圖像視頻處理研課件20142預(yù)處理

1、第4章 圖像預(yù)處理主要內(nèi)容 研究頻圖像處理問(wèn)題常用件環(huán)境介紹，結(jié)合編程實(shí)例講述下面問(wèn)題。 4.1 灰度變換 4.2 圖像平滑 4.3 圖像銳化 4.4 圖像校正 4.5 圖像形態(tài)學(xué)處理24.1 灰度變換灰度變換是為了善圖像的視覺(jué)效果，提高圖像內(nèi)景物成分的清晰度，而對(duì)圖像各個(gè)像素進(jìn)行的調(diào)整操作。4.1.1 直接灰度變換亮度調(diào)整加亮或減暗圖像對(duì)圖像中每個(gè)像素加上（或減去）一個(gè)常數(shù)。設(shè)像素亮度為v，b是亮度常數(shù)，變換按下式進(jìn)行：v=v+b如果b為正數(shù)，則像素亮度增加， 如果b為負(fù)數(shù)，則像素亮度減少。1.研究頻圖像處理問(wèn)題常用件環(huán)境 Vc+opencv：適用于工程應(yīng)用，也可進(jìn)行算法研究，要求的編程基礎(chǔ)

2、較高。演示用vc對(duì)圖像進(jìn)行簡(jiǎn)單處理的例子（上講作業(yè)、亮度調(diào)整）。：使用者可擺脫程序?qū)崿F(xiàn)細(xì)節(jié)，對(duì)處理算法效果進(jìn)行驗(yàn)證，易掌握，適用于算法研究。對(duì)圖像進(jìn)行簡(jiǎn)單處理的例子（亮度調(diào)整，運(yùn)演示用行imageshow.m）。增強(qiáng)對(duì)比度對(duì)比度指亮度的最大值和最小值之比，可通過(guò)增加原圖中某兩個(gè)灰度值間的動(dòng)態(tài)范圍來(lái)實(shí)現(xiàn)。1）全域線性變換設(shè)原圖像f(x,y)的灰度范圍為a,b，希望變換后圖像g(x,y)2.的灰度范圍擴(kuò)展至c,d，使光不充分的圖像中黑的更黑，白的更白，從而提高圖像的灰度對(duì)比度。0f(x,y)aaf(x,y)b bf(x,y)線性變換系圖像的反色變換，將原圖灰度值翻轉(zhuǎn)，即使黑變白、白變黑。普通黑白底

3、片和照片的系就是這樣。2）分段線性變換為了突出感變換。趣的目標(biāo)或灰度區(qū)間，常采用分段線性0f(x,y)aaf(x,y)b bf(x,y)Mf分段線性變換可對(duì)任一灰度區(qū)間進(jìn)行擴(kuò)展或壓縮。3）非線性變換有時(shí)圖像的動(dòng)態(tài)范圍太大，超出了某些顯示備的許動(dòng)態(tài)范圍，這時(shí)若直接使用原圖則一部分可能丟失。解決的辦法是對(duì)原圖進(jìn)行灰度壓縮。種常用的壓縮方法是借助對(duì)數(shù)形式的變換。4.1.2 直方圖變換直方圖的基本概念1）用橫坐標(biāo)表示灰度級(jí)，縱坐標(biāo)表示像素?cái)?shù)，作出像素1.數(shù)灰度值圖形，稱為該圖像的灰度直方圖，方圖。直方圖是用來(lái)表示圖像中灰度級(jí)分布情況的統(tǒng)計(jì)圖，給出圖像的灰度范圍、灰度級(jí)大致分布情況。稱直2）直方圖的性質(zhì)

4、反映一幅圖像中各個(gè)像素灰度值出現(xiàn)的次數(shù)，但是不能反映某一灰度值像素所在圖像中的位置，失去了圖像的空間息。一幅圖像對(duì)應(yīng)一個(gè)直方圖，但一個(gè)直方圖并不一定只對(duì)應(yīng)一幅圖像。幾幅圖像只要灰度分布密度相同，那么它們的直方圖也是相同的。3）直方圖的生成一幅4×4像素大小的圖像，占有8個(gè)灰度級(jí)，如圖a。對(duì)應(yīng)直方圖b。4）直方圖的用途數(shù)字化參數(shù)利用直方圖，恰當(dāng)選擇圖像數(shù)字化時(shí)的參數(shù)，使得數(shù)字化后的圖像對(duì)比度較好，圖像清晰。確定閾值對(duì)于直方圖具有明顯雙峰性的圖像，兩個(gè)尖峰對(duì)應(yīng)于物體內(nèi)部和外部較多數(shù)目的點(diǎn)，兩峰間的谷底對(duì)應(yīng)于物體邊緣附近相對(duì)較少數(shù)目的點(diǎn)?？梢赃x擇谷底作為閾值把不同灰度的物體以及背景開(kāi)。2.

