图像增强ppt教学课件
合集下载
变换域图像增强PPT课件
49
Sinusoidal
50
Rectangle
51
二维离散傅立叶变换的若干性质 离散傅立叶变换建立了函数在空间域与频率 域之间的转换关系。在数字图像处理中，经 常要利用这种转换关系及其转换规律，下面 将介绍离散傅立叶变换的若干重要性质
52
周期性和共轭对称性
若离散的傅立叶变换和它的反变换周期为 N，则有
旋转后图像及 其傅里叶变换
60
线性叠加
k1 f(x,y) + k2 g(x,y) <==> k1 F(u,v) + k2 G(u,v)
a)Image A; b)Image B; c)0.25 * A + 0.75 * B
a)spectrum A; b)spectrum B; c)0.25 * A + 0.75 * B
35
幅度谱和相位谱
从幅度谱中我们 可以看出明亮线 反映出原始图像 的灰度级变化， 这正是图像的轮 廓边
36
幅度谱和相位谱
从幅度谱中我们 可以看出明亮线 和原始图像中对 应的轮廓线是垂 直的。如果原始 图像中有圆形区 域那么幅度谱中 也呈圆形分布
37
幅度谱和相位谱
图像中的颗粒状对 应的幅度谱呈环状， 但即使只有一颗颗 粒，其幅度谱的模 式还是这样。
38
幅度谱和相位谱
这些图像没有特定 的结构，左上角到 右下角有一条斜线， 它可能是由帽子和 头发之间的边线产 生的 两个图像都存在一 些小边界
39
离散函数的傅立叶变换 假定取间隔△x单位的抽样方法将一个连续 函数f(x)离散化为一个序列{f(x0)， f(x0+△x)，…，f[x0+(N-1)△x]}
P: ( x,y,z)
Sinusoidal
50
Rectangle
51
二维离散傅立叶变换的若干性质 离散傅立叶变换建立了函数在空间域与频率 域之间的转换关系。在数字图像处理中，经 常要利用这种转换关系及其转换规律，下面 将介绍离散傅立叶变换的若干重要性质
52
周期性和共轭对称性
若离散的傅立叶变换和它的反变换周期为 N，则有
旋转后图像及 其傅里叶变换
60
线性叠加
k1 f(x,y) + k2 g(x,y) <==> k1 F(u,v) + k2 G(u,v)
a)Image A; b)Image B; c)0.25 * A + 0.75 * B
a)spectrum A; b)spectrum B; c)0.25 * A + 0.75 * B
35
幅度谱和相位谱
从幅度谱中我们 可以看出明亮线 反映出原始图像 的灰度级变化， 这正是图像的轮 廓边
36
幅度谱和相位谱
从幅度谱中我们 可以看出明亮线 和原始图像中对 应的轮廓线是垂 直的。如果原始 图像中有圆形区 域那么幅度谱中 也呈圆形分布
37
幅度谱和相位谱
图像中的颗粒状对 应的幅度谱呈环状， 但即使只有一颗颗 粒，其幅度谱的模 式还是这样。
38
幅度谱和相位谱
这些图像没有特定 的结构，左上角到 右下角有一条斜线， 它可能是由帽子和 头发之间的边线产 生的 两个图像都存在一 些小边界
39
离散函数的傅立叶变换 假定取间隔△x单位的抽样方法将一个连续 函数f(x)离散化为一个序列{f(x0)， f(x0+△x)，…，f[x0+(N-1)△x]}
P: ( x,y,z)
数字图像处理冈萨雷斯空间域图像增强(共104张PPT)
例如每个象素点的灰度值用8bit表示，假设某像素点的灰度值为00100010,分解处理 如下 :
00100010
00000000(0) 00000010(2)
00000000(0)
00000000(0) 00000000(0)
001000(0302) 00000000(0)
这样这个位置的像素，就分解 成了8局部，各局部的值转成
1时 ， 该 变 换 将
低 灰 度 值 （ 暗 值 ） 进 行 拉 伸
例 ： 0.4时 ， 该 变 换 将 动 态 范 围
从 [0,L5]扩 展 到 [0,L2]
1时 ， 该 变 换 将
L5
