图像增强 数字图像处理

2015-10-31 15:32:34 samkieth 阅读数 15909

我们从这一节开始进入数字图像处理的大门。预备知识后序补充。图像处理可以有多种分类,其中图像增强和图像复原可以看作是一组相反的过程,这篇主要是概括图像增强技术。那么,增强技术也可以有多种分类,如,可以分为平滑(抑制高频成分)与锐化(增强高频成分),空间域与频域。我们把以第二种为例,分开解释两种技术,并进行对比。为了更加贴近实际操作,我将主讲算法。

空间域图像增强

基于空域的算法分为点运算算法和邻域去噪算法。

简单来说,空间域增强就是指增强构成图像的像素,是直接对这些像素进行操作的过程。而频域则是修改图像的傅立叶变换。

g(x, y) =T[f (x, y)]定义了空间域。

f(x,y)是原图像,g(x,y)是处理后的图像

T是作用于f的操作,定义在(x,y)的邻域

空间域增强的简化形式(灰度级变换函数,又称强度映射):s =T(r)

r是f(x,y)在任意点(x,y)的灰度级,s是g(x,y)在任意点(x,y)的灰度级

1.点运算

点运算实际上是对图像的每个像素点的灰度值按一定的映射关系进行运算得到一副新图像的过程。点运算算法即灰度级校正、灰度变换和直方图处理等,目的或使图像成像均匀,或扩大图像动态范围,扩展对比度。

那我们先来看灰度变换中的常用算法:

1.1灰度变换

1.1.1图像反转

表达式:s = (L−1)−r

[0,L-1]为图像的灰度级。作用:倒转图像的灰度,适用于增强嵌入于图像暗色区域的白色或灰色细节,特别是当黑色面积占主导地位时。


1.1.2.对数变换

表达式:s = c*log(1+ r)

c是常数,r ≥ 0。

此种变换使一窄带低灰度输入图像值映射为一宽带输出值。有时原图的动态范围太大,超出某些显示设备的允许动态范围,如直接使用原图,则一部分细节可能丢失,解决办法是对原图进行灰度压缩,如对数变换,可应用在傅立叶频谱。


1.1.3.幂次变换

表达式: 

 c和γ正常数

γ <1 提高灰度级,在正比函数上方,使图像变亮                  

γ >1 降低灰度级,在正比函数下方,使图像变暗

c=γ=1时简化为正比变换。




1.1.4.对比拉伸

主要思想是提高图像处理时灰度级的动态范围(待深究)


1.1.5.灰度切割

提高特定灰度范围的亮度。两种基本方法:一是在所关心的范围内为所有的灰度指定一个较高值,而为其他灰度指定一个较低值。第二种使所需的范围的灰度变亮,但是保持了图像的背景和灰度色调。



1.1.6.位图切割

假设图像中每个像素的灰度级是256,这可以用8位来表示,假设图像是由8个位平面组成,范围从位平面0到位平面7。其中,位平面0包含图像中像素的最低位,位平面7包含像素的最高位。

 这种方法通过对特定位提高亮度,改善图像质量。

  较高位(如前4位)包含大多数视觉重要数据。

  较低位(如后4位)对图像中的微小细节有作用。

 分解为位平面,可以分析每一位在图像中的相对重要性。




1.2直方图处理

直方图是多种空间域处理的基础,我们把它提到与灰度级变换相同的高度,接下来一起学习。

1.2.1.直方图两种定义:

一个灰度级在范围[0,L-1]的数字图像的直方图是一个离散函数  h(rk)= nk

nk是图像中灰度级为rk的像素个数

rk 是第k个灰度级,k = 0,1,2,…,L-1

由于rk的增量是1,直方图可表示为:

p(k)= nk

即,图像中不同灰度级像素出现的次数


一个灰度级在范围[0,L-1]的数字图像的直方图是一个离散函数 p(rk)= nk /n

n 是图像的像素总数

nk是图像中灰度级为rk的像素个数

rk是第k个灰度级,k = 0,1,2,…,L-1


1.2.2.直方图分析

若一幅图像的像素占有全部可能的灰度级并且分布均匀,则这样的图像有高对比度和多变的灰度色调。低灰度级图像的直方图窄而集中于灰度级的中部。在偏暗图像中,直方图的组成成分集中在灰度级低(暗)的一侧,类似的,明亮图像的直方图则倾向于灰度级高的一侧。较基础,这里不给出图像显示。


1.2.3.直方图均衡化(待补充)

../../../../../_images/Histogram_Equalization_Theory_0.jpg

直方图均衡化是通过拉伸像素强度分布范围来增强图像对比度的一种方法.说得更清楚一些, 以上面的直方图为例, 你可以看到像素主要集中在中间的一些强度值上. 直方图均衡化要做的就是拉伸这个范围. 见下面左图: 绿圈圈出了 少有像素分布其上的 强度值. 对其应用均衡化后, 得到了中间图所示的直方图. 均衡化的图像见下面右图.