5、 直方圖的均衡化均衡化：使圖像的直方圖均勻分布的處理過(guò)程基本思想：把原始圖像的直方圖變換為均勻分布的形式，增加像素灰度值的動(dòng)態(tài)范圍，增強(qiáng)圖像整體上的對(duì)比度。 直方圖均衡化以累積分布函數(shù)為變換函數(shù)。具體步驟：1） 列出圖像灰度rk 。2） 求各圖像灰度的像素?cái)?shù)。3） 原始圖像直方圖歸一化處理 。4） 計(jì)算累積分布函數(shù)值5） 量化累積分布函 數(shù)射到新的灰度級(jí)上。6） 計(jì)算新直方圖。系（rk®sk），把原始灰度級(jí)映值，確定射對(duì)應(yīng) 例4-1 假設(shè)一圖像，大小為64´64像素，8個(gè)灰度級(jí)，各灰度級(jí)對(duì)應(yīng)的像素個(gè)數(shù)為灰度級(jí)01234567各灰度級(jí)像素個(gè)數(shù)ni790102385065632

6、924512281直方圖均衡化處理過(guò)程灰度級(jí)01234567原像素?cái)?shù)7901023850656329245122810.190.250.210.160.080.060.030.02原直方圖0.190.440.650.810.890.950.981.00量化級(jí)01/7=0.142/7=0.293/7=0.434/7=0.575/7=0.716/7=0.861新灰度級(jí)13566777rksk0113253,465,6,77新像素?cái)?shù)07900102308509854483. 直方圖的規(guī)定化有時(shí)希望變換后的新圖像的直方圖能成為某個(gè)特定的形狀，以對(duì)圖像中的某些灰度級(jí)加以增強(qiáng)。直方圖的規(guī)定化是使直方圖按照

7、指定規(guī)律分布的處理過(guò)程。4.2 圖像平滑消除圖像噪聲的工作稱為圖像平滑或?yàn)V波。噪聲惡化了圖像質(zhì)量，使圖像模糊，特征淹沒(méi)，給分析帶來(lái)常見(jiàn)噪聲難。加性噪聲 ： 和圖像信號(hào)強(qiáng)度不相關(guān)乘性噪聲：量化噪聲：椒鹽噪聲和圖像信號(hào)相關(guān)數(shù)字圖像的主要噪聲源處理方法視噪聲本身的特性而定，可以在空間域或在頻率采用不同的措施。4.2.1 鄰域平均法正常像素值與其鄰近像素值相似，而噪聲點(diǎn)像素的灰度與其鄰近像素有所不同。鄰域平均方法有：3×3均值濾波、超限鄰域平均法、N×N均值濾波器、選擇式掩模平滑等。f(i-1,j-1)f(i-1,j)f(i-1,j+1)f(i,j-1)f(i,j)f(i,j+1)

8、f(i+1,j-1)f(i+1,j)f(i+1,j+1)3×3均值濾波設(shè)f(i,j)為給定的含有噪聲的圖像，經(jīng)過(guò)處理的圖像為g(i,j)。對(duì)f(i,j)上每個(gè)像素選取一定尺寸的鄰域，并用鄰域中鄰近像素的平均灰度來(lái)置換這一像素值，對(duì)全部像素處理后可獲得g(i,j)。對(duì)于鄰域可以有不同的選取方式（模板)：1.均值濾波處理是以圖像模糊為代價(jià)來(lái)?yè)Q取噪聲的減小的，且面積越大，噪聲減少越顯著，但圖像模糊也越強(qiáng)烈。具體實(shí)現(xiàn)步驟：1) 取得圖像大小、數(shù)據(jù)區(qū)，并把數(shù)據(jù)區(qū)2) 循環(huán)取得各點(diǎn)像素值。3) 取得該點(diǎn)周圍8像素值的平均值。制到緩沖中。4)把緩沖中改動(dòng)的數(shù)據(jù)制到原數(shù)據(jù)中。2.超限鄰域平均法以某個(gè)

