数字图像处理第三章
合集下载
数字图像处理第3章
第三章 VC＋＋图像编程基础3.1 VC++可视化编程3.2 ImageLoad.dll动态链接库3.3 设计CDibObject类3.4 使用CDibObject类3.5 CDibObject类应用实例3.1 VC++可视化编程3.1.1 概述VC++是Microsoft公司推出的开发Win 32应用程序（Windows 95/98/2000/XP/NT）的面向对象的可视化集成工具。
随着VC++所提供的Microsoft基础类库(Microsoft Foundation Class Library，简写为MFC)，对Windows 95/NT所用的Win 32应用程序接口(Win 32 Application Programming Interface—API)进行了彻底的封装，从而可以使用完全的面向对象的方法来进行Win 32应用程序的开发，这样大大缩短了应用程序开发周期，降低了开发成本，也将程序员从大量的复杂劳动中解放出来。
VC++ Developer Studio包含有编写程序源代码的文本编辑器、设计用户界面（菜单、对话框、图标等）的资源编辑器、建立项目配置的项目管理器、检查程序错误的集成调试器等工具，同时它还提供了功能强大的应用程序向导工具AppWizard 和类向导工具ClassWizard。
AppWizard用于生成各种不同类型的具有Windows界面风格的应用程序的基本框架，在生成应用程序框架后，使用ClassWizard便可轻松完成创建新类、定义消息处理函数、重载虚拟函数等操作。
3.1.2 用户界面图3-1 VC++ 6.0用户界面工作区窗口输出窗口编辑区窗口VC++ 6.0提供有多种不同用途的菜单命令和工具按钮，多数菜单和工具按钮是人们熟悉的标准Windows菜单和工具铵钮。
用VC++ 6.0开发应用程序主要涉及三大类型的文件：文件（Files）、项目（Projects）和工作区（Workspaces）。
数字图像处理 第三章
0XXX XXXX 1XXX XXXX
0~127→0 128~255 →1
多媒体图像通信
a 一幅8比特灰度图像；b~i 比特平面1到8
多媒体图像通信
3.3 直方图变换
•直方图定义：
—— 图像灰度的概率分布
对于灰度范围为[0,L-1]的数字图像, 若rk是第 k 级 灰 度 值 ， nk 是 图 像 中 灰 度 为 rk 的 像 素 个 数，n为图像总像素个数，则其归一化直方
s3 =T(r3) = 5.67 s4 =T(r4) = 6.23
s6 =T(r6) = 6.86 s7 =T(r7) = 7.00
多媒体图像通信
• 答：获得均衡后灰度级
0
∑ s0 =T(r0) = (8−1) pr (rj ) = 7×0.19 =1.33
1
j=0
1
s1 =T(r1) = (8−1) ∑ pr (rj ) = 7×(0.19+0.25) = 3.08 j=0
直方图是多种空间域处理技术的基础，可用于图像增强
暗
亮
多媒体图像通信
直方图是多种空间域处理技术的基础，可用于图像增强
低对比度
高对比度
多媒体图像通信
·现象： 1. 暗色图像中，直方图的组成成分集中在灰度级
低的一侧，明亮图像则相反； 2. 低对比度图像的直方图窄而集中于灰度级的中
部，高对比度图像的直方图成分则覆盖了很宽的灰度 级范围且较为均匀。
g(x, y) =T[ f (x, y)]
多媒体图像通信
3.1 背景
• 空间域处理可表示为
g(x, y) =T[ f (x, y)]
• 灰度变换是1x1邻域的空间滤波
即T只对位于(x,y)的单个像素点灰度值f进行处 理，也称之为点处理。
【精选】数字图像处理第3章