../../../../../_images/Histogram_Equalization_Theory_1.jpg均衡化指的是把一个分布 (给定的直方图) 映射 到另一个分布 (一个更宽更统一的强度值分布), 所以强度值分布会在整个范围内展开.

要想实现均衡化的效果, 映射函数应该是一个累积分布函数 (cdf) (更多细节, 参考*学习OpenCV*). 对于直方图 H(i), 它的 累积分布 H^{'}(i) 是:

H^{'}(i) = \sum_{0 \le j < i} H(j)

要使用其作为映射函数, 我们必须对最大值为255 (或者用图像的最大强度值) 的累积分布 H^{'}(i) 进行归一化. 同上例, 累积分布函数为:

  • ../../../../../_images/Histogram_Equalization_Theory_2.jpg
  • 最后, 我们使用一个简单的映射过程来获得均衡化后像素的强度值:
  • equalized( x, y ) = H^{'}( src(x,y) )

2.邻域去噪

邻域增强算法分为图像平滑和锐化两种。平滑一般用于消除图像噪声,但是也容易引起边缘的模糊。常用算法有均值滤波、中值滤波、最大值滤波等。锐化的目的在于突出物体的边缘轮廓,便于目标识别。常用算法有梯度算子、高通滤波、掩模匹配法、统计差值法。拉普拉斯算子等。
可以说,邻域处理工作是操作邻域的图像像素值以及相应的与邻域有关维数的子图像的值。这些子图像可称为滤波器,掩模,核,模板或窗口。在滤波器子图像中的值是系数值,而不是像素值。滤波的概念来源于在频域对信号进行处理的傅立叶变换,这在后文提到。空间滤波其实有别于传统的频域滤波处理。
空间滤波原理:
空间滤波的处理起始就是在待处理图像中逐点地移动掩模。模板本身被称为空间滤波器空间模板即M×N图像的m×n子图像)

在M×N的图像f上,使用m×n的滤波器掩模进行线性滤波由下式给出:

 

其中,m=2a+1,n=2b+1,w(s,t)是滤波器系数,f(x,y)是图像值,要完整图像的处理,必须取x=0,1,2。。。M-1,y=0,1,2......N-1

上式与频域中卷积处理很相似,故线性空间滤波处理经常称为“掩模与图像的卷积”。

空间滤波的简化形式:


其中,w是滤波器系数,z是与该系数对应的图像灰度值,mn为滤波器中包含的像素点总数。

非线性空间滤波处理也是基于邻域处理,且掩模滑过的机理一样。

我们需要考虑滤波中心靠近图像轮廓时发生的情况。需要将掩模中心点的移动范围限制在距离图像边缘不小于(n-1)/2个像素点处,这是最佳方法。还可以用全部包含于图像中的掩模部分滤波所有像素。


2.1.平滑滤波器

主要用于模糊处理(去除图像中一些不重要的细节)和 减小噪声。

2.1.1线性滤波器:均值滤波器

包含在滤波器邻域内像素的平均值,也称为均值滤波器

作用:减小图像灰度的“尖锐”变化,减小噪声

由于图像边缘是由图像灰度尖锐变化引起的,所以也存在边缘模糊的问题

 

图a是标准的像素平均值(滤波系数均为1)

图b是像素的加权平均,表明一些像素更为重要。(重要的像素系数大,系数之和为16)

加权均值滤波过程公式为:



2.1.2非线性滤波器:统计排序滤波器(中值滤波器最有代表性)

 统计排序滤波器基于滤波器所在图像区域中像素的排序,由排序结果决定的值代替中心像素的值

分类

 中值滤波器: 用像素领域内的中间值代替该像素

 最大值滤波器:用像素领域内的最大值代替该像素

 最小值滤波器:用像素领域内的最小值代替该像素


中值滤波器

 主要用途:去除噪声

 计算公式:R = mid {zk | k = 1,2,…,n}

 

 最大值滤波器

 主要用途:寻找最亮点

 计算公式:R = max {zk | k = 1,2,…,n}

 

 最小值滤波器

 主要用途:寻找最暗点

 计算公式:R = min {zk | k = 1,2,…,n}

 

由于中值滤波使用普遍,我们再次对中值滤波进行详解。它处理脉冲噪声(椒盐噪声)非常有效。

 中值滤波的原理

 像素由小到大排列,用模板区域内像素的中间值,作为结果值。

例如3×3的领域内有像素(10,20,20,20,15,20,20,25,100),排序后为(10,15,20,20,20,20,20,25,100),中值为20.

