精品课件-HALCON数字图像处理-第6章 图像增强
合集下载
图像增强技术讲解课件
概率
0.35 0.3
0.25 0.2
0.15 0.1
0.05 0 0 1
规定的直方图
0.3
0.2 0.15
0.2 0.15
0
2345678 灰度级
灰度切分
是一种提高图像中某个灰度级范围的亮度，使其变得 比较突出的增强对比度的方法。
基本的实现方法包括两种： ◆ 一种是给所关心的灰度范围指定一个较高的灰度 值，而给其它部分指定一个较低的灰度值或0值。 ◆ 另一种是给所关心的灰度范围指定一个较高的灰 度值，而其它部分的灰度值保持不变
灰度切分
g
g
➢实际应用中，有时需要具有特定直方图的图像 ，以便能够有目的地对图像中的某些灰度级分布 范围内的图像加以增强。
➢直方图规定化方法可以按照预先设定的某个形 状来调整图像的直方图。
5.2.3 直方图规定化
(1) 对原始直方图进行灰度均衡化
k
三
tk EHs (si ) ps (si )
i0
个
(2) 规定需要的直方图，计算能使规定直方
g0 =0.19 g1 =0.44 g2 =0.65 g3 =0.81 g4=0.89 g5=0.95 g6=0.98 g7=1
g0 = 1/7 g1 =3/7 g2 =5/7 g3 =6/7 g4 = 6/7 g5=1 g6 = 1 g7=1
例 把计算的gk就近安排到8个灰
度级中。
fk f0=0 f1=1/7 f2=2/7 f3=3/7 f4=4/7 f5=5/7 f6=6/7 f7=1
nk 790 1023 850 656 329 245 122 81
P (f k ) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02
图像增强讲义
中值滤波
中值滤波是对一个滑动窗口内的诸像素灰度值排序，用 中值代替窗口中心像素的原来灰度值，因此它是一种非线性 的图像平滑法。 例：采用1×3窗口进行中值滤波 原图像为： 2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 2 2 2 2 4 4 4 4 4 它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪 声的同时能有效保护边缘少受模糊。但它对点、线等细节较 多的图像却不太合适。 对中值滤波法来说，正确选择窗口尺寸的大小是很重要 的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗 口到大窗口的中值滤波试验，再从中选取最佳的。
f (i,j)
②指数变换
指数变换的一般表达式为
g(i, j) b
c f (i , j )a
1
这里参数a,b,c用来调整曲线的位置和形状。这种变 换能对图像的高灰度区给予较大的拉伸。 f (i,j)
g (i,j)
对数变换动态范围压缩
直方图修整法
灰度直方图反映了数字图像中每一灰度级与其出现频率 间的关系,它能描述该图像的概貌。通过修改直方图的方法 增强图像是一种实用而有效的处理技术。
(c / a ) f ( x, y ) 0 f ( x, y ) a g ( x, y) [(d c) /(b a)][ f ( x, y) a] c a f ( x, y) b [(M d ) /(M b)][ f ( x, y) b] d b f ( x, y) M f f g
下面是一个直方图规定化应用实例。
图(C)、(c)是将图像(A)按图(b)的直方图进行规定化得 到的结果及其直方图。通过对比可以看出图(C)的对比度同 图（B)接近一致，对应的直方图形状差异也不大。这样有利 于影像融合处理，保证融合影像光谱特性变化小。
最新医学影像图像增强处理精品课件
❖ 由于实现上用微分值代替原图的灰度值， 故最后的新图像灰度范围变小，边缘处亮， 非边缘处暗，丢失原图灰度信息
Sobel算子：系数大，故边缘亮 Prewitt算子：边缘较暗
二阶微分算法的基本原理
2 f 2 f 2 f x2 y2
2f x2
[fx(i,j)fx(i1,j)]
[ f ( i , j ) f ( i 1 , j ) [ ] f ( i 1 , j ) f ( i , j )
一阶水平方向锐化效果
一阶垂直方向锐化效果
Roberts梯度锐化效果 (与Roberts模板卷积)
Prewitt梯度锐化效果 (与Prewitt模板卷积)
❖ 用梯度算子锐化图像的过程
扩展原图（周围加边） 定义模板（水平＋垂直）
对每个像素进行模板卷积，得到每个像素点的 Gx与Gy
G=sqrt(Gx*Gx+Gy*Gy)或者G=|Gx|+|Gy| G为处理后每个像素点的新灰度
❖ 分类
灰度线性变换
❖全局线性 ❖分段线性
灰度非线性变换
❖对数变换 ❖指数变换
❖ 线性变换