设定加权因子 ai 和 bi 的值，可以得到不同的变换。例如，当选定
a2 b1 切。
1 ，b2
0.1
，a1
a0
b0
0
，该情况是图像剪切的一种列剪
（a）原始图像
Digital Image Processing
（b）仿射变换后图像
3.1 图像的几何变换
◘透视变换 :
把物体的三维图像表示转变为二维表示的过程，称为透视 变换，也称为投影映射，其表达式为:
a2
b2
a1 b1
a0
b0
y
1
平移、比例缩放和旋转变换都是一种称为仿射变换的特殊情况。
仿射变换具有如下性质：
（1）仿射变换有6个自由度（对应变换中的6个系数），因此，仿射变换后 互相平行直线仍然为平行直线，三角形映射后仍是三角形。但却不能
保 证将四边形以上的多边形映射为等边数的多边形。
1D-DFT的矩阵表示 ：
F (0)
F (1)
WN00 WN10
F (2)
WN20
F (N 1)
W
(N N
1)0
WN01 WN11 WN21
WN(N 1)1
W
0( N
N
1)
WN1(N 1)
第3章 图像变换
◆ 3.1 图像的几何变换 ◆ 3.2 图像的离散傅立叶变换 ◆ 3.3 图像变换的一般表示形式 ◆ 3.4 图像的离散余弦变换 ◆ 3.5 图像的离散沃尔什－哈达玛变换 ◆ 3.6 K-L变换 ◆ 3.7 本章小结
3-数字图像处理基础教学课件
2、可以同时存储若干幅静止图像进而形成连续的动 画。公共领域有大量的软件在使用GIF图像文件。
3、GIF图像文件格式已经成为网络图像传输的通用 格式，速度要比传输其他图像文件格式快得多，所 以经常用于动画、透明图像等。
4、只能处理256种色彩，故不能存储真彩色的图像 文件。
数字图像的格式 • TIFF格式
8邻域
数字图像的性质 • 图像的连通域
1、图像的连通域通常体现在二值图像，这种图像只 有黑白两个灰度级。
2、彼此连通的像素点形成了一个区域，所有的点彼 此连通点构成的集合，称为一个连通区域。图像的 连通域是对图像进行一系列图像算法处理的结果。
数字图像的性质 • 像素之间的距离
1、图像中的距离常用来衡量两幅图像的相似度。
数字图像的性质 • 像素之间的距离
（3）契比雪夫距离
假设从一个像素点到其8邻域中的任意一个点的距离 为1，契比雪夫距离即为按照这种方式计算的从一个 像素点到另一个像素点的最短距离。
D(P 1,P 2) max( x1 x2 , y1 y 2 )
P2
契比雪夫距离为4
P1
数字图像的性质 • 图像直方图
数字图像的性质 • 图像的通道
1、图像的通道数是指图像中一个像素采用多少个数 字进行表示。
例：灰度图每个像素只采用一个数字来表示，因此， 灰度图的的通道数是1，称为单通道图像；
RGB图像中每个像素采用三个数字进行表示，所以 RGB图像是三通道图像。
数字图像的性质 • 图像的分辨率
图像的分辨率有几种表示方式。
图像的表示
数字图像经过采样和量化得到。在采样和量化过程 中，采样间隔的大小，量化的等级决定了数字图像 所保留的信息数量。采样和量化的过程也是得到离 散的数字图像的过程。
3、GIF图像文件格式已经成为网络图像传输的通用 格式，速度要比传输其他图像文件格式快得多，所 以经常用于动画、透明图像等。
4、只能处理256种色彩，故不能存储真彩色的图像 文件。
数字图像的格式 • TIFF格式
8邻域
数字图像的性质 • 图像的连通域
1、图像的连通域通常体现在二值图像，这种图像只 有黑白两个灰度级。
2、彼此连通的像素点形成了一个区域，所有的点彼 此连通点构成的集合，称为一个连通区域。图像的 连通域是对图像进行一系列图像算法处理的结果。
数字图像的性质 • 像素之间的距离
1、图像中的距离常用来衡量两幅图像的相似度。
