第六章2清华大学数字图像处理课件
合集下载
《数字图像处理课件》
视频增强
视频增强技术可以通过改善视频的亮度和对比度来提高视频的质量。
常见的图像滤波方法和应用
线性滤波
线性滤波技术可以通过改变像 素的亮度和颜色来改善图像的 质量。
图像增强
图像增强技术可以通过增强图 像的对比度和清晰度，使图像 更加清晰和鲜明。
降噪处理
降噪处理可以去除图像中的噪 声，提高图像的质量和可视性。
图像变换与增强技术
1
灰度变换
灰度变换可以通过改变图像的像素灰度级别来调整图像的对比度和亮度。
图像复原
图像复原可以通过去除图像中 的模糊和失真，使图像ቤተ መጻሕፍቲ ባይዱ复到 原始的清晰度和细节。
图像修复
图像修复可以恢复被损坏或丢 失的部分，使图像完整和连续。
视频图像处理的基本原理和算法
帧间压缩
帧间压缩方法通过比较连续的视频帧来减 小视频文件的大小。
运动估计
运动估计可以提取视频中物体的运动信息， 为视频图像处理提供基础。
数字图像处理课件
数字图像处理是一个广泛应用于医学影像、安全监控、航天测量等领域的重 要技术。本课件将全面介绍数字图像处理的概念、方法和应用，并展望其未 来发展趋势。
概述数字图像处理
应用范围广泛
数字图像处理在各行各业都有 广泛的应用，从个人摄影到自 动化生产都离不开它。
基于数学算法
数字图像处理使用数学算法对 图像进行处理和分析，帮助我 们理解和改善图像。
在医学领域中的应用
数字图像处理在医学领域中起 着至关重要的作用，如医学影 像的处理和分析。
图像的数字化表示和存储
像素
通过像素，图像被分割为不同的单元。
压缩技术
图像压缩技术可以减少图像文件的大小，节 省存储空间。
数字图像处理第六章色彩模型与彩色处理课件
Chapter 6 Color Image Processing
6.1 彩色基础
在颜料或着色剂中 ，原色的定义是这样 的：
白：减去一种原色 ， 反射或传输另两种 原色。故其原色是： 深红、青、黄。而二 次色是R、G、B。如 图6.4所示。
Chapter 6 Color Image Processing
Chapter 6 Color Image Processing
6.2 彩色模型
6.2.1 RGB彩色模型
下面介绍所谓 全RGB彩色子集。
Chapter 6
Color Image Processing
6.2 彩色模型
Chapter 6 Color Image Processing
6.2 彩色模型
6.3 伪彩色处理
6.3 伪彩色处理 给特定的灰度值赋以彩色。伪彩色的 目的是为了人眼观察和解释图像中的目标。
Chapter 6 Color Image Processing
6.3 伪彩色处理
6.3.1 强度分层
参见图6.18，图像被看成三维函数。
Chapter 6 Color Image Processing
6.3.2 灰度级到 彩色转换
例6.5是一突出 装在行李内的爆炸物 的伪彩色应用。
Chapter 6 Color Image Processing
6.3 伪彩色处理
6.3.2 灰度级到彩 色转换
例6.5是一突出装 在行李内的爆炸物的伪彩 色应用。
Chapter 6 Color Image Processing
6.3 伪彩色处理
Chapter 6 Color Image Processing
6.3 伪彩色处理
数字图像处理（清华大学出版社）
& 采样：将空间上连续的图像变换成离散点的操作称为采样。
** 图像的每个像素只能是黑或白，没有中间的过渡，故又称为二值图像。
二值图像的像素值为0或1& 数字化方式可分为均匀采样、量化和非均匀采样、量化所谓“均匀”，指的是采样、量化为等间隔方式。
图像数字化一般采用均匀采样和均匀量化方式& 灰度直方图反映的是一幅图像中各灰度级像素出现的频率。
以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。
它是图像的一个重要特征，反映了图像灰度分布的情况。
下图是一幅图像的灰度直方图。
频率的计算式为···直方图的性质：①灰度直方图只能反映图像的灰度分布情况，而不能反映图像像素的位置,即丢失了像素的位置信息②一幅图像对应唯一的灰度直方图，反之不成立。
不同的图像可对应相同的直方图。
③一幅图像分成多个区域，多个区域的直方图之和即为原图像的直方图。
**均值滤波器：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。
将模板中的全体像素的均值来替代原来的像素值的方法。
** 中值滤波器：⏹对于椒盐噪声，中值滤波效果比均值滤波效果好。
⏹对于高斯噪声，均值滤波效果比均值滤波效果好。
⏹对比度：通俗地讲，就是亮暗的对比程度。
对比度通常表现了图像画质的清晰程度** 直方图均衡化方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。
从而达到清晰图像的目的。