高 灰 度 值 （ 亮 值 ） 进 行 拉 伸
3.2 根本灰度变换
幂次变换应用 (伽马)校正 s cr
00000000(0)
十进制就是该点在该位平面上
的灰度值。
④分段线性变换函数
3.2 根本灰度变换
位图切割
位图切割例如
位图切割在图像压缩和重建中的应用
重建：
①第n个bit平面的每个像素 2 n1 ；
②所有bit平面相加；
MATLAB 例子:线性变换
I=imread('pout.tif');
pout=double(I);
随机变量:不一定是均匀分布的
根据该方程可以由原图像的各像素灰度值直接得到直方图 均衡化后各灰度级所占的百分比
➢直方图均衡化处理的计算步骤如下：
(1)统计原始图象的直方图
是rk 输入图象灰度级； (2)计算直方图累积分布曲线
pr
rk
nk n
3.3 直方图处理
sk T(rk)j k0pr(rj)j k0nnj
《图像增强技术》课件
三、新兴的图像增强技术
SRGAN
具备超分辨率图像生成能力的生成对抗网络，可提 高图像细节和清晰度。
ESRGAN
在SRGAN基础上进一步改进的超分辨率图像生成 算法，提供更高质量的图像增强效果。
StyleGAN
基于神经网络的图像生成算法，能够生成高质量、 更具艺术风格的图像。
CycleG一种图像风格 转化为另一种图像风格。
二、传统图像增强技术
直方图均衡化
通过重新分配图像的 像素值来改善图像对 比度和亮度，从而增 强图像细节。
滤波器增强
利用滤波器进行图像 平滑、边缘增强或噪 声去除，以提高图像 质量。
空间域增强
基于图像的空间域特 征，如边缘和纹理等， 对图像进行局部增强。
频率域增强
利用傅里叶变换将图 像转换到频率域，在 频率域进行增强处理， 如降噪和图像恢复。
四、应用
人脸识别
图像增强技术可提高人脸图像 质量、对比度和细节，以提升 人脸识别的准确性和可靠性。
视频增强
通过图像增强技术，可以改善 视频的清晰度、稳定性和色彩 表现，提供更好的观看体验。
医学图像分析
图像增强技术在医学领域的应 用可以帮助医生更准确地诊断 和分析医学图像，提高医疗质 量。
五、总结
《图像增强技术》PPT课 件
欢迎来到《图像增强技术》PPT课件！在本课件中，我们将探索图像增强的 概念、传统与新兴的增强技术，以及应用领域和发展趋势。准备好了吗？让 我们开始吧！
一、介绍
图像增强的概念
图像增强是通过处理技术改善图像质量，使其更具视觉吸引力和可用性。
增强的目的和意义
图像增强的目的是提高图像的视觉效果、清晰度、对比度和颜色等特征，以便更好地满足人 类视觉需求。
《图像的增强》课件
无人驾驶
图像增强可以提高无人驾驶汽车的感知能力， 增强道路和障碍物的识别。
艺术和娱乐
图像增强可以改善艺术作品和娱乐内容的视 觉效果，提供更好的观赏体验。
未来发展趋势1来自深度学习利用深度神经网络和人工智能技术，实现更准确、自动化的图像增强。
2
实时增强
通过优化算法和硬件性能，实现实时图像增强，满足实时应用的需求。
滤波器和增强方法的比较
滤波器
滤波器通过在空域或频域中对图像进行操作来 改变图像的特性。
增强方法
增强方法通过调整图像的亮度、对比度和细节 来改善图像质量和视觉效果。
图像增强的应用领域
医学图像
通过增强医学图像，可以更清晰地显示病变 和器官结构。
安防监控
通过增强监控图像，可以更容易识别和监视 潜在的安全威胁。
《图像的增强》PPT课件
通过图像增强，我们可以改善图像的质量和视觉效果，使其更加鲜明和引人 注目。
图像增强的定义
图像增强是一种技术，通过对图像的处理和改进，提高其质量、增强细节、改变光照和色彩等特性，使 图像更易于理解和分析。
常见的图像增强方法
1 灰度变换
2 直方图均衡化
通过调整图像的亮度和对比度来改变图像 的整体感观。
通过重新分布图像的像素强度，使整个亮 度范围更均衡，增强对比度和细节。
3 空域滤波
4 频域滤波
通过对图像进行平滑或增强，改变图像的 细节和纹理。
通过对图像进行傅里叶变换和反变换，改 变图像的频率特性和细节。