数字图像的性质 • 像素之间的距离
（3）契比雪夫距离
假设从一个像素点到其8邻域中的任意一个点的距离 为1，契比雪夫距离即为按照这种方式计算的从一个 像素点到另一个像素点的最短距离。
D(P 1,P 2) max( x1 x2 , y1 y 2 )
P2
契比雪夫距离为4
P1
数字图像的性质 • 图像直方图
数字图像的性质 • 图像的通道
1、图像的通道数是指图像中一个像素采用多少个数 字进行表示。
例：灰度图每个像素只采用一个数字来表示，因此， 灰度图的的通道数是1，称为单通道图像；
RGB图像中每个像素采用三个数字进行表示，所以 RGB图像是三通道图像。
数字图像的性质 • 图像的分辨率
图像的分辨率有几种表示方式。
图像的表示
数字图像经过采样和量化得到。在采样和量化过程 中，采样间隔的大小，量化的等级决定了数字图像 所保留的信息数量。采样和量化的过程也是得到离 散的数字图像的过程。
数字图像处理 第三章课件
计算：
设置一个有 L 个 元素的数组，对 原图像的灰度值 进行统计
第3章 空域增强技术
第13页
3.3 直方图变换
直方图的计算
设图像中某种灰度rk的像素数为nk，n是图像中像素的总 数，则灰度级rk所对应的频数为：
p(rk
)
nk n
k 0,1,2,L 1
说明
直方图反映了图像中各灰度的含量，它并不反映图像的 空间信息，只展示具有一定灰度级的像素的数目或频数，通 过对图像的直方图进行改变可以改善图像的质量
变换前后灰度值动态范围一致
第3章 空域增强技术
第18页
3.3.1 直方图均衡化
累积分布函数CDF（Cumulative Distribution Function）
r
s EH (r) 0 pr (w)dw
– 满足条件 （1）概率密度函数PDF(Probability Density Function )永远为 正 （2）因为r在[0，1]上时，pr的总和为1
1
ps (s) pr (r) ds pr (r) pr (r) 1
第3章 空域增强技术
第20页
3.3.1 直方图均衡化
例3.3.2：已知一幅图灰度级的概率分布密度：
pr
r
2r 0
2
0 r 1 other
对其进行直方图均衡化。 解：实质是求EH(r).
r
– 并能使r的分布转换为s的均匀分布
第3章 空域增强技术
第19页
3.3.1 直方图均衡化
累积分布函数CDF
r
s EH (r) 0 pr (w)dw
ps (s)
设置一个有 L 个 元素的数组，对 原图像的灰度值 进行统计
第3章 空域增强技术
第13页
3.3 直方图变换
直方图的计算
设图像中某种灰度rk的像素数为nk，n是图像中像素的总 数，则灰度级rk所对应的频数为：
p(rk
)
nk n
k 0,1,2,L 1
说明
直方图反映了图像中各灰度的含量，它并不反映图像的 空间信息，只展示具有一定灰度级的像素的数目或频数，通 过对图像的直方图进行改变可以改善图像的质量
变换前后灰度值动态范围一致
第3章 空域增强技术
第18页
3.3.1 直方图均衡化
累积分布函数CDF（Cumulative Distribution Function）
r
s EH (r) 0 pr (w)dw
– 满足条件 （1）概率密度函数PDF(Probability Density Function )永远为 正 （2）因为r在[0，1]上时，pr的总和为1
1
ps (s) pr (r) ds pr (r) pr (r) 1
第3章 空域增强技术
第20页
3.3.1 直方图均衡化
例3.3.2：已知一幅图灰度级的概率分布密度：
pr
r
2r 0
2
0 r 1 other
对其进行直方图均衡化。 解：实质是求EH(r).