⏹图像锐化的目的是加强图像中景物的细节边缘和轮廓。
锐化的作用是使灰度反差增强。
单方向的一阶锐化是指对某个特定方向上的边缘信息进行增强⏹因为数字图像信号是二维的数字信号，所以必须采用二维傅立叶变换才能够实现对图像的频域变换。
⏹往往许多问题在频域中讨论时，有其非常方便分析的一面⏹首先，提出的变换必须是有好处的，换句话说，可以解决时域中解决不了的问题。
因为数字图像信号是二维的数字信号，所以必须采用二维傅立叶变换才能够实现对图像的频域变换。
数字图像处理课件全册完整课件
2.1.2 数字化原理
• 二维采样定理：采样频率大于图像信号最高频率的2
例倍：f (x, y) 2 cos 2π(3x 4 y), x y 0.2
F (u, v) 2 cos 2π(3x 4 y)e j2π(xuyv)dxdy (u 3, v 4) (u 3, v 4)
1.4.1 数字图像处理的主要应用 1.4.2 数字图像处理的发展趋势
1.4 数字图像处理的主要应用与趋势
1.4.1 数字图像处理的主要应用
遥感图像应用：资源调查、灾害监测、农林业规划、城 市
规划、环境保护等 医学图像应用:计算机断层摄影计算成像CT技术、X射 线、
染色体分析等 工业和实验图像应用:无损探伤、自动检查和识别、智 能机 器人等
• 数字图像
由连续的模拟图像采样和量化而得。组成数字图像的基 本单位是像素，所以数字图像是像素的集合。
• 像素为元素的矩阵，像素的值代表图像在该位置的亮度，称为图像的灰度值。 • 数字图像像素具有整数坐标和整数灰度值。
1.1.1 图像的基本概念
• 图像是一种语言 • 表达方法直观 • 表现力强
• 图像信息是人类信息获取和交流的主要方式 • 视、听、触、嗅、味等
1.3.2 计算机图形学
图像处理
计算机 图形学
图像 描述
图像识别 图像理解
1.3.3 计算机视觉
计算机视觉 研究对象： 图像或图像序列
图像处理 图像
研究内容： 视觉感知、 分割、
图像理解
图像处理、图像 图像分析
过程：
由图像特征感知、 由原始图像处理出 识别和理解三维场景 分析结果
1.4 数字图像处理的主要应用与趋势
2.1.2 数字化原理
《数字图像处理基础》课件
数字图像的表示与存 储方式
讨论数字图像的表示方法，包 括二进制表示、向量图像和光 栅图像等。
第三章：数字图像预处理
1
图像增强
2
探讨图像增强的方法和技术，如直方图
均衡化、增强对比度等。
3
图像边缘检测
4
介绍常用的边缘检测算法，如Sobel、滤波
解释图像滤波的概念和作用，介绍常用 的滤波器及其应用。
《数字图像处理基础》 PPT课件
数字图像处理基础PPT课件将帮助您深入了解数字图像处理的原理、方法和应 用。通过本课程，您将掌握数字图像处理领域的基本概念和技巧，为将来的 进一步学习和应用打下坚实的基础。
第一章：数字图像处理概述
数字图像处理介绍
了解数字图像处理的定义和基本原理，并掌握其在各个领域中的应用。
第五章：数字图像特征提取与识别
图像特征提取
介绍图像特征提取的目的和方 法，如灰度共生矩阵和尺度不 变特征变换（SIFT）。
模板匹配
解释模板匹配的原理和应用， 讨论常见的模板匹配算法。
目标检测
探讨目标检测的技术和方法， 如基于特征的方法和深度学习 方法。
第六章：数字图像处理算法优化
1
图像处理算法优化的意义
图像二值化
讲解图像二值化的原理和算法，介绍基 于阈值的二值化方法。
第四章：数字图像分割
图像分割概述
解释图像分割的概念和作用，并 探讨常见的图像分割方法。
基于边缘分割
介绍基于边缘检测的图像分割方 法，包括Canny边缘检测和Sobel 边缘检测。
基于区域分割
讨论基于区域的图像分割方法， 如区域生长和分水岭算法。
数字图像技术趋势
讨论数字图像处理技术的趋势，如增强现实和虚拟现实的发展。
《数字图像处理》课件
数字图像处理的优势及应用前 景
数字图像处理能够提取、增强和分析图像中的信息，具有广泛的应用前景， 包括医学、遥感、安防、影视等领域。
主要应用领域
医学影像
数字图像处理在医学影像诊断中起到了关 键的作用，能够帮助医生更准确地诊断和 治疗疾病。
安防
数字图像处理在视频监控和图像识别中广 泛应用，能够提高安防系统的准确性和效 率。
遥感
遥感图像处理在土地利用、环境保护、气 象预测等方面发挥着重要的作用，能够提 供大量的地理信息。
影视
数字图像处理在电影、动画和游戏等领域 中起到了关键的作用，能够创造出逼真的 视觉效果。
《数字图像处理》PPT课 件
数字图像处理是应用数字计算机来获取、处理和展示图像的技术。它在医学 影像、遥感、安防、影视等领域都有广泛的应用。
背景介绍
随着计算机技术的发展，数字图像处理成为了一门重要的技术和学科，它能 够对图像进行增强、压缩、分割等处理，为人们带来了许多便利。
数字图像处理的定义
数字图像处理是使用计算机算法对数字图像进行各种操作和处理的过程，包 括图像增强、滤波、分割、特征提取等技术。
常见的数字图像处理方法
图像分割
图像压缩