R = mid {zk | k = 1,2,…,n}

    强迫突出的亮点(暗点)更象它周围的值,以消除孤立的亮点(暗点)

 

中值滤波算法的特点

在去除噪音的同时,可以比较好地保留边的锐度和图像的细节(优于均值滤波器)

能够有效去除脉冲噪声:以黑白点叠加在图像上。



2.2.锐化滤波器

作用:突出图像中的细节,增强被模糊了的细节。印刷中的细微层次强调。弥补扫描对图像的钝化,超声探测成像,分辨率低,边缘模糊,通过锐化来改善。图像识别中,分割前的边缘提取。锐化处理恢复过度钝化、暴光不足的图像。

锐化处理可以用空间微分来完成。我们将讨论数字微分锐化的定义极其算子。微分算子的相应强度与图像在该点(应用了算子)的突变程度有关。这样,图像微分增强了边缘和其他突变(如噪声)并削弱了灰度变换缓慢的区域。

微分滤波器的原理:

均值产生钝化的效果,而均值与积分相似,由此而联想到,微分能不能产生相反的效果,即锐化的效果?结论是肯定的。 

在图像处理中应用微分最常用的方法是计算梯度。函数f(x,y)在(x,y)处的梯度为一个向量:


对于一元函数f(x)表达一阶微分的定义是一个差值:


类似用差分定义二阶微分:


锐化滤波器的分类

 二阶微分滤波器-拉普拉斯算子

 一阶微分滤波器-梯度算子

 

2.2.1拉普拉斯算子

图像函数的拉普拉斯变换定义为



拉普拉斯变换对图像增强的基本方法


(1)用于拉普拉斯模板中心系数为负

(1)用于拉普拉斯模板中心系数为正


拉普拉斯算子


2.2.2梯度算子

梯度通过一个二维列向量来定义

 

向量的模值


考虑一个3x3的图像区域,z代表灰度级,上式在点z5的∇f值可用 



 

向量模值的近似计算       

用绝对值替换平方和平方根有:


 微分过滤器的原理

∇f ≈ |z6 – z5| + |z8 – z5|

另外一种计算方法是使用交叉差:

∇f ≈ [(z9 – z5)2 + (z8 – z6)2]1/2

≈ |z9 – z5| + |z8 – z6|

微分滤波器模板系数设计

Roberts交叉梯度算子

Prewitt梯度算子

Sobel梯度算子


 



频域图像增强

1.频域傅立叶变换和拉普拉斯算子

2.平滑滤波器

2.1理想低通

2.2巴特沃思

2.3高斯滤波器

3.锐化滤波器

3.1理想高通

3.2巴特沃思

3.3高斯型







2016-08-15 21:29:57 xlx921027 阅读数 5075

Digital Image Processing[数字图像和数字图像处理]

数字图像就是指代表图像的矩阵。

数字图像处理就是对图像矩阵进行各种数学运算

在进行图像处理时需要一些数学基础,主要包括线性系统、傅立叶变换、沃尔什变换和小波变换等

 

1.  景象:人眼所看到的外部世界。

     人类看世界的生理功能:由于光线照射到物体上,经过不发光的物体反射形成的反射光线或发光物体发出的光线射入人们的眼睛中。这些光信号在视网膜上转成神经电信号,然后神经电信号通过神经纤维传送到大脑皮层中,使人们看到外部世界

2.  图象:记录下来的景象,是对视觉信息的记录和展现 。

     要形成一幅图像,必须有两个因素:一个是景象,另一个是电磁波。以光速传播,所以事件的成像是在瞬间进行的。电磁波与物体的相互作用决定了图像中呈现出的物体的几何形状。忧郁电磁波的波长不同,电磁波与物质的相互作用形式也不同。{γ射线区, x射线,UV, 可见光, IR, 微波, FM波 }

根据电磁波长的不同,常采用不同的记录方式(如照相机、摄像机、X光成像等)来形成各种不同的图像。通常将图像分为两种:一种是可以为视觉系统直接感受到的图像,如照片和图画等称为可见图像;另一种是不可以为视觉系统直接感受到图像,这类图像必须经过某些数学和物理的转换才能为视觉系统所感受,如X光片等,称为不可见图像。从另一个角度,若记录的图像是随时间变化的,则称为时变图像如电影;若记录的图像是不随时间变化的,则称为静止图像如图画。

3.  模拟图象或连续图像 (不能直接传给计算机处理)




4.  数字图像:将连续图像进行数字化后,用一个矩阵表示的图像

 

 

5.  数字图像处理: 用计算机对用矩阵表示的数字图像的矩阵进行各种运算。图像处理的目的是改善图像的质量,使它更便于人们观察,适合机器识别。

通常分为两大类图像处理方式: (1)光学图像处理,它是用光学的方法对图像作某些特殊的处理。 (2)数字图像处理,它是用计算机对图像进行加工和处理,eg:image enhancement 对图像进行增强处理。这里是增强有用的信息,抑制无用的信息,从而改变图像的灰度分布,使图像更易于人们视觉系统观看。],imagerestoration对图像进行复原处理。有些图像由于在拍摄的曝光时间内,景物与照相机之间产生了相对移动,使图像模糊了,应用图像复原技术可以改善这种图像的质量],imageanalysis提取、分析和描述图像中所包含的特殊信息,如边缘提取]