r
– 并能使r的分布转换为s的均匀分布
第3章 空域增强技术
第19页
3.3.1 直方图均衡化
累积分布函数CDF
r
s EH (r) 0 pr (w)dw
ps (s)
数字图像处理及应用(MATLAB)第3章
反 转 后 图 像
程序运行结果如图（c）所示。
4.灰度非线性变换 当用某些非线性函数，例如平方、对数、指数函数等作为 映射函数时，可实现图像灰度的非线性变换。灰度的非线性 变换简称非线性变换，是指由这样一个非线性单值函数所确 定的灰度变换。 （1）对数变换 对数变换常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰 度的图像细节更容易看清，从而达到增强的效果。对数非线性变换
[例] 假设一个图像由一个4×4大小的二维数值矩阵构成，如图（a）
所示，试写出图像的灰度分布，并画出图像的直方图。
灰度直方图计算示意图
经过统计图像中灰度值为0的像素有1个，灰度值为1的 像素有1个，…，灰度值为6的像素有1个。由此得到图像的 灰度分布如表所示，由表可得灰度直方图如图（b）所示。 图像的灰度分布
3.1.2 (rk)代表概 率密度函数，并且有下式成立：
nk Pr (rk ) 0 rk 1 n k 0,1,2,l 1
式中nk为图像中出现rk这种灰度的像素数，n是图像中像素 总数，nk/n就是概率论中的频数，l是灰度级的总数目。在直 角坐标系中作出rk与P(rk)的关系图形，就得到直方图
图 不同的图像其直方图却是相同的
图 直方图的叠加性质
由以上可知，尽管直方图不能表示出某灰度级的像素在什么位
置，更不能直接反映出图像内容，但是却能描述该图像的灰度分布
特性，使人们从中得到诸如图像的明亮程度、对比度等，成为一些 处理方法的重要依据。通常一幅均匀量化的自然图像由于其灰度直
方图分布集中在较窄的低值灰度区间，引起图像的细节看不清楚，
（a）反变换关系
（b） 原图 图像反转的效果
（c）变换后的图像
由直线方程截斜式可知当k =-1，b=L-1时，其表达式为：
程序运行结果如图（c）所示。
4.灰度非线性变换 当用某些非线性函数，例如平方、对数、指数函数等作为 映射函数时，可实现图像灰度的非线性变换。灰度的非线性 变换简称非线性变换，是指由这样一个非线性单值函数所确 定的灰度变换。 （1）对数变换 对数变换常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰 度的图像细节更容易看清，从而达到增强的效果。对数非线性变换
[例] 假设一个图像由一个4×4大小的二维数值矩阵构成，如图（a）
所示，试写出图像的灰度分布，并画出图像的直方图。
灰度直方图计算示意图
经过统计图像中灰度值为0的像素有1个，灰度值为1的 像素有1个，…，灰度值为6的像素有1个。由此得到图像的 灰度分布如表所示，由表可得灰度直方图如图（b）所示。 图像的灰度分布
3.1.2 (rk)代表概 率密度函数，并且有下式成立：
nk Pr (rk ) 0 rk 1 n k 0,1,2,l 1
式中nk为图像中出现rk这种灰度的像素数，n是图像中像素 总数，nk/n就是概率论中的频数，l是灰度级的总数目。在直 角坐标系中作出rk与P(rk)的关系图形，就得到直方图
图 不同的图像其直方图却是相同的
图 直方图的叠加性质
由以上可知，尽管直方图不能表示出某灰度级的像素在什么位
置，更不能直接反映出图像内容，但是却能描述该图像的灰度分布
特性，使人们从中得到诸如图像的明亮程度、对比度等，成为一些 处理方法的重要依据。通常一幅均匀量化的自然图像由于其灰度直
方图分布集中在较窄的低值灰度区间，引起图像的细节看不清楚，
（a）反变换关系
（b） 原图 图像反转的效果
（c）变换后的图像
由直线方程截斜式可知当k =-1，b=L-1时，其表达式为：
第3章_数字图像处理技术
就白、黑、灰色而言，白色最亮，黑色则最暗，灰色则
居中。 在不太严格的场合，明度也可以看作是亮度。如果由明 而暗，制作一系列代表不同等级亮度(称为灰阶)的灰色方 块，则某个有色方块的亮度，可以在同一白光照射下， 忽略其色彩与饱和度属性，依靠视觉比较，找出亮暗感 觉相近的灰色方块，而以该灰色方块的亮度为其亮度
9
3.2 数字图像的基本概念
1. 图像的基本属性
图像的像素数目（Pixel