基于直方图的增强方法
直方图是显示图像像素强度分布的统计图。基于直方图的增强方法使用直方 图信息来调整图像的对比度和亮度。
3
自适应增强
根据不同图像的特点和应用需求，自动调整增强方法和参数，实现个性化的图像 增强。
第4章 图像增强2
第4章 图像的增强 4.2 直接灰度变换 章
g (x, y) Mg d A c 0 a b f (x, y) Mf 0 a Mg
2. 分段线性变换
g (x, y) A f (x, y) b Mf
1) 对比度扩展
g (x, y) Mg f (x, y) 0 a Mf 0 Mg
2) 削波
g (x, y)
1 将非均匀密度变换为均匀密度 r
第4章 图像的增强 章
4.3 直方图修正法
2. 直方图均衡化
由概率论理论可知，如果已知随机变量 的概率密度为 的概率密度为p 由概率论理论可知，如果已知随机变量r的概率密度为 r(r),而 而 随机变量s是 的函数 的函数， 的概率密度 的概率密度p 可以由 可以由p 求出 求出。 随机变量 是r的函数，则s的概率密度 s(s)可以由 r(r)求出。 假定随机变量s的分布函数用 表示， 假定随机变量 的分布函数用Fs(s)表示，根据分布函数定义 的分布函数用 表示
f (x, y) a Mf
3) 阈值化
4) 灰度窗口变换
第4章 图像的增强 章
1. 灰度直方图 图像灰度直方图 直方图的作法
4.3 直方图修正法
1. 灰度直方图
直方图反映了图像的像素的灰度分布
rk = k , k = 0,1,L , L − 1 L −1
a)将图像的灰度级归一化 将图像的灰度级归一化
0.21 0.16 0.08 0.06 0.65 0.81 0.89 0.95 6 5 6 7 2→5 3,4→６ 3,4→６ 1023 0.25
5,6,7→7 850 985 448 0.21 0.24 0.11
第4章 图像的增强 章
pr(rk)
第五讲 图像增强
二维中值滤波可以描述为：
g(x, y) M ed f (x, y)
f (x, y)为二维数据序列， g(x, y)为窗口中心点滤波后的值。
图像增强
二维中值滤波比一维的更能抑制噪声。 一维中值滤波窗口比较单一，只是窗口的长度不 同；二维窗口的选择则有多种，如线性、方形、十字 形等。窗口的选择比较重要，不同的窗口有不同的滤 波效果。
图像的邻域平均：对原始图像的待处理像素点取 一个邻域（4像素或8像素），计算邻域内所有像素的 灰度值之和，然后求平均值作为待处理像素点进行邻 域平均运算后的灰度值。
其数学表达式为：
图像增强
gi, j 1 f x, y
M x, y S
f(x,y)为邻域内的像素， g(i,j)为邻域平均后的像 素，M为参与运算的像素的个数，也包括中心点在 内，S为该邻域。
图像增强
PS
S
＝Pr
r
dr dS
r
T
1
s
为了保证图像灰度直方图为均匀分布，即 PS(Biblioteka )=1，则灰度变换公式为：r
s T r pr d 0 r 1
0
图像增强
证明：ds dr
pr r
dr ds
1
pr r
ps s
pr r
1
pr r
r T 1 s
1,
0 s 1
例5－1：已知一幅图灰度级的概率分布密度，对其
令r代表原图像灰度, S代表经直方图修正后的图 像灰度，二者是归一化了的，则：0≤r,S ≤1 。
直方图修正函数可以表示为：S=T(r) 变换函数T(·)满足以下两个条件： 1、在有效区间内为单值单调增加函数；（保持由黑到白） 2、在有效区间内0≤ T(r) ≤1 。（灰度值在允许范围内） （T(r)可逆，r=T-1(S)）
g(x, y) M ed f (x, y)
f (x, y)为二维数据序列， g(x, y)为窗口中心点滤波后的值。
图像增强
二维中值滤波比一维的更能抑制噪声。 一维中值滤波窗口比较单一，只是窗口的长度不 同；二维窗口的选择则有多种，如线性、方形、十字 形等。窗口的选择比较重要，不同的窗口有不同的滤 波效果。
