数字图像处理第四章图像增强解读

具体实现
实际处理对象
✓ 对理想系统的输入图像f(i,j)和实际获得降质图 像g(i,j)的关系用公式表示为 g(i,j)=e(i,j)f(i,j)
其中e(i,j)为降质函数/系统的灰度失真系数
✓ 采用一幅灰度级为常数C的图像成像，实际输
出为gc(i,j)，即gc(i,j)=e(i,j)C，代入前式可得
线性灰度变换
原图
g f 50
g 1.5 f
g 0.8 f
g 1 f 255
线性灰度变换
g7
2、线性灰度范围变换
6
5
原始图像f (i, j)，灰度范围为[a，b]
4
变换后图像g(i, j)，灰度范围为[a'，b'] 3
存在以下关系
2
b ' a '
1
f
0
1
2
3
4
g(i, j) a '
( f (i, j) a)
g(x, y) T f x, y
点运算实际是图像像素灰度级增强, 包括： ✓ 灰度级校正：成像系统对像素的修正 ✓ 灰度变换：将一个灰度区间映射到另一个灰度区间 ✓ 直方图修正: 使图像灰度分布均匀、间距拉开，增强
对比度。 ✓ 局部统计：利用局部统计特征进行对比度增强
4.1.1灰度级校正
灰度级校正：在图像采集系统中对图像像素 进行修正，使整幅图像亮度分布均匀。
频率域
✓ 高通滤波 ✓ 低通滤波 ✓ 同态滤波增强
彩色增强
✓ 假彩色增强 ✓ 伪彩色增强 ✓ 彩色变换增强
代数运算
✓ 加，减，乘，除
主要内容
图像增强的作用及目的
空间域点运算 空间域平滑 空间域锐化
灰度级变换 直方图变换 局部统计
频率域增强
彩色增强
代数运算
4.1点运算
点运算：对于一幅输入图像，将产生一幅输出图像， 输出图像的每个像素点的灰度值由输入像素点决定。 点运算由灰度变换函数GST确定。
[(M g d ) /(M f b)][ f (i, j) b] d,b f (i, j) M f
式中 ca (d c) (b a), (M g d ) (M j b)
灰度区间[0，a]被压缩 [a，b]被拉伸 [b，M f ]被压缩
二、非线性灰度变换
对数变换 g(i，j) = a+ ln[f(i, j) +1] blnc
✓ 直方图均衡化：灰度间距拉开，分布均匀 ✓ 直方图规定化：直接给出希望获得直方图的形状，
寻找某个灰度级的变换对原图像进行处理。
直方图均衡化
直方图规定化
附：PS操作
“设置”菜单中的命令： 自动色阶---直方图均衡化 替换颜色---直方图匹配
直方图均衡化
直方图均衡化
直方图均衡化理论基础
假设原图像的归一化后的灰度级为r，直方图修正后为s
线性灰度变换 g7
6
1、线性点运算
5
4
3
2
f
若a 1,b0,图象像素不发生变化；
1
0
wk.baidu.com
1
2
3
4
g(i, j) 1.5 f (i, j) 1
若a 1,b0,图象所有灰度值上移或下移；
若a 1， 输出图象对比度增强；
若0 a 1, 输出图象对比度减小；
若a 0, 暗区域变亮，亮区域变暗，图象求补。
经逆变换获得所需增强结果
图像增强
图像质量退化的原因
✓ 对比度局部或全部偏低 ✓ 噪声干扰，包括热噪声、量化噪声、椒盐噪声、
背景干扰等 ✓ 清晰度下降，图像模糊
图像增强通过针对性技术，如直方图均衡、平 滑去噪、边缘锐化等对图像的退化加以修正， 已达到改进图像质量的目的。
图像增强的主要内容
空间域
✓ 点运算 ✓ 局部运算 图像平滑，图像锐化
低灰度拉伸，高灰度压缩 指数变换
g(i，j) = bc[f(i,j)-a] 1 使图像高灰度拉伸
对数 变换
指数 变换
附：PS相关命令
通过命令“图像曲线”调整灰度
4.1.3 直方图修正法
灰度直方图反映图像中灰度分布，为图像处理 提供了重要依据。 直方图修正后可使图像的灰度间距拉开或分布 均匀，从而增大反差，使图像细节清晰，提高 图像质量。 分类
4.1.2灰度变换
灰度变换：将图像的灰度级映射到另一灰度级。 分类：线性变换，非线性变换 一、线性变换 由于成像时曝光不足或过度，以及成像设备的 非线性或图像记录设备动态范围太窄等因素， 对图像都会产生对比度不足的弊病，使图像中 的细节分辨不清，这时如将图像灰度线性扩展， 常能显著改善图像的主观质量。
第四章 图像增强
主要内容
图像增强的作用及目的 像素级运算 空间域平滑与锐化 频率域增强 彩色增强 代数运算
图像增强
图像增强是改善图像质量最常用的技术。 图像增强目的
✓ 改善图像的视觉效果，提高图像的可辨识度 ✓ 转换成更容易分析处理的形式
评判标准 ：人的主观感觉 从作用域出发分两类
✓ 空间域 对图像像素灰度或灰度统计操作 ✓ 频率域 对图像变换后对频谱成分操作，最后
✓ 校正后的原始图像
g(i, j)
f (i, j) C
gc (i, j)
灰度级校正注意问题：
对降质图像进行逐点灰度级校正所获得的图像， 其中某些像素的灰度级值有可能要超出记录器 件或显示器输入灰度级的动态范围，在输出时 还要采用其他方法来修正才能保证不失真地输 出。 降质图像在数字化时，各像素灰度级都被量化 在离散集合中的离散值上，但经校正后的图像 各像素灰度极值并不一定都在这些离散值上， 因此必须对校正后的图像进行量化。
输入图像为f (i, j),灰度范围为[0,M f ],0<a<b<M f 变换后图像为g(i, j),灰度范围为[0,M g ],0<c<d<M g
(c / a) f (i, j),
0 f (i, j) a
g (i,
j)
[(d c) /(b a)][ f (i, j) a] c,
a f (i, j) b
直方图均衡化理论基础
直方图均衡化的要点：
✓ 公理：直方图P为常数的图像对比度最好 ✓ 目标：对输入图像r，寻找一个灰度级变换函数T（r
），使得结果图像s的直方图Ps(s)为一个常数
Pr(r) r
ba
f ~ [0, 4]; g ~ [1, 7]
g (i,
j)
1
7 1 4 0
f
(i,
j) 0
g(i, j) 1.5 f (i, j) 1
线性灰度变换
3、分段线性变换
拉伸图像中的一些灰度细节，相对抑制不感兴趣的部分，这 可通过分段线性变换得到。
g（i，j）
Mg d
c
0
a
b
Mf
线性灰度变换