4图像增强1讲义数字图像处理
合集下载
数字图像处理第四章图像增强
数字图像处理第四章图像增强
3
上节知识点回顾
一、图像平滑 1、邻域平均 2、低通滤波 3、中值滤波
二、图像锐化
1、一阶微分法
2、二阶微分法
3、高通滤波
数字图像处理第四章图像增强
4
4.5.1 图像的彩色表示
人眼对于彩色的观察和处理是一种 生理 和 心理 现象，其机理还没有完全搞清楚，
因而对于彩色的许多结论都是建立在实验 基础之上的。
如果采用其他色系进行了处理，最终一定 要转换到RGB色系，才能正常显示结果。
数字图像处理第四章图像增强
15
数字图像处理第四章图像增强
16
2、HIS彩色模型
RGB色系虽然是目前各类显示器使用的色 系，但颜色的构成与人对颜色的理解方式 不同，因此在进行处理与调整时，不易获 得准确的参数。
这种彩色系统格式的设计反映了人类观察
m＝X＋Y＋Z
x X X XYZ m
y Y Y XYZ m
z Z Z XYZ m
m为色模，表示某彩色光所 含标准三基色单位总量，与 光通量有关； x、y、z为相对色度系数(色 度坐标)
且x＋y＋z＝1则z是一个非独立参量，因此配色数 据可换算为x－y坐标值，即x－y标准色度图
数字图像处理第四章图像增强
数字图像处理第四章图像增强
5
一、彩色概念
1、可见光谱
☻可见光谱：人眼能够感觉到的可见光谱集
中在5×1014 Hz附近的一个很窄的光谱范围 内，波长为380～780nm。
数字图像处理第四章图像增强
6
2、光的特性：
(1).可见光的波长范围有限； (2).不同波长的光呈现的颜色不同，随波长
由长到短颜色依次为：红、橙、黄、绿、 青、蓝、紫(品红)； (3).只含单一波长的光称为单色光，含两种 或两种以上波长的光称为复合光； (4).太阳发出的光包含了所有的可见光，若 用三棱镜可以将太阳光分解。
第四章-图像增强-4.1-4.2PPT课件
频域：由频率成分构成的空间，在频域空间进行处理。一般在图象的Fourier变 换域上进行处理。 g(x,y)T1{E[H T[f(x,y)]]}
.
2
4.2 空域变换增强
灰度变换:基于点的操作的增强方法。 可分几类： a.将f(·)的每个象素按EH操作直接得到变换g(·)。 b.利用f(·)的直方图进行变换。 c.利用一系列图象间的操作进行变换。 一.象素按EH操作直接得到变换(直接灰度变换) 1.图象求反
.
7
5.灰度切分 与增强对比度相仿，将某个范围灰度值变得比较突出
。如图s1<s<s2灰度级突出，其余灰度值变为某个低灰度。
直接灰度变换也可借助图象位面表示进行。位面：对1 幅用多个比特看作表示其灰度值的图象来源，其中的每一 个比特看作表示一个二值的平面。
.
8
6.非线性灰度变换 （1）对数变换 低灰度区扩展，高灰度区压缩。 （2）指数变换 高灰度区扩展，低灰度区压缩。
c a
f
(x,
y)
b f (x, y)Mf a f (x,y)b 0 f (x,y)a
g(x,y) Mg
d
c
0
a
b
Mf
f(x,y)
.
6
4.动态范围压缩(非线性) 该方法的目标与增强对比度相反。由于原图动态范围太 大，超出某些显示设备的允许动态范围，若直接用原图则 一部分细节会失去，解决办法是对原图进行灰度压缩，采 用压缩方法如下：t=clog(1+|s|),c为尺度比例常数。
均衡化变换公式，令r代表灰度级，P ( r )
为概率密度函数。
r值已归一化，最大灰度值为1。
.
18
直方图均衡化
要找到一种变换 S=T ( r ) 使直方图
.
2
4.2 空域变换增强
灰度变换:基于点的操作的增强方法。 可分几类： a.将f(·)的每个象素按EH操作直接得到变换g(·)。 b.利用f(·)的直方图进行变换。 c.利用一系列图象间的操作进行变换。 一.象素按EH操作直接得到变换(直接灰度变换) 1.图象求反
.
7
5.灰度切分 与增强对比度相仿，将某个范围灰度值变得比较突出
。如图s1<s<s2灰度级突出，其余灰度值变为某个低灰度。
直接灰度变换也可借助图象位面表示进行。位面：对1 幅用多个比特看作表示其灰度值的图象来源，其中的每一 个比特看作表示一个二值的平面。
.
8
6.非线性灰度变换 （1）对数变换 低灰度区扩展，高灰度区压缩。 （2）指数变换 高灰度区扩展，低灰度区压缩。
c a
f
(x,
y)
b f (x, y)Mf a f (x,y)b 0 f (x,y)a
g(x,y) Mg
d
c
0
a
b
Mf
f(x,y)
.
6
4.动态范围压缩(非线性) 该方法的目标与增强对比度相反。由于原图动态范围太 大，超出某些显示设备的允许动态范围，若直接用原图则 一部分细节会失去，解决办法是对原图进行灰度压缩，采 用压缩方法如下：t=clog(1+|s|),c为尺度比例常数。
均衡化变换公式，令r代表灰度级，P ( r )
为概率密度函数。
r值已归一化，最大灰度值为1。
.