将图像分成多个独立的区域， 用于目标检测和图像分析。
减少图像占用的存储空间， 提高传输速度和存储效率。
图像特征提取
从图像中提取出有用的特征 信息，用于分类和识别。
数字图像处理的未来发展方向
1 人工智能的应用
通过结合人工智能技术，使数字图像处理更加智能化和自动化。
2 虚拟现实与增强现实的结合
将数字图像处理技术与虚拟现实和增强现实相结合，创造出更逼真的虚拟体验。
3 社会影响与挑战随着数字图处理技术的发展，也带来了一些社会影响和挑战，需要加以关注和解决。
数字图像处理第六章课件
HSI2RGB, page299-300
Chapter 6 Color Image Processing
H
S
I
Chapter 6 Color Image Processing
H
S
I
Chapter 6 Color Image Processing
改变HIS成分及其合成图
Chapter 6 Color Image Processing
Chapter 6 Color Image Processing
电磁波谱中可见光波长范围
不同色光之间过渡平滑
Chapter 6 Color Image Processing
在人眼视网膜上
• 两种人眼感光细胞： 锥状，彩色、昼视觉。
700万个细胞
杆状，灰色、夜视觉。
7500万~1.5亿个细胞
• 锥状细胞进一步分为3 种。 感蓝,感绿,感红
Chapter 6 Color Image Processing
CIE_xy色度图
x=X/(X+Y+Z)
y=Y/(X+Y+Z) z=Z/(X+Y+Z) =1-x-y x+y+z=1 x,y即可决定z
参考白为 X=Y=Z=1 x=y=1/3
Chapter 6 Color Image Processing
(c)
Chapter 6 Color Image Processing
利用各正弦型的相位和频率变化，可以用 彩色(分量）来增强不同灰度范围
• 图6.25表示所用的（多对一）转换。这些正弦形函数 包含峰值附近的相对不变值的区域，以及谷底附 近的变化强烈的区域。每个正弦形的相位和频率 变化可以用彩色(分量）来增强灰度的范围。 • 例如，如果所有3个变换有相同的相位和频率，输 出图像将是单色的。3个变换之间相位的小变化会 使那些灰度级对应峰值的像素产生很小的变化， 特别是正弦形低频时。对应正弦形陡峭区域的像 素灰度值被赋予更强的彩色，作为由于相位间位 移引起的3个正弦形幅值间的显著差异的效果。
数字图像处理第六章
1 H(u,v) 0
D(u,v) D0 D(u,v) D0
D0 :截止（断）频率
D(u, v) : 从频率域原点到(u点, v)的距离（以原点为中 ）心
D(u,v) (u2 v ) 数2字图12像处理第六章
a 理想低通滤波器转移函数透视图 b 对应的图象 c 滤波器转移函数剖面图
以截至频D率0为半径的圆内的频损率的无通过， 圆外频率完全被衰减。 （大于D0的频率完全衰减，D小 0的于频率全部通过） D0小：保留的低频少D0大：保留的低频多
H(u,v) eD2(u,v)/22 :表高斯曲线扩展的程度
指数高通滤波器：
H
(u , v )
1－
e
D
( u ,v ) D0
n
若
D
定义为衰减到最大值
0
结果：
（因比其衰减快，低频
无振铃效应（有平滑过
D 0 : 截止频率
1
2 处的频率
包含少） 渡带）
D (u , v ) (u 2 v 2 )1 2
指数高通滤波器：
H
(u , v )
1－
e
D
(u ,v D0
)
n
若
D
定义为衰减到最大值
0
结果：
D 0 : 截止频率 1 2 处的频率
（因比其衰减快，低频
包含少）
无振铃效应（有平滑过
渡带）
D (u ,v) (u 2 v 2 )1 2
梯形高通滤波器 形状理想及有平滑过渡
带的滤波器之间
0
H
(u , v )
D 0 D1
a 高斯低通滤波器转移函数透视图数字b 图像对处应理的第图六象章 c 不同D0的转移函数剖面图
数字图象处理清华大学课件-02
Y y'( Z)
第2讲
章毓晋 (TH-EE-IE)
第15页
2.2.2 观察距离和角度
• •
• •
第2讲
正常人视力的角区分能力约为一分
在观察感兴趣场景时，需要使其中最小的细 节在眼睛的视场中对应一个约一分的弧所对 应的角
如果一个点在眼睛的视场中对应不到一分的 弧所对应的角，则人观察不到这个点
第2讲
章毓晋 (TH-EE-IE)
第35页
2.4.2 图象质量与采样和量化
图象空间分辨率变化所产生的效果
第2讲
章毓晋 (TH-EE-IE)
第36页
2.4.2 图象质量与采样和量化
图象幅度分辨率变化所产生的效果
第2讲
章毓晋 (TH-EE-IE)
第37页
2.4.2 图象质量与采样和量化
空间和幅度分辨率同时变化所产生的效果
第2讲
章毓晋 (TH-EE-IE)
第38页
联系信息
