圖像處理與模式識別-第三章

圖像處理與模式識別計算機學(xué)院1/31/20231圖像處理與模式識別第三章圖像增強什么是圖像增強？圖像增強是對圖像進(jìn)行加工，以得到對具體應(yīng)用來說視覺效果更“好”，或更，“有用”的圖像的技術(shù)。為什么要增強圖象？圖像在傳輸或者處理過程中會引入噪聲或使圖像變模糊，從而降低了圖像質(zhì)量，甚至淹沒了特征，給分析帶來了困難。目的：改善圖像的視覺效果，提高圖像的清晰度；將圖像轉(zhuǎn)換成一種更適合于人或機器分析處理的形式。1/31/20232圖像處理與模式識別第三章圖像增強方法分類空域法：直接在圖像所在的空間進(jìn)行處理，如灰度映射、直方圖變換等。變換域法：在變換域?qū)D像進(jìn)行處理。最常用的變換空間就是頻域空間，也就是傅立葉變換空間。一點說明在圖像增強的過程中，沒有新信息的增加，只是通過壓制一部分信息，從而突出另一部分信息。1/31/20233圖像處理與模式識別第三章圖像增強3.1基于點操作的增強3.2圖像平滑3.3圖像銳化3.4彩色增強1/31/20234圖像處理與模式識別3.1基于點操作的增強3.1.1圖像間運算

借助對一系列圖像間的操作進(jìn)行變換3.1.2灰度變換

將f(·)

中的每個像素按T操作直接變換得到g(·)3.1.3直方圖變換

借助f(·)

的直方圖進(jìn)行變換

數(shù)字圖像是一個二維的空間像素陣列，陣列中的數(shù)值就是該位置像素的灰度值?；邳c操作的增強就是將這個二維的像素陣列置于笛卡爾坐標(biāo)系中，以單個像素為對象進(jìn)行的增強處理，這是一種簡單、實用的圖像增強技術(shù)。常見的增強方法主要有以下幾類：1/31/20235圖像處理與模式識別3.1.1圖像間運算算術(shù)運算加法：記為p+q減法：記為p-q乘法：記為p*q(pq或p×q)除法：

記為p÷q1、圖像間的算術(shù)與邏輯運算邏輯運算像素求補記為像素間的與記為像素間的或記為像素間的異或記為1/31/20236圖像處理與模式識別3.1.1圖像間運算邏輯運算示例：圖中黑色代表1，白色代表01/31/20237圖像處理與模式識別3.1.1圖像間運算1/31/20238圖像處理與模式識別3.1.1圖像間運算2、圖像間運算的應(yīng)用（1）圖像加法運算的應(yīng)用：多幅圖像累加可以用于減少或去除圖像采集過程中引入的隨機噪聲。1/31/20239圖像處理與模式識別3.1.1圖像間運算用圖像平均消除隨機噪聲：1/31/202310圖像處理與模式識別3.1.1圖像間運算（2）圖像間減法運算的應(yīng)用1/31/202311圖像處理與模式識別3.1.1圖像間運算圖(a)-(c)是一個視頻序列中的連續(xù)三幀圖像，圖(d)為第一幀和第二幀之差，圖(e)為第二幀和第三幀之差，圖(f)為第一幀和第三幀之差。1/31/202312圖像處理與模式識別3.1.2灰度變換灰度變換的原理灰度變換的優(yōu)點擴大圖像灰度的動態(tài)范圍，提高圖像的對比度?；叶茸儞Q的分類（根據(jù)變換函數(shù)的不同）線性變換分段線性變換非線性變換1/31/202313圖像處理與模式識別3.1.2灰度變換1、線性變換1/31/202314圖像處理與模式識別3.1.2灰度變換擴展動態(tài)范圍：改變?nèi)≈祬^(qū)間：縮小動態(tài)范圍：反轉(zhuǎn)或取反：1/31/202315圖像處理與模式識別3.1.2灰度變換擴展感興趣的，犧牲其它對于感興趣的區(qū)間[a,b]，采用斜率大于1的線性變換來進(jìn)行擴展，而把其它區(qū)間用c或d來表示。變換函數(shù)為擴展感興趣的，壓縮其它

在擴展感興趣的[a,b]區(qū)間的同時，為了保留其它區(qū)間的灰度層次，也可以采用其它區(qū)間壓縮的方法，即有擴有壓。變換函數(shù)為2、分段線性變換1/31/202316圖像處理與模式識別3.1.2灰度變換(a)原圖像；(b)擴展動態(tài)范圍；(c)圖像取反；(d)有擴有壓1/31/202317圖像處理與模式識別3.1.2灰度變換3、非線性變換（1）對數(shù)變換：函數(shù)中的參數(shù)用來調(diào)節(jié)曲線的位置和形狀。對數(shù)變換用于擴展低灰度區(qū)域，壓縮高灰度區(qū)域，使灰度較低的圖像細(xì)節(jié)看的更清楚。同時，對數(shù)變換使圖像的灰度與人的視覺特性相匹配。