18
直方图均衡化
要找到一种变换 S=T ( r ) 使直方图
数字图像处理与分析-第4章-图像增强讲解
直方图均衡即是找一种变换，使具有任意概 率分布密度的直方图的图像，变换成接近于均匀 概率分布密度的直方图的图像。
4.2.1 直方图均衡 1. 直方图均衡的基本思想
pr (r)
s T(r)
ps (s)
1
0
1r
0
s
1
4.2.1 直方图均衡
1. 直方图均衡的基本思想
显然，基于上述思想的直方图均衡变换函数：
1
③ 所画的原图像的直方
2 3
图如图4.9所示。
4
rk Pr(rk)=nk/n
=0
0.19
=1/7
0.25
=2/7
0.21
=3/7
0.16
=4/7
0.08
5 =5/7
0.06
6 =6/7
0.03
7 =1
0.02
例4.2.1 (续2)
pr (rk )
0.25
0.20
0.15
0.10
0.05
0
1 7
2 7
4.2.1 直方图均衡
4. 直方图均衡的实现
◆直方图均衡的步骤： （1）计算原图像的归一化灰度级别及其分布概
率pr(rk)=nk/n。 （2）根据直方图均衡化公式（4.13）求变换函
数的各灰度等级值sk。
4.2.1 直方图均衡
4. 直方图均衡的实现
◆直方图均衡的步骤： （3）将所得的变换函数的各灰度等级值转化成
标准的灰度级别值。也即把第（2）步求得的各sk值， 按靠近原则近似到与原图像灰度级别相同的标准灰度 级别中。此时获得的即是均衡化后的新图像中存在的 灰度级别值，其对应的像素个数不为零；对于那些在 变换过程中“被丢失了的”灰度级别值，将其像素个 数设为零。
4.2.1 直方图均衡 1. 直方图均衡的基本思想
pr (r)
s T(r)
ps (s)
1
0
1r
0
s
1
4.2.1 直方图均衡
1. 直方图均衡的基本思想
显然，基于上述思想的直方图均衡变换函数：
1
③ 所画的原图像的直方
2 3
图如图4.9所示。
4
rk Pr(rk)=nk/n
=0
0.19
=1/7
0.25
=2/7
0.21
=3/7
0.16
=4/7
0.08
5 =5/7
0.06
6 =6/7
0.03
7 =1
0.02
例4.2.1 (续2)
pr (rk )
0.25
0.20
0.15
0.10
0.05
0
1 7
2 7
4.2.1 直方图均衡
4. 直方图均衡的实现
◆直方图均衡的步骤： （1）计算原图像的归一化灰度级别及其分布概
率pr(rk)=nk/n。 （2）根据直方图均衡化公式（4.13）求变换函
数的各灰度等级值sk。
4.2.1 直方图均衡
4. 直方图均衡的实现
◆直方图均衡的步骤： （3）将所得的变换函数的各灰度等级值转化成
标准的灰度级别值。也即把第（2）步求得的各sk值， 按靠近原则近似到与原图像灰度级别相同的标准灰度 级别中。此时获得的即是均衡化后的新图像中存在的 灰度级别值，其对应的像素个数不为零；对于那些在 变换过程中“被丢失了的”灰度级别值，将其像素个 数设为零。
数字图像处理 第四章图像增强 ppt课件
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。
6
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
11
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。
[b，Mf ]被压缩
17
二、非线性灰度变换
对数变换 g (i， j) = a+ ln [f(i, j) + 1 ] b ln c
低灰度拉伸，高灰度压缩 指数变换
g (i， j) = b c[f(i,j)-a] 1 使图像高灰度拉伸
对数 变换
指数 变换
18
附：PS相关命令
通过命令“图像曲线”调整灰度
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
基本思想是提出希望的局部均值和方差对原图像每个像素分别进行处局部均值平均灰度方差平均对比度局部方差平均对比度局部统计法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频率域增强彩色增强代数运算空间滤波的概念平滑滤波空间域滤波概念空间域滤波属于局部处理空间域滤波分类空域滤波按不同条件分类空间域滤波线性滤波器定义空间域滤波42空间域平滑图a原图像图b阈值化处理后的图像图c平滑处理后的图像空间域平滑平滑滤波器的用途平滑滤波器的用途一局部平滑法像素灰度像素邻域内各像素的灰度平均值s表示去心邻域常用4邻域8邻域
✓ 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。
6
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
11
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。
[b，Mf ]被压缩
17
二、非线性灰度变换
对数变换 g (i， j) = a+ ln [f(i, j) + 1 ] b ln c
低灰度拉伸，高灰度压缩 指数变换
g (i， j) = b c[f(i,j)-a] 1 使图像高灰度拉伸
对数 变换
指数 变换
18
附：PS相关命令
通过命令“图像曲线”调整灰度
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
基本思想是提出希望的局部均值和方差对原图像每个像素分别进行处局部均值平均灰度方差平均对比度局部方差平均对比度局部统计法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频率域增强彩色增强代数运算空间滤波的概念平滑滤波空间域滤波概念空间域滤波属于局部处理空间域滤波分类空域滤波按不同条件分类空间域滤波线性滤波器定义空间域滤波42空间域平滑图a原图像图b阈值化处理后的图像图c平滑处理后的图像空间域平滑平滑滤波器的用途平滑滤波器的用途一局部平滑法像素灰度像素邻域内各像素的灰度平均值s表示去心邻域常用4邻域8邻域