图像的邻域平均：对原始图像的待处理像素点取 一个邻域（4像素或8像素），计算邻域内所有像素的 灰度值之和，然后求平均值作为待处理像素点进行邻 域平均运算后的灰度值。
其数学表达式为：
图像增强
gi, j 1 f x, y
M x, y S
f(x,y)为邻域内的像素， g(i,j)为邻域平均后的像 素，M为参与运算的像素的个数，也包括中心点在 内，S为该邻域。
图像增强
PS
S
＝Pr
r
dr dS
r
T
1
s
为了保证图像灰度直方图为均匀分布，即 PS(Biblioteka )=1，则灰度变换公式为：r
s T r pr d 0 r 1
0
图像增强
证明：ds dr
pr r
dr ds
1
pr r
ps s
pr r
1
pr r
r T 1 s
1,
0 s 1
例5－1：已知一幅图灰度级的概率分布密度，对其
令r代表原图像灰度, S代表经直方图修正后的图 像灰度，二者是归一化了的，则：0≤r,S ≤1 。
直方图修正函数可以表示为：S=T(r) 变换函数T(·)满足以下两个条件： 1、在有效区间内为单值单调增加函数；（保持由黑到白） 2、在有效区间内0≤ T(r) ≤1 。（灰度值在允许范围内） （T(r)可逆，r=T-1(S)）
图像增强处理课件
T-1(s)对s同样满足上述两个条件。
由概率论理论可知，如果已知随机变量r的概率密度为
pr(r),而随机变量s是r的函数，则s的概率密度ps(s)可以由 pr(r)求出。
假定随机变量s的分布函数用Fs(s)表示，根据分布函数 定义
s
r
FS (s) ps (s)ds pr (r)dr
(7 7)
可见，它是对直方图均衡化处理的一种有效的扩展。直 方图均衡化处理是直方图规定化的一个特例。
对于直方图规定化，下面仍从灰度连续变化的概率密度 函数出发进行推导，然后推广出灰度离散的图像直方图规定 化算法。
假设pr(r)和pz(z)分别表示已归一化的原始图像灰度分
布的概率密度函数和希望得到的图像的概率密度函数。
两边积分得
r
s T (r) 0 pr (r)dr
(7 10)
上式表明，当变换函数为r的累积直方图函数时，能达 到直方图均衡化的目的。
对于离散的数字图像，用频率来代替概率,则变换函数
T(rk)的离散形式可表示为:
sk
T (rk )
k j0
pr (rj )
k j0
nj n
上式表明，均衡后各像素的灰度值sk可直接由原图像的 直方图算出。
图像增强处理
讲解内容
目的
灰度变换
图像增强
点运算直方图修正法
空间域局部运算局图 图部像 像统锐 平计化 滑法
高通滤波
均衡化 规定化
频率域低通滤波
同态滤波增强
彩色增强 伪 假彩 彩色 色增 增强 强
彩色变换及应用
图像的代数运算
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；
直方图修整法包括直方图均衡化及直方图规定化两类。
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。
遥感图像增强PPT课件
第2页/共47页
※反差拉伸法之线性拉伸法
g(x,y)-a1
◆ f(x,y)=
× (b2-b1) +b1
(a2-a1)
其中: g(x,y)为原图像的像元灰度， f(x,y)为拉伸后的像元灰度， a1、a2分别为原图像的最小灰度值和最大灰度值, b1、b2分别为 拉伸后图像的最小灰度值和最大灰度值，并且b1<a1、b2>a2
第 五 章 遥感图像增强
5.1 辐射增强 5.2 边缘增强 5.3 彩色增强 5.4 图像变换 5.5 影像信息融合 5.6 局部图像羽化处理技术
第26页/共47页
第 二节 边缘增强
★遥感图像的边缘增强:对图像上局部范围内多个像素 的灰度值进行综合处理，以调整像元与其周围像元间 的对比关系，从而达到改善图像质量、突出图像上某 些用户感兴趣的线性形迹、纹理与地物边界等信息.