 

6.  数字图像处理系统: 能够完成图像处理和分析任务的系统。主要有:图像输入设备,执行分析与处理图像的计算机及图像处理机,输出设备及存储系统中的图像数据库等。

数字图像处理系统与其他数据处理系统的不同之处是其庞大的数据处理量和存储量。图像处理技术是以计算机为核心的技术,因此,图像处理系统的发展是随着计算机技术的提高而发展的。从系统的层次上,数字图像处理系统可分为高、中、低三个档次。 (1)高档图像处理系统。它是采用高速芯片、适合图像处理特有规律的并行阵列图像处理机。这种系统采用多个CPU或多机结构,可以以并行或流水线的方式工作。 (2)中档图像处理工作站。它是由主控计算机和图像处理器构成。其主控机是小型机或工作站。这类系统有较强的交互处理能力,在系统环境下具有较好的再开发能力。 (3)低档的数字图像处理系统。由计算机加上图像采集部件构成,其结构简单,是一种便于普及和推广的图像处理系统。

7图像处理硬件系统主要由图像采集系统、图像处理系统和图像输出系统三部分组成。

(1)数字图像采集系统原始的图像数据是通过图像采集部件进入计算机的,即图像采集部件是采集原始的模拟图像数据,并将其转换成数字信号,计算机接受到图像的数字信号后,将其存入内存储区。

(2) 数字图像处理系统在数字图像处理系统中,图像处理工作是由计算机完成的,计算机的扩展槽上插有带帧存储器的采集卡,图像处理的过程通常包含从帧存储器提取数据到计算机内存、处理内存中的图像数据和送数据回图像帧存储器三个步骤。对于直接使用内存的采集卡,则只需和内存进行数据交换,计算机的内存越大,CPU的运算速度越快,图像处理的速度也就越快。

(3)数字图像输出系统图像的输出是图像处理的最终目的。图像输出有两种基本形式:一种是根据图像处理的结果作出判断,例如质量检测中的合格与不合格,输出不一定以图像作为最终形式,而只需作出提示供人或机器进行选择。这种提示可以是计算机屏幕信息,或是电平信号的高低,样的输出往往用于成熟研究的应用上。另一种则是以图像为输出形式,它包括中间过程的监视以及结果图像的输出。图像输出方式有屏幕输出、打印输出和视频硬拷贝输出。

 

2018-07-23 21:08:29 weixin_39569242 阅读数 4035

一、实验目的

(1)了解图像增强的目的及意义,加深对图像增强的

     感性认识,巩固所学的图像增强的理论知识和相

     关算法。

(2)熟练掌握直方图均衡化和直方图规定化的计算过

     程。

(3)熟练掌握空域滤波中常用的平滑和锐化滤波器。

(4)熟练掌握低通和高通滤波器的使用方法,明确不

     同性质的滤波器对图像的影响和作用。

(5)掌握最简单的伪彩色变换方法。

二、实验内容

(1)任意选择几幅图像,对其进行平滑处理,用

     不同的平滑模板,对结果进行分析。

(2)任意选择几幅图像,对其进行中值滤波,用

     不同的滤波模板对结果进行分析。

(3)任意选择几幅图像,对其进行梯度锐化,选

     择不同的阈值参数,观察图像有何变化。

(4)对图像进行伪彩色变换,比较彩色增强后的

     图像与原图像有何不同。

三、实验代码及结果、分析

(1)平滑滤波----邻域平均法

  • 代码:

I=imread('E:\JZ数字图像处理\实验3\shiyansan.jpg');

I=rgb2gray(I);

J=imnoise(I,'salt & pepper',0.03);       %加均值为0,方差为0.03的椒盐噪声G=imnoise(I,'gaussian',0.03);             %加均值为0,方差为0.03的高斯噪声。

A=fspecial('average',[4,4]); %4x4均值滤波

A1=fspecial('average',[6,6]); %6x6均值滤波

A2=fspecial('average',[8,8]); %8x8均值滤波

A3=fspecial('average',[10,10]); %10x10均值滤波

J1= imfilter(J,A);  %imfilter均值滤波函数

J2= imfilter(J,A1);  

J3= imfilter(J,A2);  

J4= imfilter(J,A3);   

G1= imfilter(G,A);  

G2= imfilter(G,A1);  

G3= imfilter(G,A2);  