dimensions），是指位图图像 的宽度和高度方向上含有的像素数目。 一幅图像在显示器上的显示效果由像素数目和显示器的 设定共同决定。 (1)图像分辨率（Image resolution）指组成一幅图像的 像素密度的度量方法，通常使用单位打印长度上的图像 像素的数目多少，即用每英寸多少点(dot per inch，dpi) 表示。对同样大小的一幅图，如果组成该图的图像像素 数目越多，则说明图像的分辨率越高，看起来就越逼真。 相反，图像显得越粗糙。在同样大小的面积上，图像的 分辨率越高，则组成图像的像素点越多，像素点越小， 图像的清晰度越高。(图象清晰度、图象分解力) 10
矢量图主要用于工程图、白描图、卡通漫画、图例和三
维建模等。 矢量文件中的图形元素称为对象。每个对象都是一个自 成一体的实体，它具有颜色、形状、轮廓、大小和屏幕 位置等属性。在维持它原有清晰度和弯曲度的同时，多 次移动和改变它的属性，而不会影响图例中的其它对象。 例如：一个圆可以表示成圆心在(x1,y1)，半径为r的图形； 一个矩形可以通过指定左上角坐标(x1,y1)和右下角坐标 (x2,y2)的四边形来表示。 基于矢量的绘图同分辨率无关。存盘后文件的大小与图 形中元素的个数和每个元素的复杂程度成正比 19
29
居中。 在不太严格的场合，明度也可以看作是亮度。如果由明 而暗，制作一系列代表不同等级亮度(称为灰阶)的灰色方 块，则某个有色方块的亮度，可以在同一白光照射下， 忽略其色彩与饱和度属性，依靠视觉比较，找出亮暗感 觉相近的灰色方块，而以该灰色方块的亮度为其亮度
9
3.2 数字图像的基本概念
1. 图像的基本属性
图像的像素数目（Pixel
dimensions），是指位图图像 的宽度和高度方向上含有的像素数目。 一幅图像在显示器上的显示效果由像素数目和显示器的 设定共同决定。 (1)图像分辨率（Image resolution）指组成一幅图像的 像素密度的度量方法，通常使用单位打印长度上的图像 像素的数目多少，即用每英寸多少点(dot per inch，dpi) 表示。对同样大小的一幅图，如果组成该图的图像像素 数目越多，则说明图像的分辨率越高，看起来就越逼真。 相反，图像显得越粗糙。在同样大小的面积上，图像的 分辨率越高，则组成图像的像素点越多，像素点越小， 图像的清晰度越高。(图象清晰度、图象分解力) 10
矢量图主要用于工程图、白描图、卡通漫画、图例和三
维建模等。 矢量文件中的图形元素称为对象。每个对象都是一个自 成一体的实体，它具有颜色、形状、轮廓、大小和屏幕 位置等属性。在维持它原有清晰度和弯曲度的同时，多 次移动和改变它的属性，而不会影响图例中的其它对象。 例如：一个圆可以表示成圆心在(x1,y1)，半径为r的图形； 一个矩形可以通过指定左上角坐标(x1,y1)和右下角坐标 (x2,y2)的四边形来表示。 基于矢量的绘图同分辨率无关。存盘后文件的大小与图 形中元素的个数和每个元素的复杂程度成正比 19
29
数字图像处理课件第三章
数字图像处理
第三章 数字图像处理中的基本运算
1
3.1 数字图像处理基本运算的分类
2
第三章 数字图像处理中的基本运算
根据图像处理算法的分类
依据图像处理运算的输入信息与输出信息 的类型，图像处理算法可分为3大类，即：
1）单幅图像―――单幅图像。 2）多幅图像―――单幅图像。 3）单幅或多幅图像―――数值／符号等。
46
第三章 数字图像处理中的基本运算
47
第三章 数字图像处理中的基本运算
步骤： l）新建一个与原始图像大小相同的图层，图层
的类型仍然是一个图像文件，而且一般要求是一个二 值图像。
2）在新建图层上，由用户在屏幕上人工勾绘出 要进行增强处理的局部区域，这个区域可以是点、线、 面（闭合区域）或三者的组合。区域的确定也可以由 其它二值图像文件导入或由计算机图形文件（矢量） 经转换生成。
(3) 显示标定 一些显示设备不能保持数字图像上像素的灰
度值和显示屏幕上相应点的亮度之间的线性关系。 这一缺点可以通过点运算予以克服，即在图像显 示之前，先设计合理的点运算关系，可将点运算 和显示非线性组合起来互互相抵消，以保持在显 示图像时的线性关系。 (4) 轮廓线
点运算可为图像加上轮廓线。
29
3
第三章 数字图像处理中的基本运算
根据基本运算分类
点运算是指输出图像中每个像素的灰度值
仅由输入图像中相应位置像素的灰度值决定。
而邻域运算中，每个输出像素的灰度值则由对
应输入像素的一个邻域内的几个像素的灰度值
共同决定。
对于点运算，如果输入图像的数量是两幅
或多于两幅，则输出图像中每个像素的灰度值
由输入图像中相应位置像素灰度值的代数运算
第三章 数字图像处理中的基本运算
1
3.1 数字图像处理基本运算的分类
2
第三章 数字图像处理中的基本运算