假设：原始图像为f ( i , j) ，灰度范围：[ a , b]，变换后图像： g ( i , j) ，灰度范围：[ c , d]，线性变换中，存在以下关系：
g(i,cj )dc(f(i,aj) 另一种情况，图像中大部b分a像素的灰度级在[a, b]范围内，
二阶微分滤波器－拉普拉斯算子
不同的算子有不同的模板，实现不同的一阶微分效果
图像中梯度的定义
❖ 考虑一个3×3 的图像区域，z 代表灰度级，上式在点z5 的∇f 值可用数字方式近似
❖
水平方向上的梯度
Gx
最新数字图像处理图像增强ppt课件
4.2.1 灰度级变换的应用
第 四
3.灰度级变换的应用之三
章
灰度级切片
图
像 255
255
增
强 176
214
0
48 134
255
0 48 142 255
4.2.2 获取变换函数的方法
第 四
1.获取变换函数的方法之一
章
固定函数：指数函数、正弦函数、分段直线、
图
对数函数，如显示傅立叶的s=c log(1+|r|)
四
设有1个整数函数I(l),l=0,1, … ,N-1,满足0 ≤I(0) ≤ … ≤I(l)
章 ≤ … ≤I(N-1) ≤M-1 。现要确定能使下式达到最小的I(l)
图
像 增
I(l)
l
ps si pu u j
l 0,1,, N 1
强
i0
j0
如果l=0, 则将其i从0到I(0)的si对应到u0去，如果l≥1, 则将其 i从I(l-1)+1到I(l)的si都对应到ul去。
章
01234567
图
(a) 原始图像直方图
像
0.3
增 强
0.25
0.24
0.2
0.19
0.21
0.11
0.1
0 01234567
(c) 均衡化后的直方图
4.3.1 直方图均衡化
第 小结： 四 章 1) 灰度变换关系
图
灰度变换关系式，通过公式
像
增 强
tk EH sk
k i0
ni n
k i0
0→1
1→3 790
2→5
3,4→ 6 1023
5,6,7 →7 850 985 448
图像增强(1)ppt课件
对比度太差
2、图像降质——噪声
原始图像 Density＝ 0.2 Salt&Pepp er盐和胡椒 噪声
Mean=0.0 1, Var=0.02 高斯噪声
Var＝0.01 Speckle斑 点噪声
一、图像增强概述
3、图像增强的定义
图像增强技术：不考虑图像降质的原因，只将
图像中感兴趣的部分加以处理或突出有用的图 像特征，故改善后的图像并不一定要去逼近原 图像。图像增强的目的是提高可懂度。
g(x, y)
M
g
压缩 拉伸
d
c 仔细调整折线拐点的位置及控制分段直线的斜率，可以对 f (x, y) a b M 图像的任一灰度区间进行拉伸或压缩 。
f
分段线性变换
若大部分像素的灰阶分布在[a, b]之间 ，小部分灰 度级超出了此区域，为了改善增强效果，可以用如下所 示的变换关系：
c d c g ( x ,y ) ( f( x ,y ) a ) c b a d
对于一幅输入图像，经过点运算将产生一幅输
出图像。
输出图像上每个像素的灰度值仅由相应输入像素 的灰度值决定，而与像素点所在的位置无关。
典型的点运算：
对比度增强、对比度拉伸或灰度变换。
（一）灰度级校正
在成像过程中，如光照的强弱、感光部件的
灵敏度、光学系统引起图像亮度分布的不均匀。
标定系统失真系数的方法： 采用一幅灰度级为常数C的图像成像，若 经成像系统的实际输出为 gc (i, j) ，则有
g ( i ,j ) e ( i ,j ) C c
（一）灰度级校正
可得比例因子： 1 e ij , gijC , c 可得实际图像g(i,j)经校正后所恢复的原始图像
图像增强技术-PPT文档资料
设有一幅N×N的图像f(x,y)，若平滑图像为 g(x,y),则有
g(x,y)1 f(i,j)
M i,j s
(4.21)
式中x,y=0,1,…,N-1； s为（x,y）邻域内像素坐标的集合； M表示集合s内像素的总数。 可见邻域平均法就是将当前像素邻域内各像 素的灰度平均值作为其输出值的去噪方法。
通过细心调整折线拐点的位置及控制分段直 线的斜率，可对任一灰度区间进行拉伸或压缩。
获取变换函数的方法之一
固定函数：指数函数、正弦函数、分段直线、
对数函数，如显示傅立叶的s =clog(1+|r|)
255
255
216
142
23
0
0
灰度切割
❖ 应用：
增强特征（卫星图象中大量的水） 增强X射线图象中的缺陷
乘以系数255/max;
加法运用的例子：图象平均处理
空间滤波基础
在待处理的图象中逐点移动模板 R=w(-1,-1)f(x-1,y-1)+
w(-1,0)f(x-1,y)+ w(-1,1)f(x-1,y+1)+ w(0,-1)f(x,y-1)+ w(0,0)f(x,y)+ w(0,1)f(x,y+1)+ w(1,-1)f(x+1,y-1)+ w(1,0)f(x+1,y)+ w(1,1)f(x+1,y+1)
图象反转
适用于增强嵌入于图象暗色区域的白色或者灰 色细节，特别是黑色面积占主导地位的时候