G4= imfilter(G,A3);  

figure(1)

subplot(2,3,1),imshow(I),title('原图像');

subplot(2,3,4),imshow(I),title('原图像');

subplot(2,3,2),imshow(J),title('加入椒盐噪声');         %显示有椒盐噪声图像

subplot(2,3,5),imshow(G),title('加入高斯噪声');         %显示有高斯噪声图像

subplot(2,3,3),imshow(J1),title('4×4均值滤波');%显示有椒盐噪声图像的滤波

subplot(2,3,6),imshow(G1),title('4×4均值滤波'); %显示有高斯噪声图像的滤波

figure(2);

subplot(2,3,1),imshow(I),title('原图像');

subplot(2,3,2),imshow(J),title('加入椒盐噪声');  %显示有椒盐噪声图像

subplot(2,3,4),imshow(J1),title('4×4');

subplot(2,3,3),imshow(J2),title('6×6');

subplot(2,3,5),imshow(J3),title('8×8');

subplot(2,3,6),imshow(J4),title('10×10');

figure(3)

subplot(2,3,1),imshow(I),title('原图像');

subplot(2,3,2),imshow(G),title('加入高斯噪声');       %显示有高斯噪声图像

subplot(2,3,4),imshow(G1),title('4×4');

subplot(2,3,3),imshow(G2),title('6×6');

subplot(2,3,5),imshow(G3),title('8×8');

subplot(2,3,6),imshow(G4),title('10×10');

  • 结果:

  • 分析:
  1. 平滑滤波的作用是对高频分量进行削弱或消除,增强图像的低频分量
  2. 领域平均法是线性运算、中值滤波是非线性运算
  3. 在该题中加的椒盐噪声、高斯噪声方差均为0.03,可以由图1-2、图1-3看出原图像在加入两种噪声之后,画质都有所损失。但是椒盐噪声只是在原图像的某些地方存在,而高斯噪声几乎是分布在原图像的每个地方,造成了图像比之前模糊
  4. 椒盐噪声:又称脉冲噪声,它随机改变一些像素值,是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起;
  5. 高斯分布:也称正态分布,有均值和方差两个参数,均值反应了对称轴的方位,方差表示了正态分布曲线的胖瘦。高斯分布是最普通的噪声分布
  6. 平滑滤波的模板需要选择合适,模板选择太小,噪声无法滤除,模板选择太大,造成了过度处理,图像会变得逐渐模糊,不管是椒盐噪声、还是高斯噪声如图1-4、1-5模板逐渐增大,图像逐渐模糊。

(2)平滑滤波----中值法

  • 代码:

I=imread('E:\大三课件\大三下\数字图像处理\实验\实验3\shiyansan.jpg');

I=rgb2gray(I);

temp = I;

I = double(I);

%Robert梯度

w1 = [-1 0; 0 1]; 

w2 = [0 -1;1 0];

G1 = imfilter(I,w1,'corr','replicate');

G2 = imfilter(I,w2,'corr','replicate');

G = abs(G1)+abs(G2);

figure(1);

subplot(2,2,1);imshow(temp),title('原图像');

subplot(2,2,2);imshow(abs(G1),[]),title('w1滤波');

subplot(2,2,3);imshow(abs(G2),[]),title('w2滤波');

subplot(2,2,4);imshow(G,[]),title('Robert梯度');

%sobel梯度

w11 = fspecial('sobel');

w21 = w11';

G11 = imfilter(I,w11);

G21 = imfilter(I,w21);

G1 = abs(G11)+abs(G21);

figure(2);

subplot(2,2,1);imshow(temp),title('原图像');

subplot(2,2,2);imshow(G11,[]),title('水平sobel');  

subplot(2,2,3);imshow(G21,[]),title('竖直sobel');

subplot(2,2,4);imshow(G1,[]),title('sobel');

%拉普拉斯滤波

w12 = [0 -1 0;-1 4 -1;0 -1 0];

L12 = imfilter(I,w12,'corr','replicate');

figure(3);

subplot(1,2,1);imshow(temp),title('原图像');

subplot(1,2,2);imshow(abs(L12),[]);

  • 结果:

 

  • 分析:
  1. 锐化滤波器可以消除或减弱图像的低频分量从而增强图像中物体的边缘轮廓信息,使得除边缘以外的像素点的灰度值趋向于零
  2. 我们要将图像类型从uint8转换为double.因为锐化模板计算时常常使输出产生负值,如果采用无符号的 uint8 型, 则负位会被截断
  3. 图3-2Robert梯度分别以w1和w2为模板,w1对接近正45 度边缘有较强响应: w2对接近负45 度边缘有较强响应,对原图像进行滤波就可得到GI和G2,最终的Robert交叉梯度图像(b)为:G = |G1| + |G2|.  
  4. 图3-3,第一个计算了一幅图像的竖直梯度,第2个计算了一幅图像的水平梯度 它们的和可以作为完整的Sobel梯度
  5. 拉普拉斯滤波输出图像中的双边缘,拉普拉斯锐化对一些离散点有较强的响应
  6.  
  7. (3)伪彩色变换
  • 代码:

im=imread('E:\JZ数字图像处理\实验3\shiyansan.jpg');

gray=rgb2gray(im);