b1<a1、b2>a2
第7页/共47页
※反差拉伸法之非线性拉伸法
◆非线性拉伸法:按非线性函数关系扩展原图像的灰 度值，即对整个灰度值的动态范围以不等权的关系
进行变换.（线性或分段线性拉伸法都是等比例地变 换指定动态范围内的像元灰度值）
◆实施方法：指数函数、对数函数等
第8页/共47页
第五章 练习
♣目的： 应用ERDAS中的Model Maker 模 块，对遥感图像进行线性拉伸处理.
185km*475m 的一个窄条信 息；接着,TM再 进行自东向西 的回扫,同样可 在地面上扫描 185公里。
※去条带处理
第25页/共47页
◆边缘处理方法:
Reflection(倒影)： 应用边缘灰度值 的镜面倒影值作 为图像边缘以外 的像元值；
Fill(填充)：统一 将图像边缘以外 的像元以0值填充.
※反差拉伸法之线性拉伸法
g(x,y)-a1
◆ f(x,y)=
× (b2-b1) +b1
(a2-a1)
其中: g(x,y)为原图像的像元灰度， f(x,y)为拉伸后的像元灰度， a1、a2分别为原图像的最小灰度值和最大灰度值, b1、b2分别为 拉伸后图像的最小灰度值和最大灰度值，并且b1<a1、b2>a2
第 五 章 遥感图像增强
5.1 辐射增强 5.2 边缘增强 5.3 彩色增强 5.4 图像变换 5.5 影像信息融合 5.6 局部图像羽化处理技术
第26页/共47页
第 二节 边缘增强
★遥感图像的边缘增强:对图像上局部范围内多个像素 的灰度值进行综合处理，以调整像元与其周围像元间 的对比关系，从而达到改善图像质量、突出图像上某 些用户感兴趣的线性形迹、纹理与地物边界等信息.
b1<a1、b2>a2
第7页/共47页
※反差拉伸法之非线性拉伸法
◆非线性拉伸法:按非线性函数关系扩展原图像的灰 度值，即对整个灰度值的动态范围以不等权的关系
进行变换.（线性或分段线性拉伸法都是等比例地变 换指定动态范围内的像元灰度值）
◆实施方法：指数函数、对数函数等
第8页/共47页
第五章 练习
♣目的： 应用ERDAS中的Model Maker 模 块，对遥感图像进行线性拉伸处理.
185km*475m 的一个窄条信 息；接着,TM再 进行自东向西 的回扫,同样可 在地面上扫描 185公里。
※去条带处理
第25页/共47页
◆边缘处理方法:
Reflection(倒影)： 应用边缘灰度值 的镜面倒影值作 为图像边缘以外 的像元值；
Fill(填充)：统一 将图像边缘以外 的像元以0值填充.