通信地址：北京清华大学电子工程系 邮政编码：100084 办公地址：清华大学东主楼，9区307室 办公电话：(010)62781430 传真号码：(010)62770317 电子邮件： 个人主页：/~zhangyujin/ 实验室网：
第23页
2.3.1 光度学
辐射度量学
研究各种电磁辐射强弱的学科 光是一种电磁辐射
光度学
研究光的强弱的学科 光通量的单位：lm（流明）
第2讲
章毓晋 (TH-EE-IE)
第24页
2.3.1 光度学
点光源
线度足够小，或距离观察者足够远
发光强度I：点光源沿某个方向上单位
立体角d内发出的光通量dF
数字图像处理(第二版)ppt课件
＝1的附加坐标。
由点的齐次坐标(Hx, Hy, H)求点的规范化齐次坐标(x, y,
1)，可按下式进行：
x Hx H
y Hy H
数字图像处理(第二版)
齐次坐标的几何意义相当于点(x, y)落在3D空间H＝1的 平面上，如图6-2所示。如果将xOy平面内的三角形abc的各 顶点表示成齐次坐标(xi, yi, 1)(i=1, 2, 3)的形式，就变成H＝1 平面内的三角形a1b1c1的各顶点。
0 0 1 1 1 1
从上式可以看出，引入附加坐标后，扩充了矩阵的第3行， 并没有使变换结果受到影响。这种用n+1维向量表示n维向 量的方法称为齐次坐标表示法
数字图像处理(第二版)
因此，2D图像中的点坐标(x, y)通常表示成齐次坐标(Hx, Hy, H)，其中H表示非零的任意实数，当H＝1时，称(x, y, 1) 为点(x, y)的规范化齐次坐标。显然规范化齐次坐标的前两个 数是相应二维点的坐标，没有变化，仅在原坐标中增加了H
外，常见的图像几何变换可以通过与之对应的矩阵线性变换 来实现。
数字图像处理(第二版)
由于篇幅所限，本章只讨论2D图像的几何变换。
对于2D图像几何变换，由于变换中心在坐标原点的恒
等、比例缩放、反射、错切和旋转等各种变换，都可以用
2×2矩阵表示和实现，但是一个2×2变换矩阵却
T
a c
b
d
不能实现2D图像的平移以及绕任意点的比例缩放、反射、
然后乘以相应的变换矩阵即可，即
变换后的点集矩阵 = 变换矩阵T×变换前的点集矩阵
(图像上各点的新齐次坐标) (图像上各点的原齐次坐标)
数字图像处理(第二版)
设变换矩阵T为
a b p
由点的齐次坐标(Hx, Hy, H)求点的规范化齐次坐标(x, y,
1)，可按下式进行：
x Hx H
y Hy H
数字图像处理(第二版)
齐次坐标的几何意义相当于点(x, y)落在3D空间H＝1的 平面上，如图6-2所示。如果将xOy平面内的三角形abc的各 顶点表示成齐次坐标(xi, yi, 1)(i=1, 2, 3)的形式，就变成H＝1 平面内的三角形a1b1c1的各顶点。
0 0 1 1 1 1
从上式可以看出，引入附加坐标后，扩充了矩阵的第3行， 并没有使变换结果受到影响。这种用n+1维向量表示n维向 量的方法称为齐次坐标表示法
数字图像处理(第二版)
因此，2D图像中的点坐标(x, y)通常表示成齐次坐标(Hx, Hy, H)，其中H表示非零的任意实数，当H＝1时，称(x, y, 1) 为点(x, y)的规范化齐次坐标。显然规范化齐次坐标的前两个 数是相应二维点的坐标，没有变化，仅在原坐标中增加了H
外，常见的图像几何变换可以通过与之对应的矩阵线性变换 来实现。
数字图像处理(第二版)
由于篇幅所限，本章只讨论2D图像的几何变换。
对于2D图像几何变换，由于变换中心在坐标原点的恒
等、比例缩放、反射、错切和旋转等各种变换，都可以用
2×2矩阵表示和实现，但是一个2×2变换矩阵却
T
a c
b
d
不能实现2D图像的平移以及绕任意点的比例缩放、反射、
然后乘以相应的变换矩阵即可，即
变换后的点集矩阵 = 变换矩阵T×变换前的点集矩阵
(图像上各点的新齐次坐标) (图像上各点的原齐次坐标)
数字图像处理(第二版)
设变换矩阵T为
a b p
数字图像处理课件第6章
3
代码实现
基于MATLAB实现，代码简单易懂，可直接运行。
6.3 局部直方图均衡化
意义和应用
处理图像中亮度不均匀的部分，提高对比度和视觉效果，可用于医学图像分析、机器视觉和 图像识别等领域。
算法流程
1. 划分图像； 2. 对每个小区域进行直方图均衡化，以调整亮度分布；3. 拼接小区域，得到 处理后的图像。
代码实现
基于Python实现，只需若干行代 码即可完成图像直方图均衡化。
6.2 直方图规定化
1
意义和应用
通过将一张图像的像素值映射到另一张图像的像素值分布上，实现图像转换。可用于比较不 同图像的统计特性和图像配准。
2
算法流程
1. 统计两个图像的像素值分布；2. 计算两个图像的累积分布函数；3. 计算映射关系；4. 将一 个图像的像素值映射到另一个图像的像素值上。
3
代码实现
基于Java实现，可作为数字图像处理课程的开发实践与应用。
6.5 直方图匹配
意义和应用
通过将图像的直方图变换为指定 形式，实现对不同图像的对比度 调整、色彩增强等功能。
算法流程
