值濾波用排序的最大值做為濾波結(jié)果，用于消除椒噪聲最小值濾波用排序最小值做為濾波結(jié)果，消除鹽噪聲2024/5/6433.3.2平滑濾波統(tǒng)計排序濾波比線性平滑濾波能更好地保留邊緣統(tǒng)計排序濾波模板，一般噪聲越大則設(shè)置的模板尺寸越大模板越大濾波后邊緣越模糊2024/5/6443.3.2平滑濾波非線性濾波中的邊緣保留濾波(EdgePreservingFilter,EPF)可以在去噪的同時，完整保留圖像邊緣信息常用的邊緣保留濾波有雙邊濾波（bilateralfilter）、mean-shift濾波等2024/5/6453.3.2平滑濾波

2024/5/6463.3.2平滑濾波

2024/5/6473.3.2平滑濾波

2024/5/6483.3.3銳化濾波突出圖像突變的部分微分可以用于銳化微分計算均會凸顯噪聲，因此實際應(yīng)用中在圖像銳化前，需要先對圖像進行平滑以抑制噪聲2024/5/6493.3.3銳化濾波

2024/5/6503.3.3銳化濾波

2024/5/6513.3.3銳化濾波

2024/5/6523.3.3銳化濾波

2024/5/6533.3.3銳化濾波

2024/5/654數(shù)字圖像處理教程第4章圖像的頻域處理2024/5/655二維圖像信號既可以在空間域處理也可以在頻域處理，圖像的頻域處理也被稱為頻域濾波頻域處理以二維傅里葉變換為基礎(chǔ)，自變量為頻率，因變量是傅里葉變換值一些空間域處理本質(zhì)上對應(yīng)頻域處理空間域均值濾波與頻域低通濾波效果類似頻域處理可以充分利用頻率成分和圖像之間的對應(yīng)關(guān)系，一些在空間域難以實現(xiàn)的處理，在頻域中能輕松完成2024/5/6564.1二維離散傅里葉變換2024/5/657通過傅里葉變換可以將對函數(shù)的分析轉(zhuǎn)為對構(gòu)成它的頻率成分進行分析，每個系數(shù)代表著其對應(yīng)頻率對函數(shù)的貢獻量二維圖像通過傅里葉變換把像素值與空間坐標對應(yīng)關(guān)系轉(zhuǎn)化為傅里葉變換值與頻率之間的關(guān)系2024/5/6584.1.1二維離散傅里葉變換和反變換

2024/5/6594.1.1二維離散傅里葉變換和反變換

2024/5/6604.1.1二維離散傅里葉變換和反變換

2024/5/6614.1.1二維離散傅里葉變換和反變換

2024/5/6624.1.1二維離散傅里葉變換和反變換

2024/5/6634.1.1二維離散傅里葉變換和反變換

2024/5/6644.1.2二維離散傅里葉變換性質(zhì)

2024/5/6654.1.2二維離散傅里葉變換性質(zhì)

2024/5/6664.1.2二維離散傅里葉變換性質(zhì)

2024/5/6674.1.2二維離散傅里葉變換性質(zhì)

2024/5/6684.1.2二維離散傅里葉變換性質(zhì)

2024/5/6694.1.2二維離散傅里葉變換性質(zhì)

2024/5/6704.1.2二維離散傅里葉變換性質(zhì)相位影響攜帶目標在圖像中的位置信息2024/5/6714.2頻域濾波基礎(chǔ)知識2024/5/6724.2.1頻域濾波基礎(chǔ)

2024/5/6734.2.1頻域濾波基礎(chǔ)

2024/5/6744.2.2頻域濾波步驟

2024/5/6754.3頻域低通濾波2024/5/6764.3.1理想低通濾波器

2024/5/6774.3.1理想低通濾波器

2024/5/6784.3.1理想低通濾波器

2024/5/6794.3.2巴特沃斯低通濾波器

2024/5/6804.3.2巴特沃斯低通濾波器

2024/5/6814.3.2巴特沃斯低通濾波器不同參數(shù)濾波效果比較2024/5/6824.3.3高斯低通濾波器

2024/5/6834.3.3高斯低通濾波器

2024/5/6844.3.3高斯低通濾波器不同標準差參數(shù)，濾波效果比較2024/5/6854.4頻域高通濾波2024/5/686圖像銳化在頻率域通過高通濾波實現(xiàn)頻域高通濾波器衰減圖像頻譜中的低頻成分而保留頻譜中的高頻成分，而頻譜的高頻成分來自像素值劇烈變化高通濾波等價于“原圖像-原圖像低通濾波結(jié)果2024/5/6874.4.1理想高通濾波器

2024/5/6884.4.1理想高通濾波器理想高通濾波器會產(chǎn)生振鈴現(xiàn)象2024/5/6894.4.2巴特沃斯高通濾波器

2024/5/6904.4.2巴特沃斯高通濾波器

2024/5/6914.4.3高斯高通濾波器

2024/5/6924.4.3高斯高通濾波器高斯高通濾波效果2024/5/6934.4.4拉普拉斯濾波器

2024/5/6944.4.4拉普拉斯濾波器

2024/5/6954.4.5反銳化掩蔽與高提升濾波

高頻應(yīng)變?yōu)V波器2024/5/6964.5同態(tài)濾波2024/5/697

2024/5/698

低頻高頻2024/5/699

2024/5/6100

2024/5/6101同態(tài)濾波器效果2024/5/61024.6頻率選擇濾波器2024/5/6103選擇頻譜中某段特定頻率，允許其通過或?qū)⑵渌p帶通濾波器帶阻濾波器陷波濾波器2024/5/61044.6.1帶阻濾波器和帶通濾波器

2024/5/61054.6.1帶阻濾波器和帶通濾波器

2024/5/61064.6.2陷波濾波器對特定頻譜點進行衰減，其余頻譜不衰減用于去除周期噪聲當噪聲頻譜是離散點時，陷波濾波器效果比帶阻濾波器好設(shè)計比帶阻濾波器復(fù)雜2024/5/61074.6.2陷波濾波器

2024/5/61084.6.2陷波濾波器

2024/5/61094.6.2陷波濾波器

2024/5/61104.6.2陷波濾波器陷波濾波器去除周期噪聲示例2024/5/61114.6.2陷波濾波器實際中陷波濾波器設(shè)計小竅門求圖像離散傅里葉變換，將其幅度譜以圖像形式顯示找到頻譜圖中規(guī)律性的離散亮點，這些亮點來自周期性噪聲兩種方法得到陷波濾波器頻譜：頻譜圖是單色的(黑灰白)，用彩色點遮蓋噪聲頻譜中心點、或者用彩色塊遮蓋噪聲頻譜交互程序，用鼠標選擇陷波區(qū)域由于頻譜的對稱性，建議只用彩色點/塊（或鼠標選擇區(qū)域）遮蓋1、2象限的頻譜