第4章 图像增强(08) 数字图像处理课件
c
f (x, y)
a
g
(
x,
y
)
d d
c a
[
f
(
x,
y
)
a
]
c
M
g
d
[
f
(x,
y)
b]
d
M f b
0 f (x, y) a 0 f (x, y) b b f (x, y) M f
(4-16)
Image No
第四章 图像增强
g (x, y) Mg d
c
O
ab
M f f (x , y)
一个重要的变换函数为
r
sT(r) 0
pr()d
(4-6)
ω是积分变量，而
r
0 pr ()d
就是r的累积分布函数。
这里，累积分布函数是r的函数，并且单调地从0增 加到1， 所以这个变换函数满足关于T(r)在0≤r≤1内单值 单调增加。在0≤r≤1内有0≤T(r)≤1的两个条件。
第四章 图像增强
Image No
因为r0=0，经变换得s0=1/7，所以有790个像素取s0这个灰度值。r1 映射到s1=3／7，所以有1023个像素取s1=3/7这一灰度值。依次类推， 有 850 个 像 素 取 s2=5/7这 个 灰 度值 。 但 是， 因 为 r3 和 r4 均 映射 到 s3=6/7这一灰度级，所以有656+329=985个像素取这个值。同样， 有245+122+81=448个像素取s4=1这个新灰度值。用n = 4096来除上 述这些nk值，便可得到新的直方图，如图4-10(c)所示。
3
s3 T (r3 ) Pr (rj ) Pr (r0 ) Pr (r1) Pr (r2 ) Pr (r3 ) 0.81
第4章图像增强1灰度变换PPT课件
pr(rk)n n k
k0,1,2, ,L1
式中： n是一幅图像的像素总数； L是灰度级的总数目； rk表示第k个灰度 级； nk为第k级灰度的像素数； pr(rk)表示该灰度级出现的频率，是对其出 现概率的估计。在直角坐标系中做出rk与pr(rk)的关系图形，称为该图像的
直方图。其横坐标表示灰度级，纵坐标表示该灰度级出现的次数或频率。对
连续图像，直方图的纵坐标表示灰度级出现的概率密度。
7
直方图
1 2 34 5 6 6 4 32 2 1 1 6 64 6 6 3 4 56 6 6 1 4 66 2 3 1 3 64 6 6
1 2 34 5 6 5 4 5 6 2 14
图像灰度直方图
8
直方图
直方图的性质： (1) 直方图是一幅图像中各灰度级出现频数的统计
作。
4
空域处理表示
如果用s 和t 分别代表 f 和 g 在(x,y)处的灰
度值，则空间域处理就表示为： t T(s)
下图是增强对比度的T操作：
5
空域点处理增强
灰度变换方法
直接灰度变换法 直方图修正法
线性变换 分段线性 非线性变换 直方图均衡化 直方图规定化
6
直方图
直方图
直方图是灰度级的函数，它反映了图像中每一灰度级出现的次数(该 灰度级的像素数)或频率(该灰度级像素数与图像总像素数之比)。对数字 图像，直方图可表示为
t3 6 n t3 98p t 5 ( s t3 ) 0 .24 t4 7 n t4 44p t 8 ( s t4 ) 0 .11
50
直方图规定化
例
（2）对规定直方图像操作：
v 0 0 .0 T 0 u ( u 0 ) v 1 0 .0 T 0 u ( u 1 ) 0
数字图像处理：第4章 图像增强(第一讲)
411直方图412直方图修改技术的基础413直方图均衡化处理414直方图规定化处理415图像对比度处理直方图均衡化处理方法是行之有效的增强方法之一但是由于它的变换函数采用的是累积分布函数因此正如前面所证明的那样它只能产生近似均匀的直方图这样一种结果
数字图像处理
第3章 图像增强
（第一讲）
图像增强是指按特定的需要突出一幅图像中的 某些信息，同时，削弱或去除某些不需要的信 息的处理方法。其主要目的是使处理后的图像 对某种特定的应用来说，比原始图像更适用。
Do you see a cube missing a corner? Or do you see a small cube in a big one?
Is the blue on the inner left back or the outer left front?
Do you see a musician or a girl's face?
G(u, v) H (u, v) F(u, v) （4-2）
式中， H (u, v) 为传递函数。
在增强问题中，f (x, y) 是给定的原始数据，
经傅立叶变换可得到 F (u, v) 。选择合适
的 H (u, v) ，使得由式
g(x, y) F 1[H (u, v) F (u, v)]
在实用中可以采用单一方法处理，也可以采 用几种方法联合处理，以便达到预期的增 强效果。
图像增强技术基本上可分成两大类: ➢ 频域处理法 ➢ 空域处理法
频域处理法的基础是卷积定理。它采用修改图 像傅里叶变换的方法实现对图像的增强处理。 由卷积定理可知，如果原始图像是 f (x, y) ，
处理后的图像是 g(x, y) ，而 h( x, y) 是处
数字图像处理
第3章 图像增强
（第一讲）
图像增强是指按特定的需要突出一幅图像中的 某些信息，同时，削弱或去除某些不需要的信 息的处理方法。其主要目的是使处理后的图像 对某种特定的应用来说，比原始图像更适用。
Do you see a cube missing a corner? Or do you see a small cube in a big one?
Is the blue on the inner left back or the outer left front?
Do you see a musician or a girl's face?