1. 统计目标直方图与源直方图； 2. 计算源直方图与目标直方图之 间的差异；3. 计算源图像像素值 和目标像素值之间的映射关系； 4. 将源图像灰度级映射到目标图 像上，实现直方图匹配。
代码实现
基于Python实现，代码简洁易懂， 可供学术和科研工作者使用。
6.6 总结与展望
1 各种直方图处理算法的比较
本章介绍的算法都可以提高图像的对比度和亮度平衡，但各自有不同的适用范围和局限 性。
2 发展趋势
数字图像处理技术在人工智能、机器视觉和图像分析领域广泛应用，将为人类解决更多 实际问题带来重大贡献。
数字图像处理(清华大学)
千字节（ K byte）
兆（10 6）字节（M byte）
吉（10 9）字节（G byte）
太（10 12）字节（T byte）
1.3.4 图象存储
图象存储器
(1) 处理过程中使用的快速存储器
计算机内存，帧缓存
(2) 较快重新调用的在线或联机存储器
磁盘，磁光盘
(3) 不经常使用的数据库（档案库）存储器
1.1.2 图象的表达
1.1.2 图象的表达
二值图像链码表示法
2（90°）
3（135°） 1（45°） 4（180°） 0（0°）
5（225°）
6（270°）
7（315°）
1.1.2 图象的表达
二值图像链码表示法——自然码
方向 0° 45° 90° 135° 180° 225° 270° 315° 十进制 数表示 0 1 2 3 4 5 6 7 十进制 数表示 000 001 010 011 100 101 110 111
1.3.3 图象显示打印
幅度调制（AM）
通过调整输出黑点的尺寸来显示不同的灰度
例如，早期报纸上的图片
在每个空间位置打印一个其尺寸反比于该处
灰度的黑圆点
二值点是规则的排成网格的点
点的形状并不是决定性的因素
1.3.3 图象显示打印
频率调制（FM）
输出黑点的尺寸是固定的
其在空间的分布（点间的间隔或一定区域内
图象类型 {广义}
图片，动画，绘图，文字/档，...
{狭义}
单幅 序列图象，... 静止 运动图象（视频），... 2-D 3-D，彩色，立体对， 多光谱,多视场图象，... 灰度 深度，纹理图象，...
1.1.2 图象的表达
- 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)。
A. 通道噪声：产生于图像信息的传递中 ， 其 通道噪声：产生于图像信息的传递中， 值与图像信号的强弱无关。现象：“雪花” 值与图像信号的强弱无关。现象：“雪花” B. 量化噪声：灰度在量化过程中 ， 不可避免 量化噪声：灰度在量化过程中， 的产生量化噪声。 的产生量化噪声。 C. 特点：噪声像素的灰度是空间不相关的 ， 特点：噪声像素的灰度是空间不相关的， 即它与邻近像素显著不同。 即它与邻近像素显著不同。
有更加平滑的过渡带，平滑后的图像没有 跳跃现象 与BLPF相比，衰减更快，经过ELPF滤波的 图象比BLPF处理的图象更模糊一些
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
四种低通滤波器的比较
第6章 图像增强
高通滤波器
图像轮廓是灰度陡然变化的部分， 包含着丰富的空间高频成分。 把高频分量相对突出，显然可使轮 廓清晰。 高频滤波器使高频分量相对突出， 而低频分量和甚高频分量则相对抑制 。
第6章 图像增强
图像锐化滤波技术
一、目的 图像经转换或传输后，质量可能下降， 难免有些模糊。 图像锐化目的：加强图像轮廓，使图像看 起来比较清晰。
第6章 图像增强
图像锐化滤波技术
二、方法
考察正弦函数 sin 2π ax ，它的微分 2π a cos 2π ax 。微分后频率不变，幅度上 升2πa倍。 空间频率愈高，幅度增加就愈大。 这表明微分是可以加强高频成分的， 从而使图像轮廓变清晰。 最常用的微分方法是梯度法和拉普拉 斯算子
第6章 图像增强
邻域平均法是简单的空域处理方法。这种方 邻域平均法是简单的空域处理方法。这种方 法的基本思想是用几个像素灰度的平均来代替一 个像素原来的灰度值，实现图像的平滑。
有一幅图像图像： 在图像中为了获取f(x,y)的 新值则开一个M×N的窗口S 窗口S就称为f(x,y)的邻域 我们可以根据窗口内各 点的灰度确定f(x,y)的 新值。
第6章 图像增强
作业：一幅图像共有8个灰度级，每一灰度级的 概率分布如下表所示，要求对其进行直方图规定 化处理，规定化直方图的数据如表所示。(画出 规定化后的直方图)
第6章 图像增强 原始直方图数据
规定直方图数据
k）
rk r0＝0 r1＝1/7 r2＝2/7 r3＝3/7 r4＝4/7 r5＝5/7 r6＝6/7 r7＝1
第6章 图像增强
频域滤波增强
频域增强的原理
边、噪音、变化陡峭部分
u
变化平缓部分
v
第6章 图像增强
频域滤波增强
第6章 图像增强
频域滤波增强
第6章 图像增强
频域滤波增强
低通滤波器 高通滤波器 带通、带阻滤波器
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
