数字图像处理-5第五章图像增强
合集下载
相关主题
- 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)。
255 输出
0
输入
255
255
255
218
32 128 255
128 255
加亮、减暗图像
加暗、减亮图像
亮度调整
非线性拉伸实例1 对比度拉伸
拉伸效果：图像加亮、减暗
非线性拉伸实例2
非线性拉伸实例3
非线性拉伸实例4
非线性拉伸实例5
非线性拉伸实例6
非线性拉伸实例7
f=imread(‘test.tif’); figure subplot(131),imshow(f) F=fft2(f); Fc=fftshift(F); S1=abs(Fc); subplot(132),imshow(S1,[]) S2=log(1+S1); subplot(133),imshow(S2,[])
（1）线性点运算
输出灰度级与输入Βιβλιοθήκη Baidu度级呈线性关系 的点运算。即：
DB f (DA) aDA b
255
DB b
f(DA)=aDA+b
0
DA
255
① 如果a>1，输出图像的对比度增大
255
0 48
218 255
提高对比度
提高对比度举例
② 如果a<1,输出图像的对比度减小
255 142
%γ分别取0.5,1,1.5
(a)原始图像
(b)γ=0.5的变换结果
(c)γ=1.5的变换结果
2. 直方图修正
灰度直方图是灰度级的函数，描述的是图 像中该灰度级的像素个数。即：横坐标表 示灰度级，纵坐标表示图像中该灰度级出 现的个数。
1 2 3 45 6 6 4 3 22 1 1 6 6 46 6 3 4 5 66 6 1 4 6 62 3 1 3 6 46 6
0
255
降低对比度
降低对比度举例
255
0
255
③ 如果a＝1，b≠0，操作仅使所有像素的 灰度值上移或下移，其效果是使整个图像 更暗或更亮
255
255
0
0
整个图像更亮 255
整个图像更暗 255
④如果a＝1，b＝0时，输出、输入图像相同
255
0 255
⑤ 如果a为负值，暗区域将变亮，亮区域将变暗
255
0 255
255
0 255
g(x, y)
线性点运算公式
d
d c b a [ f (x, y) a] c
c
f (x, y) b a f (x, y) b f (x, y) a
(2)分段线性点运算 将感兴趣的灰度范围线性扩展，相对抑制
不感兴趣的灰度区域。
设f(x,y)灰度范围为[0,Mf]，g(x,y)灰度 范围为[0,Mg],分段线性点运算如下图所示:
观察直方图可以看 出不合适的数字化
边界阈值选取
假设某图象的灰度直方图具有二峰性， 则表明这个图象的较亮的区域和较暗的区 域可以较好地分离，取这一点为阈值点， 可以得到好的二值处理的效果。
选取146为阈值的二值化
灰度图具有二峰性
具有二峰性的灰度图的2值化
直方图均衡化
2. 原理 首先假定连续灰度级的情况，推导直方图均
(a)原始图像
(b)居中的频谱图像
(c)对数变换后的频谱图像
指数变换
g f
1 原图像低灰度区对比度增强 1 原图像高灰度区对比度增强
f=imread('lena.bmp'); figure,imshow(imadjust(f,[],[],0.5)) figure,imshow(imadjust(f,[],[],1)) figure,imshow(imadjust(f,[],[],1.5))
f=rgb2gray(f);
figure;imshow(f);
figure;imhist(f)
f=double(f);
[M,N]=size(f);
fa=35;
%修改fa和fb的值改变窗口
fb=150;
k=255/(fb-fa);
for i=1;M
for j=1;N
123456 545621
4
灰度直方图
Pr(r)
Pr(r)
0
1r
0
(a)
1r (b)
图像灰度分布概率密度函数
直方图表明每一个灰度有多少个象素
图像灰度直方图的性质
直方图是一幅图像中各像素灰度值出现次 数（或频数）的统计结果，它只反映该图 像中不同灰度值出现的次数（或频数）， 而未反映某一灰度值像素所在位置。也就 是说，它只包含了该图像中某一灰度值的 像素出现的概率，而丢失了其所在位置的 信息。
任一幅图像，都能唯一地确定出一幅与它对应的直 方图， 但不同的图像，可能有相同的直方图。也就 是说，图像与直方图之间是多对一的映射关系。如 图就是一个不同图像具有相同直方图的例子。
空间信息丢失
(a)
(b)
图像与直方图间的多对一关系
图像灰度直方图的用途
用于判断图像量化是否恰当
直方图给出了一个简单可见的指示，用 来判断一幅图象是否合理的利用了全部被 允许的灰度级范围。一般一幅图应该利用 全部或几乎全部可能的灰度级，否则等于 增加了量化间隔。丢失的信息将不能恢复。
第5章 图像增强
5.1 直接灰度变换 5.2 直方图修正 5.3 同态滤波增强 5.4 图像的彩色增强
1. 线性灰度变换
点运算实际上是灰度到灰度的映射过程; 设输入图像为 A(x, y)， 输出图像为 B(x, y)
则点运算可表示为： B(x, y) = f [A(x, y)]
显然点运算不会改变图像内像素点之间的空间位 置关系。
分段线性点运算公式
g(x, y)
Mg d [ f (x, y) b] d
Mf b
d c b a [ f (x, y) a] c
c f (x, y)
a
b f (x, y) M f a f (x, y) b 0 f (x, y) a
f=imread(‘test2.bmp’);
if f(i,j)<=fa
g(i,j)=0;
else if f(i,j)>=fb
g(i,j)=0
else
g(i,j)=k*[f(i,j)-fa];
%灰级窗变换
end
end
end
end
figure;imshow(g,[]);
(c)肌肉窗
(a)原始图像 (b)肺窗