G(u, v) H (u, v) F(u, v) （4-2）
式中， H (u, v) 为传递函数。
在增强问题中，f (x, y) 是给定的原始数据，
经傅立叶变换可得到 F (u, v) 。选择合适
的 H (u, v) ，使得由式
g(x, y) F 1[H (u, v) F (u, v)]
在实用中可以采用单一方法处理，也可以采 用几种方法联合处理，以便达到预期的增 强效果。
图像增强技术基本上可分成两大类: ➢ 频域处理法 ➢ 空域处理法
频域处理法的基础是卷积定理。它采用修改图 像傅里叶变换的方法实现对图像的增强处理。 由卷积定理可知，如果原始图像是 f (x, y) ，
处理后的图像是 g(x, y) ，而 h( x, y) 是处
第四章图像增强
2、频率域方法：指将图像以某种形式转换到其它空 间，并利用这些空间特有的性质进行加工，最后 再转换回图像空间以得到所需的效果。
14
4.1 灰度级修正
灰度级修正是对图像在空间域进行增强的 一种增强方法，根据对图像不同的要求采用不 同的方法。
灰度级修正不改变像素点的位置，只改变 像素点的灰度值，属于点运算。
49
50
Prk
nk N
1.0
直方图
0.5
0.0
z1 z2 z
图像a 图像b 图像c 图像d
几个具有相同直方图的图像实例
51
求直方图
13998
例
21373
f3 6 0 6 4
68205
29260
01 2 3 4 5 6 7 8 9
32 4 4 1 13 1 2 3
3244114123 p [ , , , , , , , , , ]52
M Ndb[f(x,y)b]d
0 f (x, y)a a f (x, y)b
b f (x, y)M
22
分段线性灰度变换
g(x,y) N
d
c
0
a
b
M
通过调制折线拐 点位置和分段直 线的斜率，可对 任一灰度区间进 行扩展和压缩
f(x,y)
23
例
gx,y 1320 [f0 (x,y)5]0 205 0f(x,y)80
因为f和g的取值范围相同，所以通过 抑制 不重要的部分，来 扩展 所关心部分的对 比度。
18
线性灰度变换
c
g(x,y) b d ac[f(x,y)a]c d
f(x,y)a af(x,y)b f(x,y)b
14
4.1 灰度级修正
灰度级修正是对图像在空间域进行增强的 一种增强方法，根据对图像不同的要求采用不 同的方法。
灰度级修正不改变像素点的位置，只改变 像素点的灰度值，属于点运算。
49
50
Prk
nk N
1.0
直方图
0.5
0.0
z1 z2 z
图像a 图像b 图像c 图像d
几个具有相同直方图的图像实例
51
求直方图
13998
例
21373
f3 6 0 6 4
68205
29260
01 2 3 4 5 6 7 8 9
32 4 4 1 13 1 2 3
3244114123 p [ , , , , , , , , , ]52
M Ndb[f(x,y)b]d
0 f (x, y)a a f (x, y)b
b f (x, y)M
22
分段线性灰度变换
g(x,y) N
d
c
0
a
b
M
通过调制折线拐 点位置和分段直 线的斜率，可对 任一灰度区间进 行扩展和压缩
f(x,y)
23
例
gx,y 1320 [f0 (x,y)5]0 205 0f(x,y)80
因为f和g的取值范围相同，所以通过 抑制 不重要的部分，来 扩展 所关心部分的对 比度。
18
线性灰度变换
c
g(x,y) b d ac[f(x,y)a]c d
f(x,y)a af(x,y)b f(x,y)b
数字图像处理 图像增强 第一讲 概述及灰度变换
对灰度区间 [ a , b ] 进行了线性拉伸 ，而灰度区间[0, a]和[b, fmax]则被 压缩。
三段线性变换
常用的是三段线性变换。
Slide 20
实际上，S1、S2、t1、t2可取不同的值进行组合，从而得 到不同的效果。
1、如果S1=t1，S2=t2，则T为1条斜率为1的直线，增强图 像和原图像相同。 2、如果S1=S2，t1=L-1，则增强图像只剩2个灰度级，此时 对比度最大但细节全丢失。 3、如果S1>t1，S2<t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围减少了，而原图中灰度值在S1和S2间的动 态范围增加了，从而增强了中间范围内的对比度。 4、如果S1<t1，S2>t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围增加了，而原图中灰度值在S1和S2间的动 态范围减少了。
环境光源太暗，使灰度值偏小，就会使图像太暗看不清。
如果环境光源太亮，又使图像泛白。 通过灰度变换，就可以将灰度值调整到合适的程度。
灰度变换可分为线性变换、分段线性变换和非线性变换几 种方法。
直接灰度变换
1、图像求反
假设对灰度级范围是[0，L-1]的图像求反，就是通过变 换将[0，L-1]变换到[L-1，0]，变换公式如下：
设变量 r 代表图像中像素灰度级。在图像中， 像素的灰度级可作归一化处理，这样，r 的值将 限定在下述范围之内:
0 r 1
在灰度级中， r = 0
(4—4)
代表黑， r = 1 代表白。
对于一幅给定的图像来说，每一个像素取 得[0，1]区间内的灰度级是随机的，也就是说
r 是一个随机变量。假定对每一瞬间它们是连
三段线性变换
常用的是三段线性变换。
Slide 20
实际上，S1、S2、t1、t2可取不同的值进行组合，从而得 到不同的效果。
1、如果S1=t1，S2=t2，则T为1条斜率为1的直线，增强图 像和原图像相同。 2、如果S1=S2，t1=L-1，则增强图像只剩2个灰度级，此时 对比度最大但细节全丢失。 3、如果S1>t1，S2<t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围减少了，而原图中灰度值在S1和S2间的动 态范围增加了，从而增强了中间范围内的对比度。 4、如果S1<t1，S2>t2，则原图像中灰度值在0到S1和S2到 L-1间的动态范围增加了，而原图中灰度值在S1和S2间的动 态范围减少了。