对数变换
❖ s = c log(1+r) ❖ 压缩图象灰度的动态范围 ❖ 典型运用是傅立叶谱的显示
❖ 大于1 ❖ 小于1 ❖ 等于1
图像增强-数字图像处理
图像增强
2.图像噪声的特点 (1)噪声在图像中的分布和大小不规则,即具有随机性。 (2)噪声与图像之间一般具有相关性。 (3)噪声具有叠加性。
图像增强
3.3.2 模板卷积 模板操作是数字图像处理中常用的一种邻域运算方式,
灰度变换就是把原图像的像素灰度经过某个函数变换成 新图像的灰度。常见的灰度变换法有直接灰度变换法和直方 图修正法。直接灰度变换法可以分为线性变换、分段线性变 换以及非线性变换。直方图修正法可以分为直方图均衡化和 直方图规定化。
图像增强
3.1.1 线性变换 假定原图像f(x,y)的灰度范围为[a ,b],希望变换后图像
ቤተ መጻሕፍቲ ባይዱ
图像增强
例如,假定一幅大小为64×64、灰度级为8个的图像,其灰 度分布及均衡化结果如表3-1 所示,均衡化前后的直方图及变 换用的累积直方图如图3-10所示,则其直方图均衡化的处理 过程如下。
图像增强
图像增强 由式(3-12)可得到一组变换函数:
依此类推:s3=0.81,s4=0.89,s5=0.95,s6=0.98,s7=1.0。变换函 数如图3-10(b)所示。
图像增强
１
图像增强
图3-1 灰度线性变换
图像增强
图3-2 灰度线性变换示例
图像增强
3.1.2 分段线性变换 为了突出感兴趣的灰度区间,相对抑制那些不感兴趣的
灰度区间,可采用分段线性变换。常用的3段线性变换如图33所示,L 表示图像总的灰度级数,其数学表达式为
图像增强
图3-3-分段线性变换
图像增强
设r 为灰度变换前的归一化灰度级(0≤r≤1),T(r)为变换函 数,s=T(r)为变换后的归一化灰度级(0≤s≤1),变换函数T(r)满足 下列条件:
数字图像处理技术图像增强之图像锐化
问题：计算结果中出现了小于零的像素值
数字图像处理技术图像增强之图像 锐化
垂直方向的一阶锐化
—— 基本方法
垂直锐化算法的设计思想与水平锐化算 法相同，通过一个可以检测出垂直方向 上的像素值的变化模板来实现。
1 0 1 H 2 0 2
1 0 1
数字图像处理技术图像增强之图像 锐化
垂直方向的一阶锐化
交叉微分算法（Roberts算法）计算公式 如下：
g(i, j) | f (i 1, j 1) f (i, j) | | f (i 1, j) f (i, j 1) |
特点：算法简单
数字图像处理技术图像增强之图像 锐化
无方向一阶锐化
—— Sobel锐化
Sobel锐化的计算公式如下：
1
g(i,
0 -3 -13 -20 0
20 17 7 0 20
0 -6 -13 -13 0
20 14 7 7 20
0 1 12 5 0
20 21 32 25 20
00 0
00
20 2 0 20 2 0 20
数字图像处理技术图像增强之图像
锐化
单方向锐化的后处理
方法2：将所有的像素值取绝对值。
这样做的结果是，可以获得对边缘的有方 向提取。
1 2 1
H
0
0
0
1 2 1
数字图像处理技术图像增强之图像 锐化
水平方向的一阶锐化
—— 例题
1 2 1
H
0
0
0
1 2 1
1*1+2*2+1*3-1*3-2*0-1*8=-3
12321 21262 30876 12786 23269
00 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 00 0 00
第六章图像增强与平滑
第六章图像增强与平滑
由概率论理论可知，如果已知随机变量ξ的概
率密度函数为 pr (，r) 而随机变量η是ξ的函数，
即
，Tη(的) 概率密度为 ，p所s (以s) 可由 求p出r (r)
因ps (为s) 是单调增加的，因此，它的反函数
也是s T单(r)调函数。
r T1(s)
第六章图像增强与平滑
在这种情况下，η＜s且仅当ξ＜r时，可以求得 随机变量η的分布函数为
g(x,y) 1 M Mi1
fˆi(x,y)
这种估计是无偏的，因为：
（6－22）
Eg(x,y)M 1iM 1Efˆi(x,y)
1 M Mi1
fi(x,y)f(x,y)
第六章图像增强与平滑
（三）中值滤波
中值滤波(Median filtering) ：是一种基于排序统
邻域平均法的过程是使一个窗口在图像上滑 动,窗中心位置的值用窗内各点值的平均值来代替。
第六章图像增强与平滑
假定一幅N×N个像素的图像,平滑处理后得到
一幅图像 g(x, y) , g(x, y) 由式(6－19)决定:
g(x,y) 1 f(i, j) M(i, j)s
(6－19)
其中:x,y=0,1,2,…,N-1;S是以为中心的邻域集
af(x,y)b
（6－15）
f(x,y)
其 他
式中，a，b，c，d这些分割点可根据用户的不同