根据图像处理算法的分类
依据图像处理运算的输入信息与输出信息 的类型，图像处理算法可分为3大类，即：
1）单幅图像―――单幅图像。 2）多幅图像―――单幅图像。 3）单幅或多幅图像―――数值／符号等。
46
第三章 数字图像处理中的基本运算
47
第三章 数字图像处理中的基本运算
步骤： l）新建一个与原始图像大小相同的图层，图层
的类型仍然是一个图像文件，而且一般要求是一个二 值图像。
2）在新建图层上，由用户在屏幕上人工勾绘出 要进行增强处理的局部区域，这个区域可以是点、线、 面（闭合区域）或三者的组合。区域的确定也可以由 其它二值图像文件导入或由计算机图形文件（矢量） 经转换生成。
(3) 显示标定 一些显示设备不能保持数字图像上像素的灰
度值和显示屏幕上相应点的亮度之间的线性关系。 这一缺点可以通过点运算予以克服，即在图像显 示之前，先设计合理的点运算关系，可将点运算 和显示非线性组合起来互互相抵消，以保持在显 示图像时的线性关系。 (4) 轮廓线
点运算可为图像加上轮廓线。
29
3
第三章 数字图像处理中的基本运算
根据基本运算分类
点运算是指输出图像中每个像素的灰度值
仅由输入图像中相应位置像素的灰度值决定。
而邻域运算中，每个输出像素的灰度值则由对
应输入像素的一个邻域内的几个像素的灰度值
共同决定。
对于点运算，如果输入图像的数量是两幅
或多于两幅，则输出图像中每个像素的灰度值
由输入图像中相应位置像素灰度值的代数运算
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
© Mingyan Jiang, SDU, Copyrights Reserved 8/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
9/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
10/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
11/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
12/ 125
3.2 Intensity Transformation Functions
• The simplest form of the transformation T is when the neighborhood in Fig. 3.1 is of size 1*1 (a single pixel). In this case, the value of g at (x,y) depends only on the intensity of f at that point, and T becomes an intensity or graylevel transformation function.
• Logarithmic and contrast-stretching transformations are basic tools for dynamic range manipulation. g = c*log(1 + double(f)) where c is a constant.The shape of this transformation is similar to the gamma curve shown in Fig. 3.2(a) that the shape of the gamma curve is variable, whereas the shape of the log function is fixed.
© Mingyan Jiang, SDU, Copyrights Reserved
7/ 125
• Operator T is applied at each location (x,y) to yield the output, g, at that location. Only the pixels in the neighborhood are used in computing the value of g at (x,y) . • Its computational implementation in MATLAB requires that careful attention be paid to data classes and value ranges.