环境光源太暗，使灰度值偏小，就会使图像太暗看不清。
如果环境光源太亮，又使图像泛白。 通过灰度变换，就可以将灰度值调整到合适的程度。
灰度变换可分为线性变换、分段线性变换和非线性变换几 种方法。
直接灰度变换
1、图像求反
假设对灰度级范围是[0，L-1]的图像求反，就是通过变 换将[0，L-1]变换到[L-1，0]，变换公式如下：
设变量 r 代表图像中像素灰度级。在图像中， 像素的灰度级可作归一化处理，这样，r 的值将 限定在下述范围之内:
0 r 1
在灰度级中， r = 0
(4—4)
代表黑， r = 1 代表白。
对于一幅给定的图像来说，每一个像素取 得[0，1]区间内的灰度级是随机的，也就是说
r 是一个随机变量。假定对每一瞬间它们是连
4 图像增强(1)数字图像处理 PPT
• 主要增强方法
增强 操作
对图像进
行变换
g(x,y)EH[f(x,y)]
直接对象素 灰度值运算
处理方法
空域方法
点处理（变换） 模板处理（滤波）
频域方法
图像增强 处理策略
全局处理 局部处理
处理对象
变换
灰度图像 彩色图像
g (x ,y ) T 1E H T [f(x ,y )]
空域法的基本原理
典型的增强对比度的EH(.)如图所示
s2～L-1之
L-1
间的动态范
(s2,t2) EH(s)
围减小
0～s1之间 t
的动态范 围减小 0
(s1,t1) s
s1～s2之间的动 L-1 态范围增加，
s1,s2,t1,t2取不同的
对比度增强
值，得到不同效果
• s1=t1,s2=t2，与原图相同
3、动态范围压缩－与增强对比度相反，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，这时如直接 使用原图，则一部分细节可能丢失
对于一幅给定的图像而言，每一个象素取得[0，1]区间内 的灰度级是随机的，也就是说，r是一个随机变量。假定对 每一瞬间它们是连续的随机变量，那么，就可以用概率密 度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标 系中的横轴代表灰度级r，用纵轴代表灰度级的概率密度函 数pr(r)，这样就可针对一幅图像在这个坐标系中作曲线来。 这条曲线在概率论中就是分布密度曲线
g(x,y)=h(x,y)*f(x,y) 如果G(u,v),H(u,v),F(u,v)分别是g(x,y)，h(x,y)和f(x,y)的
傅立叶变换，上面的卷积关系可表示为变换域的乘积 关系，即
G(u,v)=H(u,v)F(u,v) H(u,v)为传递函数。
增强 操作
对图像进
行变换
g(x,y)EH[f(x,y)]
直接对象素 灰度值运算
处理方法
空域方法
点处理（变换） 模板处理（滤波）
频域方法
图像增强 处理策略
全局处理 局部处理
处理对象
变换
灰度图像 彩色图像
g (x ,y ) T 1E H T [f(x ,y )]
空域法的基本原理
典型的增强对比度的EH(.)如图所示
s2～L-1之
L-1
间的动态范
(s2,t2) EH(s)
围减小
0～s1之间 t
的动态范 围减小 0
(s1,t1) s
s1～s2之间的动 L-1 态范围增加，
s1,s2,t1,t2取不同的
对比度增强
值，得到不同效果
• s1=t1,s2=t2，与原图相同
3、动态范围压缩－与增强对比度相反，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，这时如直接 使用原图，则一部分细节可能丢失
对于一幅给定的图像而言，每一个象素取得[0，1]区间内 的灰度级是随机的，也就是说，r是一个随机变量。假定对 每一瞬间它们是连续的随机变量，那么，就可以用概率密 度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标 系中的横轴代表灰度级r，用纵轴代表灰度级的概率密度函 数pr(r)，这样就可针对一幅图像在这个坐标系中作曲线来。 这条曲线在概率论中就是分布密度曲线
g(x,y)=h(x,y)*f(x,y) 如果G(u,v),H(u,v),F(u,v)分别是g(x,y)，h(x,y)和f(x,y)的
傅立叶变换，上面的卷积关系可表示为变换域的乘积 关系，即
G(u,v)=H(u,v)F(u,v) H(u,v)为传递函数。
第4章 图像增强(第1讲)
增强对比度的典型变换曲线与图4-9中的曲线类 似。可以看出通过这样一个变换，原图中灰度值 在 0 到 和 b 到 Mf 间的动态范围减少了，而 原图中灰度值在 和 b 之间的动态范围增加了， 从而这个范围内的对比度增强了。变换结果如图 4-11所示。 实际应用中 、b 、 、 可取不同的值进行组 d 合，从而得到不同的效果。如果a c、 b d ， 则变换曲线为一条斜率为1 的直线，增强图将和 原图相同。
应该明确的是增强处理并不能增强原始图像的
信息，其结果只能增强对某种信息的辨别能力， 而这种处理有可能损失一些其他信息。
•
图像增强是数字图像处理的基本内容之一。
• 图像增强技术主要包括: 注： 在实用中可以采用单
• 直接灰度变换
• 直方图修改处理 • 图像平滑化处理 • 图像尖锐化处理 • 彩色处理技术
针对一幅图像在这个坐标系中作一曲线来。这条
曲线在概率论中就是分布密度曲线（见图4—
21）。
pr (r)
pr (r)
0
1
r
0
1
r
(a)
(b)
图4—21
图像灰度分布概率密度函数
从图像灰度级的分布可以看出一幅图像的灰度 分布特性。例如，从图4—21中的(a)和(b)两个灰 度密度分布函数中可以看出：(a)的大多数像素灰 度值取在较暗的区域，所以这幅图像肯定较暗， 一般在摄影过程中曝光不足就会造成这种结果；
0
f ( x, y )
a
图4-7 图像的反色变换关系
图4-8 a) 原图
图像的反色变换 b) 进行反色变换后的图
2.分段线性变换
在图像增强中，为了突出感兴趣的目标或 灰度区间，相对抑制那些不感兴趣的灰度区间， 可以采用分段线性变换。常用的方法是分三段 做线性变换，如图4-9所示，其数学表达式