邻域平均和中值滤波的比较
含均匀随机噪声
3×3邻域平均 × 邻域平均
7×7邻域平均 × 邻域平均
11×11邻域平均 × 邻域平均
3×3中值滤波 × 中值滤波
5×5中值滤波 × 中值滤波
返回
第6章 图像增强
1.中值定理的应用方法 1.中值定理的应用方法 2. 相同 数 字 如何处理
rk
第6章 图像增强
P z (zk )
0.43 0.27 0.19 0.11
0
1/7 2/7 3/7 4/7 5/7 6/7 1
zk
第6章 图像增强
P z (zk )
0.41 0.29 0.21 0.09
0
1/7 2/7 3/7 4/7 5/7 6/7 1
zk
第6章 图像增强
本章重点
图像增强的定义 直方图均衡化的概念及计算 直方图规定化的概念及计算 邻域平均法的分类及区别 中值滤波的定义与实现方法
S
f(x,y)
M
N
第6章 图像增强
第6章 图像增强
邻域平均法常见的方法有：
(1)简单平均法： 设图像像素的灰度值为f(x,y)，取以其为中心的 M×N大小的窗口，用窗口内各像素灰度值代替 f(x,y)的值，即： f ( x, y) = 1 f (u, v)
M ×N
( u ,v )∈S ∈S
∑
噪声是随机不相关的，如果窗口内各点的噪声是独立 等分布的，经过这种方法平滑后，信噪比可提高 MN 倍。 在此算法中，M,N的值不宜过大，因为M,N值的大小对 速度有直接影响，且M,N值越大变换后的图像越模糊, 特别是在边缘和细节处。
第6章 图像增强
（一）灰度分层法
把图像灰度范围分割为若干等级的灰度区间， 对每一区间映象为某种色彩。
第6章 图像增强
第6章 图像增强
（二）伪彩色变换
将每一个像元的灰度值通过三个独立变换分别产生 红、绿、蓝三个分量图像，然后将其合成为一幅彩色图 像。
第6章 图像增强
（三）频域滤波
在不同的频率分量与颜色之间经过一定的变换建 立一种对应关系。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
彩色增强
真彩色增强 假彩色增强：把真实的自然彩色图像或遥感多
光谱图像处理成假彩色图像。
Pr
（
r
Z
k
P
z（zk）
0.29 0.24 0.17 0.12 0.09 0.06 0.02 0.01
z0＝0 z1＝1/7 z2＝2/7 z3＝3/7 z4＝4/7 z5＝5/7 z6＝6/7 z7＝1
0 0 0 0 0.27 0.43 0.19 0.11
第6章 图像增强
P r (r k )
0.29 0.24 0.17 0.12 0.09 0.06 0.02 0.01 0 1/7 2/7 3/7 4/7 5/7 6/7 1
212 200 198 206 205 201 208 205 207
从小到大排列，取中间值
198 200 201 202 205 206 207 208 212
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
中值滤波的一些特性 (1) 对大的边缘高度，中值滤波较邻域均值好 得多，而对于较小边缘高度，两种滤波只有很 少差别。 （2） 中值滤波是非线性的。 （3） 中值滤波在抑制图像随机脉冲噪声方面甚 为有效。且运算速度快，便于实时处理。 （4） 中值滤波去除孤立线或点干扰，而保留空 间清晰度较平滑滤波为好；但对高斯噪声则不 如平滑滤波。
第6章 图像增强
图像平滑滤波技术
一、背景
图像在传输过程中，由于传输信道、 图像在传输过程中，由于传输信道、采样系 统质量较差， 或受各种干扰的影响， 统质量较差 ， 或受各种干扰的影响 ， 而造成图 像毛糙，此时，就需对图像进行平滑处理。 像毛糙，此时，就需对图像进行平滑处理。
二、图像噪声的来源及特点
W称为模板
W
f(x,y)
M
N
第6章 图像增强
邻域加权平均法举例：
W
f(x,y)
M
N
•将模板在图中漫游，并将模板中心与图中某像素点重合； •将模板上系数与模板下对应像素的灰度值相乘； •将所有乘积相加，并除以系数总和； •用所得结果代替原中心点的值； 返回
第6章 图像增强
中值滤波法
前面使用的邻域平均法属于低通滤波的处理方法。它 在抑制噪声的同时使图像变得模糊，即图像的细节(例如 边缘信息)被削弱，如果既要抑制噪声又要保持细节可以 使用中值滤波。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
巴特沃思低通滤波器(BLPF)的特点
和理想圆形低通滤波器相比 没有明显的跳跃 模糊程度减少 尾部含有较多的高频，对噪声的平滑效 果不如理想低通滤波器。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
指数低通滤波器(ELPF)的特点
第6章 图像增强
平滑可以抑制高频成分， 但也使图像变得模糊。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