I=double(gray);

[m,n]=size(I);

L=256;

for i=1:m

    for j=1:n

if I(i,j)<=L/2    %绿色通道

    R(i,j)=0;

    G(i,j)=2*I(i,j);

    B(i,j)=L;

else if I(i,j)<=L/4   %蓝色通道

        R(i,j)=0;

        G(i,j)=L;

        B(i,j)=-4*I(i,j)+2*L;

    else if I(i,j)<=3*L/2   %红色通道

            R(i,j)=2*I(i,j)-2*L;

            G(i,j)=L;

            B(i,j)=0;

        else

            R(i,j)=L;

            G(i,j)=-4*I(i,j)+4*L;

            B(i,j)=0;

        end

    end

end

    end

end

for i=1:m

    for j=1:n

        rgbim(i,j,1)=R(i,j);

        rgbim(i,j,2)=G(i,j);

        rgbim(i,j,3)=B(i,j);

    end

end

rgbim=rgbim/256;

figure(1);

subplot(1,2,1),imshow(gray),title('原图');

subplot(1,2,2),imshow(rgbim),title('伪彩色变换');

  • 结果:

  • 分析:
  1. 伪彩色处理是指通过将每一个灰度级匹配到彩色空间上的一点,将单色图像映射为一副彩色图像的彩色图像
  2. 最小的灰度值0映射为红色,中间的灰度值L/2映射为绿色,最高的灰度值L映射为蓝色
2016-10-21 16:57:03 fish_mai 阅读数 9753
根据讲义整理
4.1 概述和分类
图象增强技术作为一大类基本的图象处理技术,其目的是对图象进行加工,以得到具体应用来说视觉效果更“好”,更“有用”的图象。
数字图像处理图像增强技术
空域方法
g(x, y) = EH[f(x, y)]
其中:f和g分别为增强前后的图象,而EH代表增强操作。如果EH是定义在每个(x, y)上的,则EH是点操作;
如果EH是定义在(x, y)的某个邻域上,则EH常称为模板操作。
点操作可看做是模板操作的一个特例。
(1)g(x, y)值仅取决于f(x, y)值,以s和t代表f和g在(x, y)位置处的灰度值,则:t = EH(s) EH就是灰度变换。
(2)g(x, y)值不仅取决于f(x, y)值,而且取决于邻域内的象素值。称为模板操作
频域方法
频域空间的增强方法有两个关键:
(1)将图象从图象空间转换到频域空间所需的变换
(2)增强操作如下
数字图像处理图像增强技术
4.2 空域变换增强
点操作的增强方法也叫灰度变换,常见的方法为:
(1)直接用EH操作变换
(2)借助f的直方图进行变换
(3)借助对一系列图像间的操作进行变换
4.2.1 直接灰度变换
1. 灰度求反
对图象求反是将原图灰度值翻转,简单的说就是使黑变白,使白变黑。普通黑白底片和照片的关系也就是这样。
2. 增强对比度
增强图像对比度实际上式增强各部分的反差
数字图像处理图像增强技术
3. 动态图象压缩
有时原图的动态范围太大,超出某些显示设备的允许动态范围,这是可以压缩
4. 灰度切分
借助于图象的位面直接进行灰度变换
数字图像处理图像增强技术
4.2.2 直方图处理
直方图表示某一个灰度级所出现的概率,只跟灰度值有关。
数字图像处理图像增强技术
数字图像处理图像增强技术
1. 直方图均衡化
基本思想是把原始图的直方图变换为均与分布的形式,这样就增加了象素灰度值的动态范围从而达到增强图象整体对比度的效果。
点处理增强函数t = EH(s)需要满足两个条件:
(1) EH(s)在0 <= S <= L-1范围内是1个单值单增函数;
(2)s和t的值域相同
累积分布函数
数字图像处理图像增强技术
数字图像处理图像增强技术
数字图像处理图像增强技术
数字图像处理图像增强技术
直方图均衡化的优缺点
优点:
自动增强整个图象的对比度。
缺点:
具体效果不易控制,处理的结果总是得到全局均衡化的直方图
改进:
直方图规定化方法。
实际中有时需要变换直方图,使之成为某个特定的形状,从而有选择地增强某个灰度值方位内的对比度。这是可以用比较灵活的直方图规定化方法。一般来说可以获得更好的效果。
直方图规定化
直方图规定化方法主要有3个步骤(设M和N分别为原始图和规定图中的灰度级数,且只考虑N<=M的情况):
(1)对原始图像进行灰度均衡化
数字图像处理图像增强技术
(2)规定需要的直方图,并计算能使规定的直方
 