数字图像处理第04章图像增强
%显示变换后图像的直方图
Slide 18
图4.5 图像线性变换
Slide 19
2．分段线性变换
对整个灰度区间进行分 段，采用分段线性函数 进行变换。
这种变换突出了感兴趣 的目标或灰度区间，相 对抑制那些不感兴趣的 灰度区间。
常用的是三段线性变换。 图4.6 三段线性变换
Slide 20
Slide 2
内容提要
单点增强：
灰度级校正、灰度变换、灰度直方图变换。
区域增强的平滑方法：
邻域平均法、中值滤波和各种边界保持类滤波方法。
区域增强的锐化方法：
梯度锐化法、拉普拉斯算子、高通滤波及其他常用的 锐化算子。
Slide 3
4.1 概述
4.1.1 图像增强的目的 首要目标:
J = histeq(I); %完成直方图均衡化
imshow(I);
%显示直方图均衡化前的图像
figure,imhist(I);
%均衡化前的直方图
figure,imshow(J); %显示直方图均衡化后的图像
figure,imhist(J);
%均衡化后的直方图
Slide 33
图4.10 直方图均衡
【例4.3】对图像进行直方图均衡化。
假定有一幅总像素为n = 64×64的图像，灰度 级数为8，各灰度级分布列于表4.1中。
（1）按式（4.14）求变换函数Sk’ （2）计算Sk’’ （3） Sk的确定 （4）计算对应每个sk的nsk （5）计算ps(sk)
Slide 31
4.4.1 图像噪声
数字图像往往要经过采集、处理、存储、传输 等一系列加工变换，而由电气系统和外界引入 的图像噪声也将在这些过程中随之引入，可能 严重影响图像的质量。
第四章数字图像处理课件
另外各种空域滤波器根据功能又主要分成平 滑的和锐化的。平滑可用低通滤波实现。锐化可 用高通滤波实现。
4.3 空域滤波增强
结合上2种分类法，可将空间滤波增强方法分 成4类，见表。
平滑（低通） 锐化（高通）
线性 G1 G3
非线性 G2 G4
4.3 空域滤波增强
在空域滤波功能都是利用模板卷积，主要步 骤为： (1) 将模板在图中漫游，并将模板中心与图中某 个像素位置重合； (2) 将模板上系数与模板下对应像素相乘； (3) 将所有乘积相加； (4) 将和（模板的输出响应）赋给图中对应模板 中心位置的像素。
邻域平均可以模糊图象，而平均对应积分所以可以利
用微分锐化图象。图象处理中最常用的微分方法就是利
用梯度。对一个连续函数f（x，y），其梯度是一个矢量
（需要用两个模板分别沿x和y方向计算）：
T
f
f x
f
y
其模为以2为范数（对应欧氏距离）计算为：
1
f(2) ma( gf) fx2 fy22
注意，上述组合方法本身都是非线性的。一些实用的空域微
分算子将在第7章中介绍。
4.4 频域增强
卷积理论是频域技术的基础。设函数f (x, y)与线 性位不变算子h(x, y)的卷积结果是g(x, y)，即g(x, y) = h(x, y) * f (x, y)，那么根据卷积定理在频域有：
G (u,v)H (u,v)F(u,v)
第四章 图像增强
4.1 概述和分类 4.2 空域变换增强 4.3 空域滤波增强 4.4 频域增强 4.5 彩色增强
4.1 概述和分类
一、 目的
1. 改善图像视觉效果，提高清晰度；
2. 改善（增强）感兴趣部分（如滤除噪 声、锐化目标物边缘），以提高图像 可懂度。
4.3 空域滤波增强
结合上2种分类法，可将空间滤波增强方法分 成4类，见表。
平滑（低通） 锐化（高通）
线性 G1 G3
非线性 G2 G4
4.3 空域滤波增强
在空域滤波功能都是利用模板卷积，主要步 骤为： (1) 将模板在图中漫游，并将模板中心与图中某 个像素位置重合； (2) 将模板上系数与模板下对应像素相乘； (3) 将所有乘积相加； (4) 将和（模板的输出响应）赋给图中对应模板 中心位置的像素。
邻域平均可以模糊图象，而平均对应积分所以可以利
用微分锐化图象。图象处理中最常用的微分方法就是利
用梯度。对一个连续函数f（x，y），其梯度是一个矢量
（需要用两个模板分别沿x和y方向计算）：
T
f
f x
f
y
其模为以2为范数（对应欧氏距离）计算为：
1
f(2) ma( gf) fx2 fy22
注意，上述组合方法本身都是非线性的。一些实用的空域微
分算子将在第7章中介绍。
4.4 频域增强
卷积理论是频域技术的基础。设函数f (x, y)与线 性位不变算子h(x, y)的卷积结果是g(x, y)，即g(x, y) = h(x, y) * f (x, y)，那么根据卷积定理在频域有：
G (u,v)H (u,v)F(u,v)
第四章 图像增强
4.1 概述和分类 4.2 空域变换增强 4.3 空域滤波增强 4.4 频域增强 4.5 彩色增强
4.1 概述和分类
一、 目的
1. 改善图像视觉效果，提高清晰度；
2. 改善（增强）感兴趣部分（如滤除噪 声、锐化目标物边缘），以提高图像 可懂度。
- 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)。
两个关键：
1、将图像从图像空间转换到频域空间所需的变换T 以及再将图像从频域空间转换到图像空间所需的变 换T-1 2、在频域空间对图像进行增强加工的操作EH
空域变换增强处理方法
• 基于点操作的增强－也叫灰度变换，常见的几类方法 为：
1、将f(.)中的每个象素按EH操作直接变换以得到g(.) 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
将s1～s2之间的灰度级 突出，而将其余灰度值 逐渐变为某个低灰度值
0
s
L-1
将s1～s2之间的灰度级突出， 而将其余灰度值保留
5.位面图
直接灰度变换也可以借助图像的位面表示进行。 对1幅用多个比特表示其灰度值得图像来说，其中的每个 比特可看作表示了1个二值的平面，也称位面。
1幅其灰度级用8bit表示的图像有8个位面，一般用位面0 代表最低位面，位面7代表最高位面，如图所示。
前面所讲的图 像基本运算
基于模板（滤波）操作的增强，主要有平滑和锐化处理 两种方法