返回
第6章 图像增强
(2)邻域加权平均方法
邻域加权平均法也属于空域滤波增强算法，它是利用模 板卷积的方法实现对原图的滤波，可表示为：
g ( x , y ) = W • f (u , v )
伪彩色增强：把黑白图象处理成伪彩色图象。
第6章 图像增强
伪彩色增强
人眼只能区分40多种不同等级的灰 度，却能区分几千种不同色度、不同 亮度的色彩。 伪彩色处理就是把黑白图象的灰度 值映射成相应的彩色。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
伪彩色增强方法
（一）灰度分层法 （二）伪彩色变换 （三）频域滤波
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
图像轮廓上，像素灰度有陡然变化，梯 度值很大。 图象灰度变化平缓区域，梯度值很小。 等灰度区域，梯度值为零。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
空间域滤波是基于邻域处理的增强方法，它 应用某一模板对每个像元与其周围邻域的所有像 元进行某种数学运算得到该像元的新的灰度值， 新的灰度值的大小不仅与该像元的灰度值有关， 而且还与其邻域内的像元的灰度值有关。
有更加平滑的过渡带，平滑后的图像没有 跳跃现象 与BLPF相比，衰减更快，经过ELPF滤波的 图象比BLPF处理的图象更模糊一些
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
四种低通滤波器的比较
第6章 图像增强
高通滤波器
图像轮廓是灰度陡然变化的部分， 包含着丰富的空间高频成分。 把高频分量相对突出，显然可使轮 廓清晰。 高频滤波器使高频分量相对突出， 而低频分量和甚高频分量则相对抑制 。
第6章 图像增强
图像锐化滤波技术
一、目的 图像经转换或传输后，质量可能下降， 难免有些模糊。 图像锐化目的：加强图像轮廓，使图像看 起来比较清晰。
第6章 图像增强
图像锐化滤波技术
二、方法
考察正弦函数 sin 2π ax ，它的微分 2π a cos 2π ax 。微分后频率不变，幅度上 升2πa倍。 空间频率愈高，幅度增加就愈大。 这表明微分是可以加强高频成分的， 从而使图像轮廓变清晰。 最常用的微分方法是梯度法和拉普拉 斯算子
第6章 图像增强
邻域平均法是简单的空域处理方法。这种方 邻域平均法是简单的空域处理方法。这种方 法的基本思想是用几个像素灰度的平均来代替一 个像素原来的灰度值，实现图像的平滑。
有一幅图像图像： 在图像中为了获取f(x,y)的 新值则开一个M×N的窗口S 窗口S就称为f(x,y)的邻域 我们可以根据窗口内各 点的灰度确定f(x,y)的 新值。
第6章 图像增强
作业：一幅图像共有8个灰度级，每一灰度级的 概率分布如下表所示，要求对其进行直方图规定 化处理，规定化直方图的数据如表所示。(画出 规定化后的直方图)
第6章 图像增强 原始直方图数据
规定直方图数据
k）
rk r0＝0 r1＝1/7 r2＝2/7 r3＝3/7 r4＝4/7 r5＝5/7 r6＝6/7 r7＝1
第6章 图像增强
频域滤波增强
频域增强的原理
边、噪音、变化陡峭部分
u
变化平缓部分
v
第6章 图像增强
频域滤波增强
第6章 图像增强
频域滤波增强
第6章 图像增强
频域滤波增强
低通滤波器 高通滤波器 带通、带阻滤波器
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
邻域平均和中值滤波的比较
含均匀随机噪声
3×3邻域平均 × 邻域平均
7×7邻域平均 × 邻域平均
11×11邻域平均 × 邻域平均
3×3中值滤波 × 中值滤波
5×5中值滤波 × 中值滤波
返回
第6章 图像增强
1.中值定理的应用方法 1.中值定理的应用方法 2. 相同 数 字 如何处理
rk
第6章 图像增强
P z (zk )
0.43 0.27 0.19 0.11
0
1/7 2/7 3/7 4/7 5/7 6/7 1
zk
第6章 图像增强
P z (zk )
0.41 0.29 0.21 0.09
0
1/7 2/7 3/7 4/7 5/7 6/7 1
zk
第6章 图像增强
本章重点
图像增强的定义 直方图均衡化的概念及计算 直方图规定化的概念及计算 邻域平均法的分类及区别 中值滤波的定义与实现方法
S
f(x,y)
M
N
第6章 图像增强
第6章 图像增强
邻域平均法常见的方法有：
(1)简单平均法： 设图像像素的灰度值为f(x,y)，取以其为中心的 M×N大小的窗口，用窗口内各像素灰度值代替 f(x,y)的值，即： f ( x, y) = 1 f (u, v)
M ×N
( u ,v )∈S ∈S
∑