9、灰度值T作為閾值，只有當(dāng)某個(gè)像素的灰度與其鄰近像素的平均值之差超過(guò)閾值時(shí)，才使用平均灰度置換這個(gè)像素灰度其他對(duì)抑制椒鹽噪聲比較有效，能較好地保護(hù)僅有微小灰度差的圖像細(xì)節(jié)。具體實(shí)現(xiàn)步驟1） 取得圖像大小、數(shù)據(jù)區(qū)，并把數(shù)據(jù) 區(qū)2） 循環(huán)取得各點(diǎn)像素值3） 取得該點(diǎn)周圍8像素值的平均值制到緩沖中4）斷該點(diǎn)的像素值與均值的差是否大于門限值，若大于平均值，則將平均值賦于該點(diǎn)，否則還保留原像素的灰度值。5）把緩沖中改動(dòng)的數(shù)據(jù)制到原數(shù)據(jù)中。3. 選擇式掩模平滑鄰域平均法在消除噪聲的同時(shí)，不可避免地帶來(lái)了平均化的缺憾，使尖銳變化的邊緣變得模糊?？紤]到圖像中目標(biāo)物體和背景一般都具有不同的統(tǒng)計(jì)特性，即具有不同的均

10、值和方差，為保留一定的邊緣可采用自適應(yīng)的局部平滑濾波。息，選擇式掩模平滑法取5×5窗口，在窗口內(nèi)以中心像素f(i,j)為基準(zhǔn)點(diǎn)，制作4個(gè)五邊形、4個(gè)六邊形、1個(gè)邊長(zhǎng)為3的正方形，共9種形狀的窗口，分別計(jì)算每個(gè)窗口內(nèi)的平均值及方差，采用方差最小的口進(jìn)行平均化，也稱自適應(yīng)平滑。蔽蔽窗a) 周圍9鄰近b) 左7鄰近c(diǎn))上7鄰近d)右7鄰近e)下7鄰近 f)左上7鄰近g)右上7鄰近h)右下7鄰近i)左下7鄰近選擇式掩膜平滑的具體實(shí)現(xiàn)步驟：1）取得圖像大小、數(shù)據(jù)區(qū)，把數(shù)據(jù)區(qū)制到緩沖中。2） 循環(huán)取得各點(diǎn)像素值；分別計(jì)算各掩模的均值(ai)及 方差（k）;k=1,2,3.,93） 在此基礎(chǔ)上，對(duì)

11、k排序，最小方差所對(duì)應(yīng)的掩膜的灰 度級(jí)均值ak作為f(i,j)的平滑輸出g(i,j) 。4） 邊緣需做特殊處理。5）把緩沖中改動(dòng)的數(shù)據(jù)制到原數(shù)據(jù)中。4.2.2 中值濾波中值濾波器是一種非線性的濾波器，在一定的條件下， 可以克服線性濾波器所帶來(lái)的圖像細(xì)節(jié)模糊，對(duì)濾除脈沖干擾和椒鹽噪聲最為有效。對(duì)一些細(xì)節(jié)特別多，特別是點(diǎn)、線、尖頂?shù)膱D像不宜采用。二維統(tǒng)計(jì)中值濾波可表示為作業(yè)：編寫(xiě)程序，研究中值濾波算法的濾波效果。，也可以用vc。可以用4.2.3 多圖像平均法多圖像平均法是利用對(duì)同一景物的多幅圖像取平均來(lái)消除噪聲的高頻成分，在圖像集中常應(yīng)用此方法去除噪聲。對(duì)同一景物f(x,y)攝取M幅圖像gi(x,

12、y)（i=1，M），由在，所以gi(x,y)可以表示為于在獲取時(shí)可能有隨機(jī)噪聲gi(x,y)f(x,y)十ni(x,y)ni(x,y)是疊加在每一幅圖像gi(x,y)上的隨機(jī)噪聲。假設(shè)各點(diǎn)的噪聲是互不相關(guān)的，且均值為0，如果對(duì)M幅圖像作灰度平均，則平均后的圖像為數(shù)學(xué)期望方差對(duì)M幅圖像平均，噪聲方差變?yōu)樵瓉?lái)的1/M，更接近于f(x,y) 。圖像的平滑區(qū)域?qū)?yīng)于直流低頻分量，噪聲對(duì)應(yīng)于頻譜中頻率較高的部分。構(gòu)造一個(gè)低通濾波器，使低頻分量順利通過(guò)而有效地阻止高頻分量，即可濾除高頻噪聲，再經(jīng)逆變換就可以得到平滑圖像。G(u,v)=H(u,v)F(u,v)其中F(u,v)為含有噪聲原圖像的頻域表示；H(

13、u,v)為低通濾波器的傳遞函數(shù)；G(u,v)為經(jīng)低通濾波后輸出圖像的頻域表示。因此需要選擇一個(gè)合適的H(u,v)。4.2.4 低通濾波法理想低通濾波器二維理想低通濾波器的轉(zhuǎn)移函數(shù)1.D0是截止頻率，D(u,v) 是從點(diǎn)(u,v)到原點(diǎn)的距離，D(u,v)=(u2+v2)1/2，如圖2.思低通濾波器物理上可以實(shí)現(xiàn)的一種低通濾波器是斯低通濾波器。截止頻率為D0的n階低通濾波器的轉(zhuǎn)移函數(shù)為斯1階面如圖。思低通濾波器的剖4.3 圖像銳化4.3.1 圖像銳化的基本思路突出物體的邊緣邊緣是圖像上灰度變化比較劇烈的地方物體的邊緣是以圖像局部特性不連續(xù)性的形式出現(xiàn)的圖像的邊緣有方向和幅度兩個(gè)特性利用方向?qū)?shù)變