数字图像处理图像增强技术
图均衡化的变换:
(3)将第一个步骤得到的变换翻转过来,即将原始直方图对应映射到规定的直方图
映射规则
数字图像处理图像增强技术
数字图像处理图像增强技术
数字图像处理图像增强技术
数字图像处理图像增强技术
数字图像处理图像增强技术
数字图像处理图像增强技术
4.2.3 图象间运算
图象相减
g(x, y) = f(x, y) - h(x, y)
图象平均
数字图像处理图像增强技术
4.3 空间滤波增强
4.3.1 原理与分类
空域滤波是在图象空间借助模板进行邻域操作完成的。
根据其特点一般可分成线性和非线性2类:
根据功能又主要分成平滑和锐化2类:
平滑可用低通滤波实现.平滑的目的又可分为2类。一类是模糊,目的是在提取较大的目标前去除太小的细节或将目标内的小间断连接起来。另一类是消除噪声。
锐化可用高通滤波实现,锐化的目的是为了增强被模糊的细节。
数字图像处理图像增强技术
数字图像处理图像增强技术
空域滤波增强主要是利用模板卷积,主要步骤为:
(1)将模板在图中漫游,并将模板中心与图中某个象素位置重合;
(2)将模板上系数与系数与末班下对应象素相乘
(3)将所乘的结果相加
(4)将和(模板的输出响应)赋值给原始图
数字图像处理图像增强技术
4.3.2 平滑滤波器
1. 线性平滑滤波器
数字图像处理图像增强技术
数字图像处理图像增强技术
2. 非线性平滑滤波器(G2)
中值滤波器
工作步骤
(1)将模板在图中漫游
(2)读取灰度值
(3)将灰度值从小到大排成1类;
(4)找出这些值里排在中间的1个;
(5)这个中间值赋值给模板中心。
通常相对邻域平均效果要好些
中值滤波器实际上是百分比滤波器的一个特例
百分比滤波器的工作步骤与上面类似
(1)最大值滤波器:百分比去最大,可检测图像中最亮的点。
(2)最小值滤波器:百分比最小,检测图像中最暗的点。
(3)中值滤波器:百分比取50%。
数字图像处理图像增强技术
4.3.2 锐化滤波器
数字图像处理图像增强技术
1. 线性锐化滤波器(G3)——最常用的线性高通滤波器
数字图像处理图像增强技术
高频增强滤波器
高通滤波器的效果也可以用原始图减去低通图得到:
Highpass = Original - Lowpass
如果把原始图乘以1个放大系数A,再减去低通图就可构成高频增强滤波器:
High boost = A*Original - Lowpass = (A-1) * Original + Highpass
(1)当A = 1,就是普通的高通滤波器。
(2)当A > 1,原始图的一部分与高通图相加,恢复了部分高通滤波时丢失的低频分量
2. 非线性锐化滤波器(G4)
邻域平均可以模糊图像,而平均对应微分可以锐化图象。图象处理中最常用的微分方法是利用梯度。对一个连续数f(x, y),其梯度是1个矢量(需要用2个模板分辨沿x和y方向计算):
数字图像处理图像增强技术
4.4 频域增强
4.4.1 原理和分类
数字图像处理图像增强技术
其主要步骤有:
 
(1)计算待增强图的傅里叶变换,得到F(u, v);
(2)将其余1个(根据需要设计的)转移函数H(u, v)相乘;
(3)再将结果傅里叶反变换可以得到增强的图
常用频域增强方法有:低通滤波,高通滤波,带通和带阻滤波,同态滤波
4.4.2 理想低通滤波器
数字图像处理图像增强技术
"振铃(ring)"现象
如果使用上述“非物理”(不能用实际的电子器件实现)的理想滤波器,其输出图像会变得模糊和有“振铃”现象出现。
数字图像处理图像增强技术
数字图像处理图像增强技术
2. 巴特沃斯低通滤波器(Butterworth)
数字图像处理图像增强技术
4.4.3 高通滤波器
1. 理想高通滤波器
数字图像处理图像增强技术
2. 巴特沃斯高通滤波器(Butterworth)
数字图像处理图像增强技术
数字图像处理图像增强技术
4.4.4 带通和带阻滤波器
数字图像处理图像增强技术
数字图像处理图像增强技术
4.4.5 同态滤波器
数字图像处理图像增强技术
照度分量对应于低频,反射分量对应于高频,。。。
4.5 局部增强
局部增强常用于一些要求特定增强效果的场合:
(1)可借助将图象分成子图像再对每个子图像增强。
直方图变换是空域增强中常用方法,也可用于局部增强。
(2)也可在对整幅图增强时直接利用局部信息以达到不同局部不同增强的目的
数字图像处理图像增强技术
均值是一个平均亮度的测度,而方差是一个反差的测度。
因为A(x, y)樊碧玉均方差,所以在图像中对比度较小的区域得到的增益反而较大,这样就可以取得局部增强的效果。
最后将m(x, y)加回去恢复原来的平均灰度值。
4.6 彩色增强
4.6.1 伪彩色增强(从无彩色到有彩色)
一种常用的彩色增强方法对原来灰度图像中不同灰度值的区域赋予了不同的颜色以更明显的区分它们。因为这里原图没有颜色,因此成为伪彩色。有三种方式进行着色:
1. 亮度切割
数字图像处理图像增强技术
2. 从灰度到彩色的变换
数字图像处理图像增强技术
3. 频域滤波
数字图像处理图像增强技术
4.6.2 真彩色增强(从有彩色到有彩色)
在屏幕上显示彩色图一定要借用RGB模型,但HSI模型在许多处理中有其独特的优点。
(1)在HSI模型中,亮度分量与色度分量是分开的。
H:色调(Hue)和S:饱和度——构成色度分量;I:密度——构成亮度分量
需要指出:尽管对RGB各分量直接使用对灰度图的增强方法可以增加图中的可视细节亮度,但得到的增强图中的色调可能没有意义。
(2)在HSI模型中,色调和饱和度的概念与人类感知系统联系。
一种简便常用的真彩色增强方法的基本步骤为:
(1)RGB分量转换为HSI分量
(2)利用灰度图增强的方法增强其中的I分量
(3)再将结果转换为RGB分量表示