需要来确定。
第六章图像增强与平滑
MATLAB图像处理工具箱中提供的imadjust函数 可以实现上述的线性变换,其主要调用形式为：
J=imadjust(I,[low_in high_in]，[low_outhigh_out],gamma)
由概率论理论可知，如果已知随机变量ξ的概
率密度函数为 pr (，r) 而随机变量η是ξ的函数，
即
，Tη(的) 概率密度为 ，p所s (以s) 可由 求p出r (r)
因ps (为s) 是单调增加的，因此，它的反函数
也是s T单(r)调函数。
r T1(s)
第六章图像增强与平滑
在这种情况下，η＜s且仅当ξ＜r时，可以求得 随机变量η的分布函数为
g(x,y) 1 M Mi1
fˆi(x,y)
这种估计是无偏的，因为：
（6－22）
Eg(x,y)M 1iM 1Efˆi(x,y)
1 M Mi1
fi(x,y)f(x,y)
第六章图像增强与平滑
（三）中值滤波
中值滤波(Median filtering) ：是一种基于排序统
邻域平均法的过程是使一个窗口在图像上滑 动,窗中心位置的值用窗内各点值的平均值来代替。
第六章图像增强与平滑
假定一幅N×N个像素的图像,平滑处理后得到
一幅图像 g(x, y) , g(x, y) 由式(6－19)决定:
g(x,y) 1 f(i, j) M(i, j)s
(6－19)
其中:x,y=0,1,2,…,N-1;S是以为中心的邻域集
af(x,y)b
（6－15）
f(x,y)
其 他
式中，a，b，c，d这些分割点可根据用户的不同
需要来确定。
第六章图像增强与平滑
MATLAB图像处理工具箱中提供的imadjust函数 可以实现上述的线性变换,其主要调用形式为：
J=imadjust(I,[low_in high_in]，[low_outhigh_out],gamma)
图像增强ppt课件
编辑课件
38
均值降噪
编辑课件
39
补充1 图像的γ校正
• 我们知道，数字图像信息的获取通常都
是通过光电传感器(如：CCD)来完成的。 但是，由于传感器的输入输出特性不是 线性的。所以，如果不进行校正处理的 话，将无法得到好的图像效果。
（同理，加洗照片不对颜色进行校正配准，所以效果 都会略差一些）
编辑课件
一维窗口
编辑课件
28
除上述窗口外，常用的窗口还有方形、 十字形、圆形和环形等等，如下图所示。
图 中值滤波的常用窗口
编辑课件
29
中值滤波是一种非线性运算。它对于 消除孤立点和线段的干扰十分有用。特别是 对于二进噪声尤为有效，对于消除高斯噪声 的影响效果不佳。对于一些细节较多的复杂 图像，还可以多次使用不同的中值滤波，然 后通过适当的方式综合所得的结果作为输出， 这样可以获得更好的平滑和保护边缘的效果。
2）典型低通滤波器
理想的低通滤波器 梯形滤波器 指数滤波器
巴特沃兹滤波器
振铃程度 图像模糊 噪声平 程度 滑效果
严重
严重
最好
较轻
轻
好
无
较轻
一般
无
很轻
一般
编辑课件
17
图6.21 指纹图像的频率域增强
（a）指纹原图
（b）频率域增强后的指纹图像
编辑课件
18
频率域图像增强
编辑课件
19
理想低通滤波器举例
原始信息
• 校正后的误差为计算误差，是不得已的，可忽略的误差
编辑课件
47
• 值得注意的是：所得到的 γ 值不一定 准确，那么我们来看一下， γ 值不准确 时，进行校正后的图像效果。
图像的增强.ppt
第六章 图像的增强
在图像的生成、传输或变换的过程中，由于多 种因素，总要造成图像的降质。图像增强的目 的是采用一系列技术去改善图像的效果或将图 像转换成一种更适合人或机器进行分析处理的 形式。
方法：
空间域法：在原图像上直接进行数据运算。 频率域法：在图像变换域上进行修改。
2020/1/25
2020/1/25
4
一、灰度变换法
线性变换：假定原图像f(x,y)的灰度范围为[a,b],希 望变换后图像g(x,y)灰度范围扩展至[c,d]。线性变换 表示为：
g(x,y)=[(d-c)/(b-a)]f(x,y)+c
假若图像中大部分像素的灰度级分布在区间，很小部 分的灰度级超出此区间，有如下表示：
2020/1/25
15
空间域低通滤波
公式：
G(x,y)=∑∑F(m,n)H(x-m+1,y-n+1)
式中：G为N*N阵列，H为L*L阵列
几种用于噪声平滑的系统单位冲激响应阵列
111
111
H1=1/9 1 1 1
H2= 1/10 1 2 1
111
111
2020/1/25
16
中值滤波
概述：中值滤波是一种非线性滤波，由于它在 实际运算过程中并不需要图像的统计特性，所以 比较方便。中值滤波首先是被应用在一维信号处 理技术中，后来被二维图像处理技术所引用。在 一定的条件下，可以克服线性滤波器所带来的图 像细节模糊，而且对滤除脉冲干扰及图像扫描噪 声最为有效。但是对一些细节多，特别是点、线 、尖顶细节多的图像不宜采用中值滤波的方法。