(d)骨窗
（3）非线性点运算：输出灰度级与输入灰 度级呈非线性关系的点运算。
0
输入
255
255
255
218
32 128 255
128 255
加亮、减暗图像
加暗、减亮图像
亮度调整
非线性拉伸实例1 对比度拉伸
拉伸效果：图像加亮、减暗
非线性拉伸实例2
非线性拉伸实例3
非线性拉伸实例4
非线性拉伸实例5
非线性拉伸实例6
非线性拉伸实例7
f=imread(‘test.tif’); figure subplot(131),imshow(f) F=fft2(f); Fc=fftshift(F); S1=abs(Fc); subplot(132),imshow(S1,[]) S2=log(1+S1); subplot(133),imshow(S2,[])
（1）线性点运算
输出灰度级与输入Βιβλιοθήκη Baidu度级呈线性关系 的点运算。即：
DB f (DA) aDA b
255
DB b
f(DA)=aDA+b
0
DA
255
① 如果a>1，输出图像的对比度增大
255
0 48
218 255
提高对比度
提高对比度举例
② 如果a<1,输出图像的对比度减小
255 142
%γ分别取0.5,1,1.5
(a)原始图像
(b)γ=0.5的变换结果
(c)γ=1.5的变换结果
2. 直方图修正
灰度直方图是灰度级的函数，描述的是图 像中该灰度级的像素个数。即：横坐标表 示灰度级，纵坐标表示图像中该灰度级出 现的个数。
1 2 3 45 6 6 4 3 22 1 1 6 6 46 6 3 4 5 66 6 1 4 6 62 3 1 3 6 46 6
0
255
降低对比度
降低对比度举例
255
0
255
③ 如果a＝1，b≠0，操作仅使所有像素的 灰度值上移或下移，其效果是使整个图像 更暗或更亮
255
255
0
0
整个图像更亮 255
整个图像更暗 255
④如果a＝1，b＝0时，输出、输入图像相同
255
0 255
⑤ 如果a为负值，暗区域将变亮，亮区域将变暗
255
0 255
255
0 255
g(x, y)
线性点运算公式
d
d c b a [ f (x, y) a] c
c
f (x, y) b a f (x, y) b f (x, y) a
(2)分段线性点运算 将感兴趣的灰度范围线性扩展，相对抑制
不感兴趣的灰度区域。
设f(x,y)灰度范围为[0,Mf]，g(x,y)灰度 范围为[0,Mg],分段线性点运算如下图所示:
观察直方图可以看 出不合适的数字化
边界阈值选取
假设某图象的灰度直方图具有二峰性， 则表明这个图象的较亮的区域和较暗的区 域可以较好地分离，取这一点为阈值点， 可以得到好的二值处理的效果。
选取146为阈值的二值化
灰度图具有二峰性
具有二峰性的灰度图的2值化
直方图均衡化
2. 原理 首先假定连续灰度级的情况，推导直方图均
(a)原始图像
(b)居中的频谱图像
(c)对数变换后的频谱图像
指数变换
g f
1 原图像低灰度区对比度增强 1 原图像高灰度区对比度增强
f=imread('lena.bmp'); figure,imshow(imadjust(f,[],[],0.5)) figure,imshow(imadjust(f,[],[],1)) figure,imshow(imadjust(f,[],[],1.5))
f=rgb2gray(f);
figure;imshow(f);
figure;imhist(f)
f=double(f);
[M,N]=size(f);
fa=35;
%修改fa和fb的值改变窗口
fb=150;
k=255/(fb-fa);
for i=1;M
for j=1;N
123456 545621
4
灰度直方图
Pr(r)
Pr(r)
0
1r
0
(a)
1r (b)
图像灰度分布概率密度函数
直方图表明每一个灰度有多少个象素
图像灰度直方图的性质
直方图是一幅图像中各像素灰度值出现次 数（或频数）的统计结果，它只反映该图 像中不同灰度值出现的次数（或频数）， 而未反映某一灰度值像素所在位置。也就 是说，它只包含了该图像中某一灰度值的 像素出现的概率，而丢失了其所在位置的 信息。
任一幅图像，都能唯一地确定出一幅与它对应的直 方图， 但不同的图像，可能有相同的直方图。也就 是说，图像与直方图之间是多对一的映射关系。如 图就是一个不同图像具有相同直方图的例子。
空间信息丢失
(a)
(b)
图像与直方图间的多对一关系
图像灰度直方图的用途
用于判断图像量化是否恰当
直方图给出了一个简单可见的指示，用 来判断一幅图象是否合理的利用了全部被 允许的灰度级范围。一般一幅图应该利用 全部或几乎全部可能的灰度级，否则等于 增加了量化间隔。丢失的信息将不能恢复。
第5章 图像增强
5.1 直接灰度变换 5.2 直方图修正 5.3 同态滤波增强 5.4 图像的彩色增强
1. 线性灰度变换
点运算实际上是灰度到灰度的映射过程; 设输入图像为 A(x, y)， 输出图像为 B(x, y)
则点运算可表示为： B(x, y) = f [A(x, y)]
显然点运算不会改变图像内像素点之间的空间位 置关系。
分段线性点运算公式
g(x, y)
Mg d [ f (x, y) b] d
Mf b
d c b a [ f (x, y) a] c
c f (x, y)
a
b f (x, y) M f a f (x, y) b 0 f (x, y) a
f=imread(‘test2.bmp’);
if f(i,j)<=fa
g(i,j)=0;
else if f(i,j)>=fb
g(i,j)=0
else
g(i,j)=k*[f(i,j)-fa];
%灰级窗变换
end
end
end
end
figure;imshow(g,[]);
(c)肌肉窗
(a)原始图像 (b)肺窗
(d)骨窗
（3）非线性点运算：输出灰度级与输入灰 度级呈非线性关系的点运算。