4.2 基于点操作的增强
直接灰度变换
EH(.)变换函数可以取不同形式，从而得到不同的效果 1、 线性变换
g (x ,y )E H [f(x ,y )](g 1 g 0 )[f(x ,y )f0 ] g 0 f1f0
对图像特定位面 的操作进行图像 增强
实例
4.2.2 直方图处理
1. 直方图概念及模型化
灰度级的直方图描述了一幅图像的概貌。 简单讲，灰度级直方图就是反映一幅图像中的灰度级 与出现这种灰度的概率之间的关系的图形
设变量r代表图像中象素灰度级，在图像中，象素的灰度 级可作归一化处理，这样，r的值将限定为0≤r ≤ 1
处理对象
变换
灰度图像 彩色图像
g (x ,y ) T 1E H T [f(x ,y )]
空域法的基本原理
• 直接对图像中的象素进行处理 • 基本上是以灰度映射变换为基础 • 所用的映射变换取决于增强的目的
频域法的基本原理
• 基础是卷积定理－它采用修改图像傅立叶变换的方法 实现对图像的增强处理
2. 了解频率域图像增强的 方法及其实现过程；
3.重点掌握直方图修正方法、 特点及其应用；空间域平 滑、锐化和彩色增强技术。
4.1 概述与分类
定义：图像增强是指按特定的需要突出一幅图 像中的某些信息，同时，消弱或去除某些不需要 的信息的处理方法
目的：对图像进行加工，以得到对具体应用来 说视觉效果更“好”，更“有用”的图像，也就 是说，提高图像的可懂度
4图像增强1数字图像处理
Hale Waihona Puke 讲解内容目的灰 度 变 换
空
间
域
点
空
运 域
算 滤
直
方
图
修
正
局 部 统 计 法
波
图
图
像 像
平 锐
滑 化
法
均
规
衡化 定化
图
像
增
强
高 通 滤 波
频
率
域
低
通
滤
波
同
态
滤
波
增
强
局 部 增 强
其
他
方
面
的
增
强
彩
色
增
强
伪
真
彩 彩
色 色
增 增
强 强
1. 熟悉并掌握本章基本概 念、空间域图像增强的原 理、方法及其特点；
对于一幅给定的图像而言，每一个象素取得[0，1]区间内 的灰度级是随机的，也就是说，r是一个随机变量。假定对 每一瞬间它们是连续的随机变量，那么，就可以用概率密 度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标 系中的横轴代表灰度级r，用纵轴代表灰度级的概率密度函 数pr(r)，这样就可针对一幅图像在这个坐标系中作曲线来。 这条曲线在概率论中就是分布密度曲线
G(u,v)=H(u,v)F(u,v) H(u,v)为传递函数。
在增强问题中，f(x,y)是给定的原始数据，经傅立叶 变换可得到F(u,v).选择合适的H(u,v),使得
g(x,y)=F-1[H(u,v)F(u,v)] 这样得到的g(x,y)比f(x,y)在某些特性方面更鲜明，突 出，因而更容易识别，解释。
2 、 对数变换
g ( x ,y ) E H [ f ( x ,y ) ] l o g c [ f ( x ,y ) 1 ] l o g c b a
3 、指数变换
g (x ,y ) E H [f(x ,y ) ] b c [f(x ,y ) a ] 1
1、图像求反-灰度值进行反转，黑变白
• 由卷积定理可知，如果原始图像是f(x,y)，处理后的图 像是g(x,y)，而h(x,y)是处理系统中的冲激响应，那么， 处理过程可由下式表示
g(x,y)=h(x,y)*f(x,y) 如果G(u,v),H(u,v),F(u,v)分别是g(x,y)，h(x,y)和f(x,y)的
傅立叶变换，上面的卷积关系可表示为变换域的乘积 关系，即
此时的EH(.)操作，可用曲线表示
L-1
t t’ 0
EH(s) s s’
s’－>t’
L-1
普通的黑白底片和照片的关系如此
2、增强对比度－增强图像各部分的反差，实际中增加图 像中某两个灰度值间的动态范围来实现
典型的增强对比度的EH(.)如图所示
s2～L-1之
L-1
间的动态范
(s2,t2) EH(s)
前提：不考虑图像降质的原因
结果：改善后的图像不一定逼近原图像
注意：
1、图像增强处理并不能增加原始图像的信息，其 结果只能增强对某种信息的辨别能力，而这种处理 肯定会损失一些其它信息
2、强调根据具体应用而言，更“好”，更“有 用”的视觉效果图像
3、图像增强处理最大的困难－增强后图像质量 的好坏主要依靠人的主观视觉来评定，也就是说， 难以定量描述
围减小
0～s1之间 t
的动态范 围减小 0
(s1,t1) s
s1～s2之间的动 L-1 态范围增加，
s1,s2,t1,t2取不同的
对比度增强
值，得到不同效果
• s1=t1,s2=t2，与原图相同
3、动态范围压缩－与增强对比度相反，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，这时如直接 使用原图，则一部分细节可能丢失
对原图进行灰度压缩 常用的EH(.)操作，是一种对数形式的函数，曲线如图所示
L-1
EH(s) t
0
s
L-1
t=Clog(1+|s|) C为尺度比例常数
4、灰度切分－与增强对比度相仿，将某个灰度值范围变得 比较突出
典型的EH(.)操作如图所示
L-1
L-1
EH(s)
t
t
EH(s)
s1 s2
0
s
L-1
s1 s2
图像的动态范围得到压缩、图像边缘信息得到锐化 处理以及解决颜色恒常性(即改变光照变化的影响)
压缩动 态范围
• 主要增强方法
增强 操作
对图像进
行变换
g(x,y)EH[f(x,y)]
直接对象素 灰度值运算
处理方法
空域方法
点处理（变换） 模板处理（滤波）
频域方法
图像增强 处理策略
全局处理 局部处理
1、将图像从图像空间转换到频域空间所需的变换T 以及再将图像从频域空间转换到图像空间所需的变 换T-1 2、在频域空间对图像进行增强加工的操作EH
空域变换增强处理方法
• 基于点操作的增强－也叫灰度变换，常见的几类方法 为：
1、将f(.)中的每个象素按EH操作直接变换以得到g(.) 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