2020/1/25
27
2020/1/25
13
邻域平均法
特点：所用的领域半径愈大，则图的模糊程度 越大。
在图像的生成、传输或变换的过程中，由于多 种因素，总要造成图像的降质。图像增强的目 的是采用一系列技术去改善图像的效果或将图 像转换成一种更适合人或机器进行分析处理的 形式。
方法：
空间域法：在原图像上直接进行数据运算。 频率域法：在图像变换域上进行修改。
2020/1/25
2020/1/25
4
一、灰度变换法
线性变换：假定原图像f(x,y)的灰度范围为[a,b],希 望变换后图像g(x,y)灰度范围扩展至[c,d]。线性变换 表示为：
g(x,y)=[(d-c)/(b-a)]f(x,y)+c
假若图像中大部分像素的灰度级分布在区间，很小部 分的灰度级超出此区间，有如下表示：
2020/1/25
15
空间域低通滤波
公式：
G(x,y)=∑∑F(m,n)H(x-m+1,y-n+1)
式中：G为N*N阵列，H为L*L阵列
几种用于噪声平滑的系统单位冲激响应阵列
111
111
H1=1/9 1 1 1
H2= 1/10 1 2 1
111
111
2020/1/25
16
中值滤波
概述：中值滤波是一种非线性滤波，由于它在 实际运算过程中并不需要图像的统计特性，所以 比较方便。中值滤波首先是被应用在一维信号处 理技术中，后来被二维图像处理技术所引用。在 一定的条件下，可以克服线性滤波器所带来的图 像细节模糊，而且对滤除脉冲干扰及图像扫描噪 声最为有效。但是对一些细节多，特别是点、线 、尖顶细节多的图像不宜采用中值滤波的方法。
2020/1/25
27
2020/1/25
13
邻域平均法
特点：所用的领域半径愈大，则图的模糊程度 越大。
- 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)。
◘图像增强 目的：一是改善图像的视觉效果，提高图像的清晰度； 二是将图像转换成一种更适合于人或机器分析处理的形
式。
分类： 频域法：直接对图像的像素灰度值进行操作。包括图像的
灰度变换、直方图修正、图像空域平滑和锐化处理、彩色增强 等。
空域法：在图像的变换域中，对图像的变换值进行操作， 然后经逆变换获得所需的增强结果。常用的方法包括低通滤 波 、高通滤波以及同态滤波等。
二、为什么要增强图象？ 图像在传输或者处理过程中会引入噪声或使图像变模 了 困难。
Digital Image
6.0 概 述
三、目的： 1.改善图像的视觉效果，提高图像的清晰度； 2.将图像转换成一种更适合于人或机器分析处理的形式。
注意：在图像增强的过程中，没有新信息的增加， 只是 通过压制一部分信息，从而突出另一部分信息。
( f (m, n)
)
其中λ 和γ 为常数。为避免时底数为0的情况，增加偏移量 ε 。γ 值的选择对于变换函数的特性有很大影响，当γ ＜ 1 时会将原图像的灰度向高亮度部分映射，当γ ＞1时向低亮度部 分映射，而当γ =1时相当于正比变换。灰度指数变换的图 像 示例如图4.1.5所示。
Digital Image
)=
nnj
0.19
0.25
0.21 0.24 0.11
6.2 图像的直方图修正
图4.2.3给出了直方图均衡化的示意图。从图和表中可以看 出，由于 数字图像灰度取值的离散性，通过四舍五入使变换后 的分灰布度，值但。出相现比了于归原直并现方象图，要而平使坦变得换多后的直方图并非完全均匀
图4.2.3 直方图均衡化的示意图
第6章
图像增强
◆ 6.0 ◆ 6.1 ◆ 6.2 ◆ 6.3 ◆ 6.4 ◆ 6.5 ◆ 6.6
概述 图像的对比度增强 图像 的直方图修正图 像平滑
图形锐化 图像的同态滤波 图像 的彩色增强
HALCON数字图像
6.0
概述
一、什么是图象增强？ 图像增强是对图像进行加工，以得到对具体应用来说
视觉效果更“好”，或更“有用”的图像的技术。
6.1 图像的对比度增强
图4.1.5 取不同γ值的指数变换结果对 比。 （a）原图像；（b）γ=0.7时的变换结果；（c）γ=1.7 时的变换结果。 Digital Image
6.2 图像的直方图修正
◘ 概述
▓ 定义：灰度直方图定义为数字图像中各灰度级与其出 现的 频数间的统计关系，可表示为：
P(k ) nk , k 0,1,… , L1 且 L P ( k ) 其中，nk为图像的第k级灰度值，是中灰度值为 k的像k1素个数1，n是图像的总像素个数，L是灰度级数。 ▓ 0性质：1. 直方图的位置缺失性 2. 直方图与图像的一对多特性 3. 直方图的可叠加性
图4.1.4 对数变换应用示例。 （a）图像；（b）图像的傅立叶谱；（c）图(b)的对数变换效果 ；（d）对数变换关系(λ=1)
Digital Image
6.1 图像的对比度增强
2. 指数变换
与对数变换的效果相反，指数变换使得高灰度范围得到扩展， 而压缩了低灰度范围，其一般表达式为