《频域图像增强》课件
《频域图像增强》PPT课 件
在本课程中，我们将探索频域图像增强的概念、原理和应用。了解傅里叶变 换、频率域滤波、统计频域增强方法和空间频率滤波等常见技术。
什么是频域图像增强
频域图像增强是一种图像处理技术，通过在图像的频域进行操作，改善图像 的质量和增强图像的细节。它基于信号处理和数学变换的原理，可以优化图 像的视觉效果。
常见的频域图像增强技术
傅里叶变换
通过将图像转换到频域，可以分析和改变图像 的频率成分。
统计频域增强方法
通过统计图像的频域特征，可以对图像进行增 强和修复。
频率域滤波
利用频域滤波器，可以增强或抑制图像的特定 频率成分。
空间频率滤波
利用空间领域和频率领域的关系，可以改善图 像的细节和对比度。
频域图像增强的应用领域
频域图像增强的作用和意义
频域图像增强可以提高图像的可视性，使图像更清晰、更鲜艳。它可以增强图像的细节，并减少噪点和模糊。 频域图像增强在许多应用领域都起到重要的作用。
频域图像增强的基本原理
频域图像增强的基本原理是将图像转换到频域，并利用频域滤波和变换等方法对图像进行处理。通过对图像的 频域表示进行操作，可以改变图像的频率分布，从而改善图像的质量。
挑战：频域图像增强需要高级数学和信号处理技术，同时需要根据具体应用 场景选择适当的算法和参数。
1 医学图像处理
频域图像增强在医学影像诊断和治疗中起着重要作用，帮助医生提取和分析图像特征。
2 航空航天图像处理
频域图像增强可以改善航空航天图像的清晰度和对比度，提高目标检测和识别的准确性。
3 摄影图像处理
频域图像增强可用于提升摄影作品的质量，改善细节和色彩还原。
频域图像增强的优势和挑战
在本课程中，我们将探索频域图像增强的概念、原理和应用。了解傅里叶变 换、频率域滤波、统计频域增强方法和空间频率滤波等常见技术。
什么是频域图像增强
频域图像增强是一种图像处理技术，通过在图像的频域进行操作，改善图像 的质量和增强图像的细节。它基于信号处理和数学变换的原理，可以优化图 像的视觉效果。
常见的频域图像增强技术
傅里叶变换
通过将图像转换到频域，可以分析和改变图像 的频率成分。
统计频域增强方法
通过统计图像的频域特征，可以对图像进行增 强和修复。
频率域滤波
利用频域滤波器，可以增强或抑制图像的特定 频率成分。
空间频率滤波
利用空间领域和频率领域的关系，可以改善图 像的细节和对比度。
频域图像增强的应用领域
频域图像增强的作用和意义
频域图像增强可以提高图像的可视性，使图像更清晰、更鲜艳。它可以增强图像的细节，并减少噪点和模糊。 频域图像增强在许多应用领域都起到重要的作用。
频域图像增强的基本原理
频域图像增强的基本原理是将图像转换到频域，并利用频域滤波和变换等方法对图像进行处理。通过对图像的 频域表示进行操作，可以改变图像的频率分布，从而改善图像的质量。
挑战：频域图像增强需要高级数学和信号处理技术，同时需要根据具体应用 场景选择适当的算法和参数。
1 医学图像处理
频域图像增强在医学影像诊断和治疗中起着重要作用，帮助医生提取和分析图像特征。
2 航空航天图像处理
频域图像增强可以改善航空航天图像的清晰度和对比度，提高目标检测和识别的准确性。
3 摄影图像处理
频域图像增强可用于提升摄影作品的质量，改善细节和色彩还原。
频域图像增强的优势和挑战
第4章-图像增强PPT课件
将[2,7]转换到[0,9] g(i,j)=9/5*f(i,j)-18/5
09 060
02 999
00 292
27 074
79 005
0C=926.028975 0
线性动态范围调整效果
2021
25
二、非线性动态范围调整
• 提出非线性动态范围调整， 是因为线性动态范围调整 的分段线性影射不够光滑。
第4章
图像增强
问题的引入
• 看两个图例，分析画面效果不好的原因。
亮暗差别不是很大
2021
2
解决问题的思路
• 提高对比度，增加清晰度
2021
3
4.1 对比度
对比度的概念：
• 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。
2021
4
对比度的计算
• 对比度的计算公式如下：
像处理的一种手段。
• 所谓灰度变换，就是通过一个灰度映射 函数：Gnew=F(Gold)，将原灰度直方图改 造成你所希望的直方图。所以，灰度变