将s1～s2之间的灰度级 突出，而将其余灰度值 逐渐变为某个低灰度值
0
s
L-1
将s1～s2之间的灰度级突出， 而将其余灰度值保留
5.位面图
直接灰度变换也可以借助图像的位面表示进行。 对1幅用多个比特表示其灰度值得图像来说，其中的每个 比特可看作表示了1个二值的平面，也称位面。
1幅其灰度级用8bit表示的图像有8个位面，一般用位面0 代表最低位面，位面7代表最高位面，如图所示。
前面所讲的图 像基本运算
基于模板（滤波）操作的增强，主要有平滑和锐化处理 两种方法
4.2 基于点操作的增强
直接灰度变换
EH(.)变换函数可以取不同形式，从而得到不同的效果 1、 线性变换
g (x ,y )E H [f(x ,y )](g 1 g 0 )[f(x ,y )f0 ] g 0 f1f0
对图像特定位面 的操作进行图像 增强
实例
4.2.2 直方图处理
1. 直方图概念及模型化
灰度级的直方图描述了一幅图像的概貌。 简单讲，灰度级直方图就是反映一幅图像中的灰度级 与出现这种灰度的概率之间的关系的图形
设变量r代表图像中象素灰度级，在图像中，象素的灰度 级可作归一化处理，这样，r的值将限定为0≤r ≤ 1
处理对象
变换
灰度图像 彩色图像
g (x ,y ) T 1E H T [f(x ,y )]
空域法的基本原理
• 直接对图像中的象素进行处理 • 基本上是以灰度映射变换为基础 • 所用的映射变换取决于增强的目的
频域法的基本原理
• 基础是卷积定理－它采用修改图像傅立叶变换的方法 实现对图像的增强处理
2. 了解频率域图像增强的 方法及其实现过程；
3.重点掌握直方图修正方法、 特点及其应用；空间域平 滑、锐化和彩色增强技术。
4.1 概述与分类
定义：图像增强是指按特定的需要突出一幅图 像中的某些信息，同时，消弱或去除某些不需要 的信息的处理方法
目的：对图像进行加工，以得到对具体应用来 说视觉效果更“好”，更“有用”的图像，也就 是说，提高图像的可懂度
4图像增强1数字图像处理
Hale Waihona Puke 讲解内容目的灰 度 变 换
空
间
域
点
空
运 域
算 滤
直
方
图
修
正
局 部 统 计 法
波
图
图
像 像
平 锐
滑 化
法
均
规
衡化 定化
图
像
增
强
高 通 滤 波
频
率
域
低
通
滤
波
同
态
滤
波
增
强
局 部 增 强
其
他
方
面
的
增
强
彩
色
增
强
伪
真
彩 彩
色 色
增 增
强 强
1. 熟悉并掌握本章基本概 念、空间域图像增强的原 理、方法及其特点；
对于一幅给定的图像而言，每一个象素取得[0，1]区间内 的灰度级是随机的，也就是说，r是一个随机变量。假定对 每一瞬间它们是连续的随机变量，那么，就可以用概率密 度函数pr(r)来表示原始图像的灰度分布。如果用直角坐标 系中的横轴代表灰度级r，用纵轴代表灰度级的概率密度函 数pr(r)，这样就可针对一幅图像在这个坐标系中作曲线来。 这条曲线在概率论中就是分布密度曲线
G(u,v)=H(u,v)F(u,v) H(u,v)为传递函数。
在增强问题中，f(x,y)是给定的原始数据，经傅立叶 变换可得到F(u,v).选择合适的H(u,v),使得
g(x,y)=F-1[H(u,v)F(u,v)] 这样得到的g(x,y)比f(x,y)在某些特性方面更鲜明，突 出，因而更容易识别，解释。
2 、 对数变换
g ( x ,y ) E H [ f ( x ,y ) ] l o g c [ f ( x ,y ) 1 ] l o g c b a
3 、指数变换
g (x ,y ) E H [f(x ,y ) ] b c [f(x ,y ) a ] 1
1、图像求反-灰度值进行反转，黑变白
• 由卷积定理可知，如果原始图像是f(x,y)，处理后的图 像是g(x,y)，而h(x,y)是处理系统中的冲激响应，那么， 处理过程可由下式表示
g(x,y)=h(x,y)*f(x,y) 如果G(u,v),H(u,v),F(u,v)分别是g(x,y)，h(x,y)和f(x,y)的
傅立叶变换，上面的卷积关系可表示为变换域的乘积 关系，即
此时的EH(.)操作，可用曲线表示
L-1
t t’ 0
EH(s) s s’
s’－>t’
L-1
普通的黑白底片和照片的关系如此
2、增强对比度－增强图像各部分的反差，实际中增加图 像中某两个灰度值间的动态范围来实现
典型的增强对比度的EH(.)如图所示
s2～L-1之
L-1
间的动态范
(s2,t2) EH(s)
前提：不考虑图像降质的原因
结果：改善后的图像不一定逼近原图像
注意：
1、图像增强处理并不能增加原始图像的信息，其 结果只能增强对某种信息的辨别能力，而这种处理 肯定会损失一些其它信息
2、强调根据具体应用而言，更“好”，更“有 用”的视觉效果图像
3、图像增强处理最大的困难－增强后图像质量 的好坏主要依靠人的主观视觉来评定，也就是说， 难以定量描述
围减小
0～s1之间 t
的动态范 围减小 0
(s1,t1) s
s1～s2之间的动 L-1 态范围增加，
s1,s2,t1,t2取不同的
对比度增强
值，得到不同效果
• s1=t1,s2=t2，与原图相同
3、动态范围压缩－与增强对比度相反，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，这时如直接 使用原图，则一部分细节可能丢失
对原图进行灰度压缩 常用的EH(.)操作，是一种对数形式的函数，曲线如图所示
L-1
EH(s) t
0
s
L-1
t=Clog(1+|s|) C为尺度比例常数
4、灰度切分－与增强对比度相仿，将某个灰度值范围变得 比较突出
典型的EH(.)操作如图所示
L-1
L-1
EH(s)
t
t
EH(s)
s1 s2
0
s
L-1
s1 s2
图像的动态范围得到压缩、图像边缘信息得到锐化 处理以及解决颜色恒常性(即改变光照变化的影响)
压缩动 态范围
• 主要增强方法
增强 操作
对图像进
行变换
g(x,y)EH[f(x,y)]
直接对象素 灰度值运算
处理方法
空域方法
点处理（变换） 模板处理（滤波）
频域方法
图像增强 处理策略
全局处理 局部处理