g (m, n)
Digital Image
6.2 图像的直方图修正
▓ 直方图与图像清晰性的关系：直方图反映了图像的清晰程 度，当直方图均匀分布时，图像最清晰。由此，我们可以利 用直方图来达到使图像清晰的目的。
◘ 直方图均衡化
直方图均衡化就是通过原始图像的灰度非线性变换，使 其直方图变成均匀分布，以增加图像灰度值的动态范围，从 而达到增强图像整体对比度，使图像变清晰的效果。
n)f f
(m,
方
法
，
即
有
Digital Image n) b M
g (m, d n)
6.1 图像的对比度增强
g N(m, n)
c a
d
b
f (m, c n)
a
bM
图4.1.2 灰度分段线性变换关系
f (m, n)
（a）扩展感兴趣的，牺牲其它； （b）扩展感兴趣的，压 缩其它。
Digital Image
为 g (m, n) j ；
◘统计变换后各灰度级的像素个数 nj ； ◘计算变换后图像的直方图： P ( j ) nnj 。 Digital Image
6.2 图像的直方图修正
[ 例6-1] 设有一幅大小为，包含灰度值是的8个灰度 级 的数字图像，其各灰度级的像素个数见表4-1所示，要求对 其进行直方图均衡化，求出灰度变换关系和变换 后的直 方图。
表6-1 图像各灰度级的像素个数
灰度级 0 1 2 3 4 5 6 7 （i） 像素个数 786 1020 852 650 333 245 130 80 （ni）
Digital Image
6.2 图像的直方图修正
步
骤
计算方法或公式
1 列出图像灰度级（i或j）
2 统计原图像各灰度级像素个数ni
计算结果
j T [i] 。其中，Pr (i) 为原数字图像的直方图，Pz ( j)为规定
直方图， i 和j 分别为原图像和期望图像的灰度级，且
具有相同的取值范围，即 i, j 0,1, 2,… , L 1 。
6.1 图像的对比度增强
图4.1.3 图像灰度的线性变换示例 （a）原图像；（b）扩展动态范围；（c）图像取反；（d）
有扩有压。 Digital Image
6.1 图像的对比度增强
◘灰度的非线性变换
▓ 灰度的非线性变换：常用的灰度非线性变换方法包括
1. 对数变换
对数变换的一般表达式为
g (m , n )
Digital Image
6.1 图像的对比度增强
◘图像对比度增强定义
采用图像灰度值变换的方法，即改变图像像素的灰度值， 以改变图像灰度的动态范围，增强图像的对比度。
设原图像为f(m,n) ， 处 理 后 为 g(m,n) ， 则 对 比 度 增 强 可 表 示 为
g ( m ,n)
T [ f (m , n )]
0
1
2
3
4
5
6
7
786 1020 852 650 333 245 130 80
3
计算原始 n P(i) = ni 4 直计图方算：图累：积直kP=j方= 0j P(k)
5 计算变换后 j = INT
6
7
统的确换计灰定关变换度灰系后各值度：灰度：变级i 的⎡10像j.5素⎡)P⎡个(L⎡j数+-n j
◘统计原图像各灰度级的像素个数 ni ；
◘计算原始图像直方图：P(i) 个数；
ni n ，n为原始图像像素总
◘计算累积直方图：Pj
P(jk )
；
◘利用灰度变换函数计算变k换后的灰度值，并四舍五入取整：j
INT [(L 1)Pj 0. .5] 0 ◘确定灰度变换关系 f (m,n) i ，据此将原图像的灰度值修正
0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
1 3 5 6 677 7
0€1 1€3
2€53,4€6
786
1020
5,6, 7€7
852 983 455
8
计算变换后 P ( j
图像的直方 Digit图al：Image
Digital Image
6.0 概 述
四、 图象增强方法分类和方法过程 空域法：直接对图像的像素灰度值进行操作。包括图像的灰度变 换、直方图修正、平滑和锐化处理、彩色增强等 。 f(m, n) 修正h(m, n) g(m, n) = f(m, n)oh(m, n)
频域法：在图像的变换域中，对图像的变换值进行操 作， 然后经逆变换获得所需的增强结果。 常用的方法包括低通滤波、高频提升滤波以及同态滤波 法等 。
在扩展感兴趣的[ a,b] 区 间 的 同 时 ， 为 了 保 留 其 它 区 间
的 扩
灰 有
度 压
层 。
次，也可以 采用其它
变
换
函
数
为c a
f
g(m, n) c
b];
Mdd-b-a c
(m, n) f[ f(m(m, n, n) )
N
(m,
d
n)
[
f
区b 间f (压m缩, 的
;
0
na)a]; b
(bmba ,
局均匀化 直方图，但实际应用中有时要求突出感兴趣灰度 范围，即修正直方图使其具有要求的形式。
（
（
（
a
b
c
）