(a)圖像(b)圖像的傅里葉變換(c)圖(b)的對數(shù)變換結(jié)果1/31/202318圖像處理與模式識別3.1.2灰度變換（2）指數(shù)變換：函數(shù)中的參數(shù)用來調(diào)節(jié)曲線的位置和形狀。指數(shù)變換的效果與對數(shù)變換的效果相反，它壓縮低灰度區(qū)域，擴展高灰度區(qū)域，適用于較亮或過亮的圖像。1/31/202319圖像處理與模式識別3.1.2灰度變換1/31/202320圖像處理與模式識別3.1.2灰度變換課堂練習(xí)1/31/202321圖像處理與模式識別3.1.3直方圖變換1、直方圖的概念111155555555777711151555775577551/31/202322圖像處理與模式識別3.1.3直方圖變換1/31/202323圖像處理與模式識別3.1.3直方圖變換1、直方圖均衡化

直方圖均衡化就是通過原始圖像的灰度非線性變換，使其直方圖變成均勻分布，以增加圖像灰度值的動態(tài)范圍，從而達(dá)到增強圖像整體對比度，使圖像變清晰的效果。直方圖均衡實質(zhì)上是減少圖像的灰度以換取對比度的加大。因此，均衡化后的圖像常會出現(xiàn)假輪廓。1/31/202324圖像處理與模式識別3.1.3直方圖變換直方圖均衡化的原理：1/31/202325圖像處理與模式識別3.1.3直方圖變換直方圖均衡化的計算：1/31/202326圖像處理與模式識別3.1.3直方圖變換直方圖均衡化的計算：1/31/202327圖像處理與模式識別3.1.3直方圖變換直方圖均衡化的計算：1/31/202328圖像處理與模式識別3.1.3直方圖變換1/31/202329圖像處理與模式識別3.1.3直方圖變換2、直方圖規(guī)定化直方圖均衡化能自動增強整個圖像對比度，結(jié)果得到全局均勻化直方圖，但實際應(yīng)用中有時要求突出感興趣灰度范圍，即修正直方圖使其具有要求的形式。（a）原直方圖；（b）正態(tài)擴展直方圖；（c）均勻化直方圖；（d）暗區(qū)擴展直方圖；（e）亮區(qū)擴展直方圖。1/31/202330圖像處理與模式識別3.1.3直方圖變換直方圖規(guī)定化的定義修改圖像的直方圖，使得它與另一幅圖像的直方圖匹配或具有一種預(yù)先規(guī)定的函數(shù)形狀。直方圖規(guī)定化的目的突出感興趣的灰度范圍。與直方圖均衡化的關(guān)系直方圖均衡化是直方圖規(guī)定化的一個特例。2、直方圖規(guī)定化1/31/202331圖像處理與模式識別3.1.3直方圖變換2、直方圖規(guī)定化直方圖規(guī)定化的原理：1/31/202332圖像處理與模式識別3.1.3直方圖變換直方圖規(guī)定化的實現(xiàn)：1/31/202333圖像處理與模式識別3.1.3直方圖變換第三步的對應(yīng)規(guī)則：單映射規(guī)則(SLM:SingleMappingLow)組映射規(guī)則(GLM:GroupingMappingLaw)1/31/202334圖像處理與模式識別3.1.3直方圖變換1/31/202335圖像處理與模式識別3.1.3直方圖變換1/31/202336圖像處理與模式識別3.1.3直方圖變換直方圖規(guī)定化的繪圖計算：1/31/202337圖像處理與模式識別3.1.3直方圖變換直方圖均衡自動增加效果不易控制總得到全局增加的結(jié)果直方圖規(guī)定化有選擇的增強需給定需要的直方圖可特定的增強結(jié)果直方圖均衡與直方圖規(guī)定化的對比：1/31/202338圖像處理與模式識別3.1.3直方圖變換1/31/202339圖像處理與模式識別3.2圖像平滑圖像平滑的目的消除噪聲噪聲的來源在光電、電磁轉(zhuǎn)換過程中引入的人為噪聲大氣層電（磁）暴、閃電、電壓、或浪涌等引起的強脈沖性沖擊噪聲由物理量的不連續(xù)或粒子性引起的自然起伏噪聲方法分類空域或頻域全局處理或局部處理線性平滑或非線性平滑和自適應(yīng)平滑1/31/202340圖像處理與模式識別3.2圖像平滑3.2.1領(lǐng)域平均法3.2.2空域低通濾波3.2.3頻域低通濾波3.2.4多圖像平均法3.2.5中值濾波1/31/202341圖像處理與模式識別3.2.1領(lǐng)域平均法鄰域平均法的原理：1/31/202342圖像處理與模式識別3.2.1領(lǐng)域平均法閾值平均法：為克服鄰域平均使圖像變模糊的缺點，可以采用加門限的方法來減少這種模糊。具體計算公式是：式中T是一個規(guī)定的非否閾值（可通過實驗的方法來選擇），當(dāng)一些點和它們的鄰值的差值不超過規(guī)定的閾值T時，仍保留這些點的像素灰度值。1/31/202343圖像處理與模式識別3.2.1領(lǐng)域平均法1/31/202344圖像處理與模式識別3.2.1領(lǐng)域平均法加權(quán)平均法：用鄰域內(nèi)灰度值及本點灰度加權(quán)值來代替該點灰度值.加閾值加權(quán)平均法：優(yōu)點：既平滑了噪聲，又保證了邊緣不至于模糊。1/31/202345圖像處理與模式識別3.2.2空域低通濾波