2018-08-20 08:42:43 iefenghao 阅读数 9834

图像增强是增强图像中的有用信息,它可以是一个失真的过程,其目的是要改善图像的视觉效果,针对给定图像的应用场合。有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征,扩大图像中不同物体特征之间的差别,抑制不感兴趣的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果,满足某些特殊分析的需要。

1 图像增强--灰度

//灰度
P=imread('66.jpg');
I=rgb2gray(P);
subplot(231);imshow(I,[]);title('原始图像');
subplot(234);imhist(I);title('由原始图像得到的直方图');
J=imadjust(I,[0.15 0.9],[0 1]);
subplot(232);imshow(J);title('由新直方图得到的新图像');
subplot(235);imhist(J);title('利用imadjust调节后的新直方图');
K=histeq(I);
subplot(233);imshow(K);title('由均衡化后的直方图得到的均衡后的图像');
subplot(236);imhist(K);title('均衡化后的直方图');

实验结果

 

2 图像增强--平滑

//平滑
P=imread('66.jpg');
I=rgb2gray(P);
subplot(221);imshow(I);title('原始图像');
I1=imnoise(I,'salt & pepper'); 
subplot(222);imshow(I1);title('加入椒盐噪声后的图像'); 
h1=ones(3,3)/9;
h2=ones(5,5)/25;
K1=imfilter(I1,h1);
K2=imfilter(I1,h2);
%subplot(334),imshow(I),title('原始图像');
%subplot(337),imshow(I),title('原始图像');
subplot(223),imshow(K1,[]),title('加入椒盐噪声后3*3平均滤波');
subplot(224),imshow(K2,[]),title('加入椒盐噪声后5*5平均滤波');

I2=imnoise(I,'gaussian',0,0.005); 
figure;
subplot(221);imshow(I);title('原始图像');
subplot(222);imshow(I2);title('加入高斯噪声后的图像');
h1=ones(3,3)/9;
h2=ones(5,5)/25;
K1=imfilter(I2,h1);
K2=imfilter(I2,h2);
subplot(223),imshow(K1,[]),title('加入高斯噪声后3*3平均滤波');
subplot(224),imshow(K2,[]),title('加入高斯噪声后5*5平均滤波');

figure;
subplot(321);imshow(I1);title('加入椒盐噪声后的图像'); 
subplot(322);imshow(I2);title('加入高斯噪声后的图像');
J1=medfilt2(I1);
J3=medfilt2(I2);
J2=medfilt2(I1,[5 5]);
J4=medfilt2(I2,[5 5]);
subplot(323),imshow(J1),title('加入椒盐噪声后3*3窗口中值滤波');
subplot(324),imshow(J3),title('加入椒盐噪声后5*5窗口中值滤波');
subplot(325),imshow(J2),title('加入高斯噪声后3*3窗口中值滤波');
subplot(326),imshow(J4),title('加入高斯噪声后5*5窗口中值平均滤波');

实验结果

                                                                                                    加入高斯噪声

                                                                                                     加入椒盐噪声

                                                                                                          平滑中值

3 图像处理--锐化

//锐化
P=imread('66.jpg');
I=rgb2gray(P);
subplot(221);imshow(I,[]);title('原始图像');
K=histeq(I);
subplot(222);imshow(K);title('由均衡化后的直方图得到的均衡后的图像');
BW=edge(K,'roberts',0.1);
subplot(223);imshow(BW);title('均衡后的图像罗伯茨梯度锐化');
h=[0 -1 0;-1 4 -1;0 -1 0];
J=imfilter(I,h);
subplot(224);imshow(J);title('均衡后的图像拉普拉斯锐化');

 

实验结果

 

下一篇 数字图像处理--图像的压缩