第4篇 图像增强优质PPT.pptx

第4篇 图像增强优质PPT.pptx

《第4篇 图像增强优质PPT.pptx》由会员分享，可在线阅读，更多相关《第4篇 图像增强优质PPT.pptx（42页珍藏版）》请在冰豆网上搜索。

对比度增强对比度拉伸灰度变换,4.1.1灰度级校正,在图像采集系统中对图像象素进行修正，使整幅图像成像均匀。

设理想输入系统的输出图像为f，实际获得的为ge为降质函数或感测系统的灰度失真系数。

标定e的方法：

采用衣服灰度级为常数C的图像成像。

降质图像可经校正后恢复,4.1.2灰度变换增强,灰度变换可使图像对比度扩展，图像清晰，特征明显。

它是图像增强的重要手段。

灰度变换是一种点处理方法，它将输入图像中每个像素（x,y）的灰度值f（x,y），通过映射函数T（），变换成输出图像中的灰度g（x,y），即：

g（x,y）=Tf（x,y）,灰度变换可以选择不同的灰度变换函数，如正比函数和指数函数等。

常用的灰度变换函数主要有：

线性灰度变换。

分段线性灰度变换。

非线性灰度变换。

1.线性灰度变换,将输入图像（原始图像）灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围。

线性拉伸采用的变换公式一般为:

g（x,y）=f（x,y）C+RC、R的值由输出图像的灰度值动态范围决定。

假定原始输入图像的灰度取值范围为fmin,fmax，输出图像的灰度取值范围gmin,gmax，其变换公式为一般要求gminfmax。

对于8位灰度图像则有,:

线性拉伸示意图如下:

线性拉伸前:

图象灰度集中在a,b之间.线性拉伸后:

图象灰度集中在a,b之间.,图像灰度变换前后效果对比图:

变换前,变换后,2.分段线性变换,线性拉伸将原始输入图像中的灰度值不加区别地扩展。

在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸。

分段线性拉伸是仅将某一范围的灰度值进行拉伸，而其余范围的灰度值实际上被压缩了。

常用的几种分段线性拉伸的示意图:

其对应的变换公式如下:

3.非线性变换,非线性拉伸不是对图像的整个灰度范围进行扩展，而是有选择地对某一灰度值范围进行扩展，其他范围的灰度值则有可能被压缩。

与分段线性拉伸区别:

非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩。

常用的两种非线性扩展方法:

（1）对数扩展:

基本形式:

g（x,y）=lgf（x,y）实际应用中一般取自然对数变换，具体形式如下：

g（x,y）=Clnf（x,y）+1f（x,y）+1是为了避免对零求对数，C为尺度比例系数，用于调节动态范围。

变换函数曲线:

（2）指数扩展:

g（x,y）=bf（x,y）实际应用中，为了增加变换的动态范围，一般需要加入一些调制参数。

具体形式如下：

g（x,y）=bcf（x,y）-a-1参数a可以改变曲线的起始位置.参数c可以改变曲线的变化速率.指数扩展可以对图像的高亮度区进行大幅扩展.,4.1.3直方图变换增强灰度直方图描述该图象的概貌，如图像的灰度范围、每个象素级的出现概率、灰度级的分布、整幅图像的平均明暗和对比度等。

大多数自然图像由于灰度分布集中在比较窄的区间，细节不清晰。

直方图修整后，图像灰度间距拉开或灰度分布均匀，增大反差，使细节清晰。

1.直方图均衡化通过把原图像的直方图通过变换函数修正为分布比较均匀的直方图，从而改变图像整体偏暗或整体偏亮，灰度层次不丰富的情况，这种技术叫直方图均衡化。

直方图均衡化过程解析:

设r和s分别表示原图像灰度级和经直方图均衡化后的图像灰度级。

为便于讨论，对r和s进行归一化，使：

0r，s1.,对于一幅给定的图像，归一化后灰度级分布在0rl范围内。

对0，1区间内的任一个r值进行如下变换：

s=T（r）.变换函数s=T（r）应满足下列条件：

在0r1的区间内,T（r）单值单调增加。

保证图像的灰度级从白到黑的次序不变对于0r1,有0T（r）1。

保证映射变换后的像素灰度值在允许的范围内。

满足这两个条件的变换函数的一个例子如:

（a）一种灰度变换函数图,（b）r和s的变换函数关系,从s到r的反变换用下式表示.,r的概率密度为，s的概率密度为可由求出对上述等式求导并积分最终得到:

该式右边为的累积分布函数。

表明当变换函数为r的累积分布函数时，能达到直方图均衡化的目的。

离散形式的直方图均衡化:

设一幅图像的像元数为n，共有l个灰度级，nk代表灰度级为rk的像元的数目，则第k个灰度级出现的概率可表示为：

变换函数T（r）可改写为:

均衡化后各像素的灰度值可直接由原图像的直方图算出。

直方图均衡化的计算步骤及实例,假设6464的灰度图像，共8个灰度级，其灰度级分布见下表，现要求对其进行均衡化处理。

计算各灰度级的：

依此类推可计算得：

s2=0.65；

s3=0.81；

s4=0.89；

s5=0.95；

s6=0.98；

s7=1对进行舍入处理，由于原图像的灰度级只有8级，因此上述各需用1/7为量化单位进行舍入运算，得到如下结果：

的最终确定，由的舍入结果可见，均衡化后的灰度级仅有5个级别，分别是：

s0=1/7，s1=3/7，s2=5/7，s3=6/7，s4=1/7。

计算对应每个的像素数目，因为r0=0映射到s0=1/7，所以有790个像元取s0这个灰度值；

同样r1映射到s1=3/7，因此有1023个像素取值s13/7;

同理有850个像元取值s2=5/7；

又因为r3和r4都映射到s3=6/7，所以有656+329=985个像素取此灰度值，同样有245+122+81=448个像素取s4l的灰度值。

均衡化后的直方图见图（c）,灰度分布比较均匀,原图象灰度偏低。

（A）原始直方图,（B）转换函数,（C）均衡化直方图,直方图均衡化效果示例:

（d）,（a）（b）（c）（a）和（b）分别是原始图像和其直方图（c）和（d）分别是均衡化后图像和其直方图,（a）,（b）,（d）,（c）（a）和（b）分别是原始图像和其直方图（c）和（d）分别是均衡化后图像和其直方图,2.直方图规定化直方图均衡化的优点是得到近似均匀分布的直方图。

但由于变换函数采用累积分布函数，也只能产生近似均匀的直方图的结果，这样就会限制它的效能。

实际应用中，有时需要具有特定直方图的图像，以便能够有目的地对图像中的某些灰度级分布范围内的图像加以增强。

直方图规定化方法可以按照预先设定的某个形状来调整图像的直方图。

直方图规定化的思想：

设和分别表示原始图像和目标图像灰度分布的概率密度函数，直方图规定化就是建立和之间的联系。

首先对原始图像进行直方图均衡化处理，即求变换函数：

对目标图像用同样的变换函数进行均衡化处理，即:

两幅图像做了同样的均衡化处理,所以Ps（s）和Pu（u）具有同样的均匀密度.变换函数的逆过程为:

从原始图像得到的均匀灰度级s来代替逆过程中的u，结果灰度级就是所要求的概率密度函数Pz（z）的灰度级。

直方图规定化的计算步骤及实例,6464像素图像，灰度级为8。

其直方图如图（a）所示，（b）是规定的直方图，（c）为变换函数，（d）为处理后的结果直方图。

原始直方图和规定的直方图的数值分别列于表3-2和表3-3中，经过直方图均衡化处理后的直方图数值列于表3-4。

表3-2原始直方图数据,表3-3规定的直方图数据,表均衡化处理后的直方图数据,具体计算步骤:

（1）对原始图像进行直方图均衡化映射处理的数列于表,k,3-4的n栏目内。

（2）利用式计算变换函数。

（3）用直方图均衡化中的进行G的反变换，求找出与的最接近值，例如s0=1/70.14,与它最接近的是G（z3）=0.15，所以可写成。

用这种方法可得到下列变换值：

（4）用找出r与z的映射关系。

根据这些映射重新分配像素灰度级，并用n=4096去除，可得到对原始图像直方图规定化增强的最终结果。

图直方图规定化处理方法,4.1.4局部统计法,用局部均值和方差进行对比度增强。

以象素（x,y）为中心的（2n+1）（2m+1）邻域,Wallis提出的算法使每个象素具有希望的局部均值和局部方差。

改进算法若k1，图像锐化，类似高通滤波若k1，图像平滑，类似低通滤波若k=0，g（x,y）等于局部均值,