從信號頻譜分析的知識可知，信號的慢變部分在頻率域?qū)儆诘皖l部分，而信號的快變部分在頻率域?qū)儆诟哳l部分。對圖像來說，它的邊緣以及噪聲干擾的頻率分量處于空間頻率域較高的部分，因此可以采用低通濾波的方法去除噪聲。頻域濾波可通過空間域卷積來實現(xiàn)。因此只需要設(shè)計空域系統(tǒng)的單位脈沖相應(yīng)。1/31/202346圖像處理與模式識別3.2.2空域低通濾波幾種常用噪聲平滑的系統(tǒng)單位沖激響應(yīng)陣列：1/31/202347圖像處理與模式識別3.2.3頻域低通濾波1、頻域低通濾波原理1/31/202348圖像處理與模式識別3.2.3頻域低通濾波2、幾種常用的低通濾波器（1）理想低通濾波器（ILPF）：傳遞函數(shù)：理想低通濾波器能夠得到比較好的濾波效果，但是它在處理過程中會產(chǎn)生較嚴(yán)重的模糊和“振鈴”現(xiàn)象。1/31/202349圖像處理與模式識別3.2.3頻域低通濾波1/31/202350圖像處理與模式識別3.2.3頻域低通濾波（2）巴特沃斯低通濾波器（BLPF）：n階巴特沃斯低通濾波器傳遞函數(shù)：或通帶與阻帶之間沒有明顯的不連續(xù)性，因此它沒有“振鈴”現(xiàn)象發(fā)生，模糊程度減少，但是它在尾部保留有較多的高頻，所以對噪聲的平滑不如ILPF。1/31/202351圖像處理與模式識別3.2.3頻域低通濾波1/31/202352圖像處理與模式識別3.2.3頻域低通濾波（3）指數(shù)型低通濾波器（ELPF）：或ELPF的傳遞函數(shù)：由于ELPF具有比較平滑的過渡帶，為此平滑后的圖像沒有振鈴現(xiàn)象，而ELPF比BLPF有更快的衰減特性。1/31/202353圖像處理與模式識別3.2.3頻域低通濾波1/31/202354圖像處理與模式識別3.2.3頻域低通濾波（4）梯型低通濾波器（TLPF）：介于理想低通濾波器和具有平滑過渡帶的低通濾波器之間。1/31/202355圖像處理與模式識別3.2.3頻域低通濾波1/31/202356圖像處理與模式識別3.2.3頻域低通濾波四種濾波器性能比較：1/31/202357圖像處理與模式識別3.2.4多圖像平均法