换的关键就是灰度映射函数F。
2021
9
•图像灰度变换主要包括： 1.线性对比度展宽 2.动态范围调整 3.直方图均衡化处理 4.伪彩色技术 5.图像反色
2021
( 1 2 3 2 3 2 ) ( 3 2 6 2 5 2 2 2 ) ( 6 2 6 2 3 2 2 2 ) ( 6 2 1 2 6 2 )
( 3 2 2 2 ) ( 2 2 6 2 2 2 ) ( 6 2 2 2 2 2 ) ( 2 2 6 2 ) ] / 4 8
– 直方图均衡化（平滑化）是一种最常用的直方图修正， 它是把给定图像的直方图分布改造成均匀直方图分布。 直方图均衡化导致图像的对比度增加。
第4讲频率域图像增强幻灯片课件
二阶GLPF 无振铃
• 高斯LPF r=30
ILPF r=30
第4讲 频率域图像增强
• 4.1 卷积 • 4.2 傅立叶变换 • 4.3 平滑频率域滤波器——低通滤波器 • 4.4 频率域锐化滤波器——高通滤波器 • 4.5 同态滤波器
2
频率域锐化滤波器
• 对F(u,v)的高频成分的衰减使图像模糊——低 通滤波
即空域中的卷积可以用频域中的乘积的反傅立叶变换来获得 –同时有： f(x,y) g(x,y) F(u,v)*G(u,v)
第4讲 频率域图像增强
• 4.1 卷积 • 4.2 傅立叶变换 • 4.3 平滑频率域滤波器——低通滤波器 • 4.4 频率域锐化滤波器——高通滤波器 • 4.5 同态滤波器
傅立叶变换的引入
•
G(u,v)=F(u,v)H(u,v)
– F(u,v)是需要钝化图像的傅立叶变换形式
– H(u,v)是选取的一个滤波器变换函数
– G(u,v)是通过H(u,v)减少F(u,v)的高频部分来 得到的结果
– 运用傅立叶逆变换得到钝化后的图像。
• 理想低通滤波器的定义
– 一个二维的理想低通滤波器（ILPF）的转换 函数满足（是一个分段函数）
BHPF透视图、图像表示和横截面
Butterworth高通滤波器的分析
• 问题：低频成分也被严重地消弱了，使图像失去 层次
• 改进措施： – 加一个常数到变换函数 H(u,v) + A （高频强调） （+A的含义？）
– 为了解决变暗的趋势，在变换结果图像上再进 行一次直方图均衡化。这种方法被称为后滤波 处理
傅立叶反变换
f (x) F(u)ej2uxdu
f (x) 1 F()ejxd
- 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)。
东华理工大学 官云兰
②指数变换
指数变换的一般表达式:
g(i, j) bcf (i,j)a 1
参数a,b,c用来调整曲线的位置和形状。 效果：较大的扩展图像的高灰度区，压缩低灰度区
东华理工大学 官云兰
二、直方图修正法
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。
rk
nk
pr(rk)=nk/n
sk累积
sk并
sk
nsk
pk(sk)
r0=0 790
0.19
0.19 1/7 s0=1/7 790 0.19
r1=1/7 1023
0.25
0.4Байду номын сангаас 3/7 s1=3/7 1023 0.25
r2=2/7 850
0.21
0.65 5/7 s2=5/7 850 0.21
r3=3/7 656
直方图均衡化的效果
• 各灰度级出现的频率近似相等； • 原图像上频率小的灰度级被合并，实现压缩；频率
高的灰度级被拉伸，因此可以使亮度集中于中部的 图像得到改善，增强图像上面积地物与周围地物的 反差。
东华理工大学 官云兰
例：假定有一幅总像素为n=64×64的图像，灰度级数为 8，各灰度级分布见下表，对其均衡化。计算过程如下：
灰度变换
内
空间域点局邻运部 域算 运算算直图 图方像 像图锐 平修化 滑正法规 均定 衡化 化
容
图像增强频率域高低低通通通滤滤滤波波波
同高态通滤滤波波增强
假彩色增强
彩色增强伪彩色增强
彩色变换增强
图像的代数运算
东华理工大学 官云兰
5.1 图像增强的点运算
输出值JP(i,j)仅与IP(i,j)有关
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。
东华理工大学 官云兰