© Mingyan Jiang, SDU, Copyrights Reserved
18/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
19/ 125
3.2.2 Logarithmic and ContrastStretching Transformations
Digital Image Processing ® Using MATLAB
Chapter 3
Intensity Transformations and Spatial Filtering
江铭炎
教授/博导
网址: 信息学院=>精品课程=>数字图像处理
© Mingyan Jiang, SDU, Copyrights Reserved 1/ 125
© Mingyan Jiang, SDU, Copyrights Reserved 13/ 125
• Because they depend only on intensity values, and on (x,y), intensity transformation functions in simplified form as:
© Mingyan Jiang, SDU, Copyrights Reserved 6/ 125
The principal approach for defining spatial neighborhoods about a point is to use a square or rectangular region centered at as Fig. 3.1 shows.
© Mingyan Jiang, SDU, Copyrights Reserved
21/ 125
Logarithmic and ContrastStretching Transformations
• gs = im2uint8(mat2gray(g)); • Use of mat2gray brings the values to the range [0, 1] and im2uint8 brings them to the range [0, 255]. • Later, in Section 3.2.3, we discuss a scaling function that automatically detects the class of the input and applies the appropriate conversion.
g(x,y)=T [ f(x,y) ]
where f(x,y) is the input image, g(x,y) is the output (processed) image, T is an operator on f ,defined over a specified neighborhood about point(x,y). T can operate on a set of images, such as performing the addition of K images for noise reduction.
© Mingyan Jiang, SDU, Copyrights Reserved
15/ 125
© Mingyan Jiang, SDU, ghts Reserved
16/ 125
• Parameter gamma specifies the shape of the curve that maps the intensity values in f to create g. • If gamma is less than 1, the mapping is weighted toward higher (brighter) output values, as Fig. 3.2(a) shows. • If gamma is greater than 1,the mapping is weighted toward lower (darker) output values. • If it is omitted from the function argument, gamma defaults to 1 (linear mapping).
Preview
• The term spatial domain refers to the image plane, • Methods in this category are based on direct manipulation of pixels in an image.
© Mingyan Jiang, SDU, Copyrights Reserved
s=T(r)
where r denotes the intensity of f and s the intensity of g, both at any corresponding point (x,y) in the images.
© Mingyan Jiang, SDU, Copyrights Reserved
© Mingyan Jiang, SDU, Copyrights Reserved 17/ 125
Examples
• g1 = imadjust(f, [0 1], [1 0]); • g2 = imadjust(f, [0.5 0.75], [0 1]); • g3 = imadjust(f, [ ], [ ], 2);
© Mingyan Jiang, SDU, Copyrights Reserved 22/ 125
2/ 125
Preview
• Two important categories of spatial domain processing: • intensity (or gray-level) transformations • spatial filtering( neighborhood processing, or spatial convolution)
© Mingyan Jiang, SDU, Copyrights Reserved
20/ 125
• One of the principal uses of the log transformation is to compress dynamic range. • By computing the log, a dynamic range on the order of, for example, 1.E6 is reduced to approximately 14, which is much more manageable.
© Mingyan Jiang, SDU, Copyrights Reserved 3/ 125
• We will develop and illustrate MATLAB formulations representative of processing techniques in these two categories. • In order to carry a consistent theme, most of the examples are related to image enhancement. • This is a good way to introduce spatial processing because enhancement is highly intuitive, especially to beginners in the field.
© Mingyan Jiang, SDU, Copyrights Reserved
9/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
10/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
11/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
12/ 125
3.2 Intensity Transformation Functions
• The simplest form of the transformation T is when the neighborhood in Fig. 3.1 is of size 1*1 (a single pixel). In this case, the value of g at (x,y) depends only on the intensity of f at that point, and T becomes an intensity or graylevel transformation function.