原理：

利用對同一景物的多幅圖像的平均來消除噪聲產(chǎn)生的高頻成份。局限性：圖像的配準(zhǔn)。1/31/202358圖像處理與模式識別3.2.4中值濾波（非線性平滑濾波）中值濾波的原理：對一個窗口（記為W）內(nèi)的所有像素灰度值進(jìn)行排序，取排序結(jié)果的中間值作為W中心點處像素的灰度值。中值濾波的作用：對干擾脈沖和點噪聲有良好抑制作用，而對圖象邊緣能較好地保持的非線性圖象增強技術(shù)。中值濾波的依據(jù)：噪聲以孤立點的形式出現(xiàn)，這些點對應(yīng)的像素數(shù)很少，而圖像則是由像素數(shù)較多、面積較大的塊構(gòu)成。中值濾波的實現(xiàn)：可采用分離的中值濾波來實現(xiàn)二維中值濾波，從而提高計算效率。1/31/202359圖像處理與模式識別3.2.4中值濾波1/31/202360圖像處理與模式識別3.2.4中值濾波中值濾波常用窗口：線狀、方形、十字形、圓形和菱形等。對于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口比較適宜；對于包含尖頂物體的圖像，則宜采用十字形窗口。使用二維中值濾波最值得注意的是要保持圖像中有效的線狀物體。如果圖像中的點、線、尖角細(xì)節(jié)較多，則不宜采用中值濾波。1/31/202361圖像處理與模式識別3.2.4中值濾波中值濾波的主要特性對離散階躍信號和斜升（或斜降）信號不產(chǎn)生影響；連續(xù)個數(shù)小于窗口寬度一半的離散脈沖將被濾除；三角形信號的頂部被削平；令C為常數(shù)，則有1/31/202362圖像處理與模式識別3.2.4中值濾波1/31/202363圖像處理與模式識別3.2.4中值濾波復(fù)合型中值濾波中值濾波的線性組合高階中值濾波其它類型的中值濾波：迭代中值濾波等1/31/202364圖像處理與模式識別3.3圖像銳化圖像變模糊的原因：圖像受到平均或積分運算，使目標(biāo)物輪廓變模糊，細(xì)節(jié)、輪廓（邊緣）不清晰。目的：加重目標(biāo)物輪廓，使模糊圖像變清晰。注意事項：圖像必須有較高的信噪比。方法分類：3.3.1微分法模糊圖像實質(zhì)是受到平均或積分運算，故對其進(jìn)行逆運算（微分），使圖像清晰；3.3.2頻域濾波增強從頻域角度考慮，圖像模糊的實質(zhì)是高頻分量被衰減，故可用高頻提升濾波法加重高頻，使圖像清晰。1/31/202365圖像處理與模式識別3.3.1微分法（1）基于一階微分的梯度算子：梯度的幅值算子是各向同性的。1/31/202366圖像處理與模式識別3.3.1微分法在圖像中灰度變換較大的邊緣區(qū)域梯度值較大，在灰度變換平緩的區(qū)域梯度較小，在灰度均勻區(qū)域梯度值為零。1/31/202367圖像處理與模式識別3.3.1微分法方法一：方法一的特點：增強的圖像僅顯示灰度變換比較陡的邊緣輪廓，而灰度變化平緩的區(qū)域則顯示黑色。方法二：方法二的特點：選取適當(dāng)非否閾值T,既可是明顯的邊緣輪廓得到突出，又不會破壞原來變換比較平緩的背景。增強方法：1/31/202368圖像處理與模式識別3.3.1微分法方法三：方法三的特點:

式中LG是根據(jù)需要指定的一個灰度級，它將明顯邊緣用一個固定的灰度級來實現(xiàn)。方法四:方法四的特點:

將背景用一個固定灰度級LG來實現(xiàn)，便于研究邊緣灰度的變換。1/31/202369圖像處理與模式識別3.3.1微分法方法五：方法五的特點：將背景和邊緣用二值特性表示，便于研究邊緣所在的位置。1/31/202370圖像處理與模式識別3.3.1微分法（2）拉普拉斯算子：1/31/202371圖像處理與模式識別3.3.1微分法（2）拉普拉斯算子：1/31/202372圖像處理與模式識別1/31/202373圖像處理與模式識別3.3.1微分法拉普拉斯算子銳化結(jié)果1/31/202374圖像處理與模式識別3.3.1微分法（3）Sobel算子：Sobel算子的計算：銳化方法：1/31/202375圖像處理與模式識別3.3.1微分法由于引入了加權(quán)平均，因而對圖像中的隨機噪聲具有一定的平滑作用。由于Sobel算子采用間隔兩行兩列差分，所以圖像中邊緣兩側(cè)的像素得到增強，Sobel算子得到銳化圖像的邊緣顯得粗而亮。Sobel算子的特點：1/31/202376圖像處理與模式識別3.3.1微分法1/31/202377圖像處理與模式識別3.3.2頻域濾波增強1、高通濾波（1）理想高通濾波器（IHPF）1/31/202378圖像處理與模式識別3.3.2頻域濾波增強（2）巴特奧斯高通濾波器（BHPF）1/31/202379圖像處理與模式識別3.3.2頻域濾波增強（3）指數(shù)高通濾波器（EHPF）1/31/202380圖像處理與模式識別3.3.2頻域濾波增強（4）梯形高通濾波器（THPF）1/31/202381圖像處理與模式識別3.3.2頻域濾波增強2、同態(tài)濾波一幅圖像是由光源的照度分量（也稱照度場）和目標(biāo)場的反射分量組成，即如果我們能從中把和分開，并分別采取壓縮低頻、提升高頻的方法，就可達(dá)到減弱照度分量、增強反射分量，使圖像清晰的目的。（1）同態(tài)濾波的原理1/31/202382圖像處理與模式識別3.3.2頻域濾波增強（