1．线性变换 令图像f(i，j)的灰度范围为[a,b]，线性变换后
图像g(i，j)的范围为[a´,b´]，如图。 g(i，j)与f(i，j)之间的关系式为：
g(i, j) a b a ( f (i, j) a) ba
东华理工大学 官云兰
通过调整参数 a, a,b,b ，即改变变换直线的
形态，可以产生不同的变换效果。
g(x,
y)
[(d
c)
/(b
a)][
f
(x,
y)
a]
c
a f (x, y) b
[(M g d) /(M f b)][ f (x, y) b] d b f (x, y) M f
东华理工大学 官云兰
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。
原图
线性变换法
采用直方图修正后可以使图像的灰度间距拉开 或使灰度均匀分布，从而增大反差，使图像细节清 晰，达到图像增强的目的。
直方图修正法包括： 直方图均衡化 直方图规定化
东华理工大学 官云兰
1.直方图均衡化 概念
将原图像通过某种变换，得到一幅灰度直方图为均匀 分布的新图像。
直方图均衡化
从人眼视觉特性考虑，一幅图像的灰度直方图如 果是均匀分布的，感觉上该图像比较协调。
图像增强的目的：
1）采用一系列技术去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进行分析和 处理的形式。例如采用一系列技术有选择地突出 某些感兴趣的信息，同时抑制一些不需要的信息， 提高图像的使用价值。
东华理工大学 官云兰
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：
分段线性变换法
东华理工大学 官云兰
3．非线性灰度变换
当用某些非线性函数如对数函数、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。 ①对数变换
对数变换的一般表达式为
g(i, j) a ln f (i, j) 1
b ln c
a,b,c参数调整曲线的位置和形状
效果：较大的扩展图像的低灰度区，同时压缩高灰度区
点处理的计算表达式： 点运算主要以图像的灰度直方图作为分析处理的依据。
东华理工大学 官云兰
基于点运算的增强
灰度变换 直方图修正法
一、灰度变换
灰度变换可调整图像的灰度动态范围或图像对 比度，是图像增强的重要手段之一。
按照变换函数的不同，分为线性变换和非线性变 换。不同形式，得到不同的效果。
东华理工大学 官云兰
0.16
0.81 6/7
r4=4/7 329
0.08
0.89 6/7 s3=6/7 985 0.24
东华理工大学 官云兰
第五章 图像增强
图像增强的点运算 图像的空间域平滑 图像的空间域锐化 图像的频率域增强 彩色增强技术 图像的代数运算
东华理工大学 官云兰
图像增强定义：
将原来不清晰的图像变得清晰或强调某些关注的特 征，抑制非关注的特征，使之改善图像质量、丰富 信息量，加强图像判读和识别效果的图像处理方法。
东华理工大学 官云兰
直方图均衡化的变换函数
原图像直方图累积分布函数
Pr(rk)
S(rk) 1.0
原始图像
rk
rk
原图像的累积直方图
东华理工大学 官云兰
对于数字图像而言，均衡化后的灰度级sk可直接由 原图像的直方图计算出。
sk T rk
k ni n i0
0 rk 1,k 0,1,, L 1
若 b a b a ，则影像被拉
伸，亮度范围扩大;
若 b a b a ，影像被压缩，
亮度范围缩小; 对于a与b，是取在影像亮度值
的全部或部分，偏亮或偏暗 处，均可根据对影像显示效 果的需要而人为地设定。
东华理工大学 官云兰
在曝光不足或过度的情况下，图像灰度可能会局限在一 个很小的范围内。这时在显示器上看到的将是一个模糊 不清、似乎没有灰度层次的图像。采用线性变换对图像 每一个像素灰度作线性拉伸，有效地改善图像视觉效果。
东华理工大学 官云兰
2.分段线性变换
为了突出感兴趣目标所在的 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。
设原图像f(x,y)在[0，Mf], 感兴趣目标的灰度范围在
[a,b],欲使其灰度范围拉伸
到[c,d],对应分段线性变换
表达式：
(c / a) f (x, y) 0 f (x, y) a