噪声是随机不相关的，如果窗口内各点的噪声是独立 等分布的，经过这种方法平滑后，信噪比可提高 MN 倍。 在此算法中，M,N的值不宜过大，因为M,N值的大小对 速度有直接影响，且M,N值越大变换后的图像越模糊, 特别是在边缘和细节处。
第6章 图像增强
（一）灰度分层法
把图像灰度范围分割为若干等级的灰度区间， 对每一区间映象为某种色彩。
第6章 图像增强
第6章 图像增强
（二）伪彩色变换
将每一个像元的灰度值通过三个独立变换分别产生 红、绿、蓝三个分量图像，然后将其合成为一幅彩色图 像。
第6章 图像增强
（三）频域滤波
在不同的频率分量与颜色之间经过一定的变换建 立一种对应关系。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
彩色增强
真彩色增强 假彩色增强：把真实的自然彩色图像或遥感多
光谱图像处理成假彩色图像。
Pr
（
r
Z
k
P
z（zk）
0.29 0.24 0.17 0.12 0.09 0.06 0.02 0.01
z0＝0 z1＝1/7 z2＝2/7 z3＝3/7 z4＝4/7 z5＝5/7 z6＝6/7 z7＝1
0 0 0 0 0.27 0.43 0.19 0.11
第6章 图像增强
P r (r k )
0.29 0.24 0.17 0.12 0.09 0.06 0.02 0.01 0 1/7 2/7 3/7 4/7 5/7 6/7 1
212 200 198 206 205 201 208 205 207
从小到大排列，取中间值
198 200 201 202 205 206 207 208 212
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
中值滤波的一些特性 (1) 对大的边缘高度，中值滤波较邻域均值好 得多，而对于较小边缘高度，两种滤波只有很 少差别。 （2） 中值滤波是非线性的。 （3） 中值滤波在抑制图像随机脉冲噪声方面甚 为有效。且运算速度快，便于实时处理。 （4） 中值滤波去除孤立线或点干扰，而保留空 间清晰度较平滑滤波为好；但对高斯噪声则不 如平滑滤波。
第6章 图像增强
图像平滑滤波技术
一、背景
图像在传输过程中，由于传输信道、 图像在传输过程中，由于传输信道、采样系 统质量较差， 或受各种干扰的影响， 统质量较差 ， 或受各种干扰的影响 ， 而造成图 像毛糙，此时，就需对图像进行平滑处理。 像毛糙，此时，就需对图像进行平滑处理。
二、图像噪声的来源及特点
W称为模板
W
f(x,y)
M
N
第6章 图像增强
邻域加权平均法举例：
W
f(x,y)
M
N
•将模板在图中漫游，并将模板中心与图中某像素点重合； •将模板上系数与模板下对应像素的灰度值相乘； •将所有乘积相加，并除以系数总和； •用所得结果代替原中心点的值； 返回
第6章 图像增强
中值滤波法
前面使用的邻域平均法属于低通滤波的处理方法。它 在抑制噪声的同时使图像变得模糊，即图像的细节(例如 边缘信息)被削弱，如果既要抑制噪声又要保持细节可以 使用中值滤波。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
巴特沃思低通滤波器(BLPF)的特点
和理想圆形低通滤波器相比 没有明显的跳跃 模糊程度减少 尾部含有较多的高频，对噪声的平滑效 果不如理想低通滤波器。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
指数低通滤波器(ELPF)的特点
第6章 图像增强
平滑可以抑制高频成分， 但也使图像变得模糊。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
返回
第6章 图像增强
(2)邻域加权平均方法
邻域加权平均法也属于空域滤波增强算法，它是利用模 板卷积的方法实现对原图的滤波，可表示为：
g ( x , y ) = W • f (u , v )
伪彩色增强：把黑白图象处理成伪彩色图象。
第6章 图像增强
伪彩色增强
人眼只能区分40多种不同等级的灰 度，却能区分几千种不同色度、不同 亮度的色彩。 伪彩色处理就是把黑白图象的灰度 值映射成相应的彩色。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
伪彩色增强方法
（一）灰度分层法 （二）伪彩色变换 （三）频域滤波
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
图像轮廓上，像素灰度有陡然变化，梯 度值很大。 图象灰度变化平缓区域，梯度值很小。 等灰度区域，梯度值为零。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
空间域滤波是基于邻域处理的增强方法，它 应用某一模板对每个像元与其周围邻域的所有像 元进行某种数学运算得到该像元的新的灰度值， 新的灰度值的大小不仅与该像元的灰度值有关， 而且还与其邻域内的像元的灰度值有关。