）
）
（d）
（e）
图4.2.5 几种给定形状的直方图 （a）原直方图；（b）正态扩展直方图；（c）均匀化直方图 D；igi（tadl I）m暗ag区e扩展直 方图；（e）亮区扩展直方图。
6.2 图像的直方图修正
3 缩小动态范围：若 [c, d ] 会变窄。
[a , b ] ，即 0 k 1，则变换后图像动态范 围
4 反转或取反：若
k 0 ，即对于 b a ，有 d c则变换后图像的灰度 值
会反转，即原亮的变暗，原暗的变亮。在 k 1 时，g
(m, n) 即为
f (m, n) 的取反。
Digital Image
其中，T[i] 表示增强图像和原图像的灰度变换关系（函数） 。
Digital Image
6.1 图像的对比度增强 ◘灰度线性变换
▓ 灰 度 的 线 性 变 换 ： 设 原 图 像 灰 值f (m, n) [a, 线 性 变 后换的取值 g(m, n) [c, d]，则线性变换如b图] 4.1-1所示。变换关 系式为
式。
分类： 频域法：直接对图像的像素灰度值进行操作。包括图像的
灰度变换、直方图修正、图像空域平滑和锐化处理、彩色增强 等。
空域法：在图像的变换域中，对图像的变换值进行操作， 然后经逆变换获得所需的增强结果。常用的方法包括低通滤 波 、高通滤波以及同态滤波等。
二、为什么要增强图象？ 图像在传输或者处理过程中会引入噪声或使图像变模 了 困难。
Digital Image
6.0 概 述
三、目的： 1.改善图像的视觉效果，提高图像的清晰度； 2.将图像转换成一种更适合于人或机器分析处理的形式。
注意：在图像增强的过程中，没有新信息的增加， 只是 通过压制一部分信息，从而突出另一部分信息。
( f (m, n)
)
其中λ 和γ 为常数。为避免时底数为0的情况，增加偏移量 ε 。γ 值的选择对于变换函数的特性有很大影响，当γ ＜ 1 时会将原图像的灰度向高亮度部分映射，当γ ＞1时向低亮度部 分映射，而当γ =1时相当于正比变换。灰度指数变换的图 像 示例如图4.1.5所示。
Digital Image
)=
nnj
0.19
0.25
0.21 0.24 0.11
6.2 图像的直方图修正
图4.2.3给出了直方图均衡化的示意图。从图和表中可以看 出，由于 数字图像灰度取值的离散性，通过四舍五入使变换后 的分灰布度，值但。出相现比了于归原直并现方象图，要而平使坦变得换多后的直方图并非完全均匀
图4.2.3 直方图均衡化的示意图
第6章
图像增强
◆ 6.0 ◆ 6.1 ◆ 6.2 ◆ 6.3 ◆ 6.4 ◆ 6.5 ◆ 6.6
概述 图像的对比度增强 图像 的直方图修正图 像平滑
图形锐化 图像的同态滤波 图像 的彩色增强
HALCON数字图像
6.0
概述
一、什么是图象增强？ 图像增强是对图像进行加工，以得到对具体应用来说
视觉效果更“好”，或更“有用”的图像的技术。
6.1 图像的对比度增强
图4.1.5 取不同γ值的指数变换结果对 比。 （a）原图像；（b）γ=0.7时的变换结果；（c）γ=1.7 时的变换结果。 Digital Image
6.2 图像的直方图修正
◘ 概述
▓ 定义：灰度直方图定义为数字图像中各灰度级与其出 现的 频数间的统计关系，可表示为：
P(k ) nk , k 0,1,… , L1 且 L P ( k ) 其中，nk为图像的第k级灰度值，是中灰度值为 k的像k1素个数1，n是图像的总像素个数，L是灰度级数。 ▓ 0性质：1. 直方图的位置缺失性 2. 直方图与图像的一对多特性 3. 直方图的可叠加性
图4.1.4 对数变换应用示例。 （a）图像；（b）图像的傅立叶谱；（c）图(b)的对数变换效果 ；（d）对数变换关系(λ=1)
Digital Image
6.1 图像的对比度增强
2. 指数变换
与对数变换的效果相反，指数变换使得高灰度范围得到扩展， 而压缩了低灰度范围，其一般表达式为
g (m, n)
Digital Image
6.2 图像的直方图修正
▓ 直方图与图像清晰性的关系：直方图反映了图像的清晰程 度，当直方图均匀分布时，图像最清晰。由此，我们可以利 用直方图来达到使图像清晰的目的。
◘ 直方图均衡化
直方图均衡化就是通过原始图像的灰度非线性变换，使 其直方图变成均匀分布，以增加图像灰度值的动态范围，从 而达到增强图像整体对比度，使图像变清晰的效果。
n)f f
(m,
方
法
，
即
有
Digital Image n) b M
g (m, d n)
6.1 图像的对比度增强
g N(m, n)
c a
d
b
f (m, c n)
a
bM
图4.1.2 灰度分段线性变换关系
f (m, n)
（a）扩展感兴趣的，牺牲其它； （b）扩展感兴趣的，压 缩其它。
Digital Image
为 g (m, n) j ；
◘统计变换后各灰度级的像素个数 nj ； ◘计算变换后图像的直方图： P ( j ) nnj 。 Digital Image