14、化規(guī)律來(lái)檢測(cè)邊緣從頻域來(lái)看，圖像中的邊緣及急劇變化部分都與高頻 分量有關(guān)，高通濾波法也是實(shí)現(xiàn)圖像銳化的一種手段。圖像平滑積分圖像銳化微分4.3.2 梯度算子定義圖像f(x,y)在點(diǎn)(x,y)的梯度矢量為G(x,y)。像某處沿x方向的灰度變化率像某處沿y方向的灰度變化率1) 梯度的方向?yàn)楹瘮?shù)f(x,y)變化率最大的方向。2) 梯度的幅度由下式計(jì)算：對(duì)于離散圖像有圖圖對(duì)于離散圖像，可近似簡(jiǎn)化為稱為水平垂直差分法。用交叉的差分表示梯度，簡(jiǎn)化表示為稱為Roberts梯度。4.3.3 拉拉斯算子對(duì)于一個(gè)連續(xù)的二元函數(shù)F(x,y)，拉拉斯算子定義為對(duì)數(shù)字圖像來(lái)講，f(x,y)的二階偏導(dǎo)數(shù)表示為因此，數(shù)字圖

15、像的拉拉斯算子4.3.4 高通濾波法理想高通濾波器1.理想二維高通濾波器的傳遞函數(shù)表示D0是截止頻率；傳遞函數(shù)示意如圖2.斯高通濾波器n階截止頻率為D0巴特沃斯高通濾波器的轉(zhuǎn)移函數(shù)其中4.4 圖像校正圖像校正：對(duì)失真圖像進(jìn)行的復(fù)原性處理失真的因有：成像系統(tǒng)的像差、畸變、帶寬有限等造成的圖像失真；由成像器件拍攝姿態(tài)和掃描非線性引起的圖像幾何失真；由動(dòng)模糊、輻射失真、引入噪聲等造成的圖像失真。幾何校正：用于改正圖像集系統(tǒng)的系統(tǒng)誤差和儀器位置的隨機(jī)誤差所進(jìn)行的變換對(duì)圖像進(jìn)行空間坐標(biāo)變換確定各像素的灰度值（灰度內(nèi)插）4.4.1 圖像校正的基本思路任意幾何失真都可由非失真坐標(biāo)系(x,y)到失真坐標(biāo)系的變

16、換方程來(lái)定義：設(shè)f(x,y) 是無(wú)失真的原始圖像，f(x,y)畸變的結(jié)果，這一失真的過(guò)程是已知的，并且用函數(shù)h1和h2定義，于是有在圖像中本來(lái)應(yīng)該出現(xiàn)在像素(x,y)上的灰度值由于失真，實(shí)際上卻出現(xiàn)在了。這種失真的復(fù)原問(wèn)題實(shí)際上是射變換問(wèn)題。上是1(x,y),h2(x,y) 情況下復(fù)原處理：已知,h雙線性差值4.5 圖像形態(tài)學(xué)處理由于噪聲的影響，圖像在閾值化后所得到的邊界通常都很不平滑，物體區(qū)域具有一些噪聲孔，而背景區(qū)域上散布著一些小的噪聲物體，連續(xù)的開(kāi)和閉運(yùn)算可以有效的善這種情況。圖像腐蝕與圖像膨脹相結(jié)合有時(shí)可使圖像有較理想的處理效果。運(yùn)算有腐蝕（Erosion）和膨脹 常見(jiàn)形態(tài)（Dilation）兩種腐蝕：刪除對(duì)象某些像素。膨脹：給圖像中的對(duì)象添加像素。先腐蝕后膨脹的過(guò)程稱為開(kāi)運(yùn)算。閉運(yùn)算是先膨脹后腐蝕的過(guò)程 結(jié)構(gòu)元素是膨脹和腐蝕操作的最基本組成部分， 通常要比待處理的圖像小的多。二維平面結(jié)構(gòu)元素由一個(gè)數(shù)值為0或1的矩陣組成。每個(gè)元素的數(shù)值決定結(jié)構(gòu)元素的鄰域像素在進(jìn)行膨脹或腐蝕操作時(shí)是否需要參與計(jì)算。膨脹的算法： 用