• Logarithmic and contrast-stretching transformations are basic tools for dynamic range manipulation. g = c*log(1 + double(f)) where c is a constant.The shape of this transformation is similar to the gamma curve shown in Fig. 3.2(a) that the shape of the gamma curve is variable, whereas the shape of the log function is fixed.
© Mingyan Jiang, SDU, Copyrights Reserved
7/ 125
• Operator T is applied at each location (x,y) to yield the output, g, at that location. Only the pixels in the neighborhood are used in computing the value of g at (x,y) . • Its computational implementation in MATLAB requires that careful attention be paid to data classes and value ranges.
© Mingyan Jiang, SDU, Copyrights Reserved
18/ 125
© Mingyan Jiang, SDU, Copyrights Reserved
19/ 125
3.2.2 Logarithmic and ContrastStretching Transformations
Digital Image Processing ® Using MATLAB
Chapter 3
Intensity Transformations and Spatial Filtering
江铭炎
教授/博导
网址: 信息学院=>精品课程=>数字图像处理
© Mingyan Jiang, SDU, Copyrights Reserved 1/ 125
© Mingyan Jiang, SDU, Copyrights Reserved 13/ 125
• Because they depend only on intensity values, and on (x,y), intensity transformation functions in simplified form as:
© Mingyan Jiang, SDU, Copyrights Reserved 6/ 125
The principal approach for defining spatial neighborhoods about a point is to use a square or rectangular region centered at as Fig. 3.1 shows.
© Mingyan Jiang, SDU, Copyrights Reserved
21/ 125
Logarithmic and ContrastStretching Transformations
• gs = im2uint8(mat2gray(g)); • Use of mat2gray brings the values to the range [0, 1] and im2uint8 brings them to the range [0, 255]. • Later, in Section 3.2.3, we discuss a scaling function that automatically detects the class of the input and applies the appropriate conversion.
g(x,y)=T [ f(x,y) ]
where f(x,y) is the input image, g(x,y) is the output (processed) image, T is an operator on f ,defined over a specified neighborhood about point(x,y). T can operate on a set of images, such as performing the addition of K images for noise reduction.
© Mingyan Jiang, SDU, Copyrights Reserved
15/ 125
© Mingyan Jiang, SDU, ghts Reserved
16/ 125
• Parameter gamma specifies the shape of the curve that maps the intensity values in f to create g. • If gamma is less than 1, the mapping is weighted toward higher (brighter) output values, as Fig. 3.2(a) shows. • If gamma is greater than 1,the mapping is weighted toward lower (darker) output values. • If it is omitted from the function argument, gamma defaults to 1 (linear mapping).
Preview
• The term spatial domain refers to the image plane, • Methods in this category are based on direct manipulation of pixels in an image.
© Mingyan Jiang, SDU, Copyrights Reserved
s=T(r)
where r denotes the intensity of f and s the intensity of g, both at any corresponding point (x,y) in the images.
© Mingyan Jiang, SDU, Copyrights Reserved
© Mingyan Jiang, SDU, Copyrights Reserved 17/ 125
Examples
• g1 = imadjust(f, [0 1], [1 0]); • g2 = imadjust(f, [0.5 0.75], [0 1]); • g3 = imadjust(f, [ ], [ ], 2);
© Mingyan Jiang, SDU, Copyrights Reserved 22/ 125
2/ 125
Preview
• Two important categories of spatial domain processing: • intensity (or gray-level) transformations • spatial filtering( neighborhood processing, or spatial convolution)
© Mingyan Jiang, SDU, Copyrights Reserved
20/ 125
• One of the principal uses of the log transformation is to compress dynamic range. • By computing the log, a dynamic range on the order of, for example, 1.E6 is reduced to approximately 14, which is much more manageable.
© Mingyan Jiang, SDU, Copyrights Reserved 3/ 125
• We will develop and illustrate MATLAB formulations representative of processing techniques in these two categories. • In order to carry a consistent theme, most of the examples are related to image enhancement. • This is a good way to introduce spatial processing because enhancement is highly intuitive, especially to beginners in the field.