6.2 图像的直方图修正
[ 例6-1] 设有一幅大小为，包含灰度值是的8个灰度 级 的数字图像，其各灰度级的像素个数见表4-1所示，要求对 其进行直方图均衡化，求出灰度变换关系和变换 后的直 方图。
表6-1 图像各灰度级的像素个数
灰度级 0 1 2 3 4 5 6 7 （i） 像素个数 786 1020 852 650 333 245 130 80 （ni）
Digital Image
6.2 图像的直方图修正
步
骤
计算方法或公式
1 列出图像灰度级（i或j）
2 统计原图像各灰度级像素个数ni
计算结果
j T [i] 。其中，Pr (i) 为原数字图像的直方图，Pz ( j)为规定
直方图， i 和j 分别为原图像和期望图像的灰度级，且
具有相同的取值范围，即 i, j 0,1, 2,… , L 1 。
6.1 图像的对比度增强
图4.1.3 图像灰度的线性变换示例 （a）原图像；（b）扩展动态范围；（c）图像取反；（d）
有扩有压。 Digital Image
6.1 图像的对比度增强
◘灰度的非线性变换
▓ 灰度的非线性变换：常用的灰度非线性变换方法包括
1. 对数变换
对数变换的一般表达式为
g (m , n )
Digital Image
6.1 图像的对比度增强
◘图像对比度增强定义
采用图像灰度值变换的方法，即改变图像像素的灰度值， 以改变图像灰度的动态范围，增强图像的对比度。
设原图像为f(m,n) ， 处 理 后 为 g(m,n) ， 则 对 比 度 增 强 可 表 示 为
g ( m ,n)
T [ f (m , n )]
0
1
2
3
4
5
6
7
786 1020 852 650 333 245 130 80
3
计算原始 n P(i) = ni 4 直计图方算：图累：积直kP=j方= 0j P(k)
5 计算变换后 j = INT
6
7
统的确换计灰定关变换度灰系后各值度：灰度：变级i 的⎡10像j.5素⎡)P⎡个(L⎡j数+-n j
◘统计原图像各灰度级的像素个数 ni ；
◘计算原始图像直方图：P(i) 个数；
ni n ，n为原始图像像素总
◘计算累积直方图：Pj
P(jk )
；
◘利用灰度变换函数计算变k换后的灰度值，并四舍五入取整：j
INT [(L 1)Pj 0. .5] 0 ◘确定灰度变换关系 f (m,n) i ，据此将原图像的灰度值修正
0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00
1 3 5 6 677 7
0€1 1€3
2€53,4€6
786
1020
5,6, 7€7
852 983 455
8
计算变换后 P ( j
图像的直方 Digit图al：Image
Digital Image
6.0 概 述
四、 图象增强方法分类和方法过程 空域法：直接对图像的像素灰度值进行操作。包括图像的灰度变 换、直方图修正、平滑和锐化处理、彩色增强等 。 f(m, n) 修正h(m, n) g(m, n) = f(m, n)oh(m, n)
频域法：在图像的变换域中，对图像的变换值进行操 作， 然后经逆变换获得所需的增强结果。 常用的方法包括低通滤波、高频提升滤波以及同态滤波 法等 。
在扩展感兴趣的[ a,b] 区 间 的 同 时 ， 为 了 保 留 其 它 区 间
的 扩
灰 有
度 压
层 。
次，也可以 采用其它
变
换
函
数
为c a
f
g(m, n) c
b];
Mdd-b-a c
(m, n) f[ f(m(m, n, n) )
N
(m,
d
n)
[
f
区b 间f (压m缩, 的
;
0
na)a]; b
(bmba ,
局均匀化 直方图，但实际应用中有时要求突出感兴趣灰度 范围，即修正直方图使其具有要求的形式。
（
（
（
a
b
c
）
）
）
（d）
（e）
图4.2.5 几种给定形状的直方图 （a）原直方图；（b）正态扩展直方图；（c）均匀化直方图 D；igi（tadl I）m暗ag区e扩展直 方图；（e）亮区扩展直方图。
6.2 图像的直方图修正
3 缩小动态范围：若 [c, d ] 会变窄。
[a , b ] ，即 0 k 1，则变换后图像动态范 围
4 反转或取反：若
k 0 ，即对于 b a ，有 d c则变换后图像的灰度 值
会反转，即原亮的变暗，原暗的变亮。在 k 1 时，g
(m, n) 即为
f (m, n) 的取反。
Digital Image
其中，T[i] 表示增强图像和原图像的灰度变换关系（函数） 。
Digital Image
6.1 图像的对比度增强 ◘灰度线性变换
▓ 灰 度 的 线 性 变 换 ： 设 原 图 像 灰 值f (m, n) [a, 线 性 变 后换的取值 g(m, n) [c, d]，则线性变换如b图] 4.1-1所示。变换关 系式为