數(shù)字圖象處理三空間域圖像增強(qiáng)

數(shù)字圖象處理三空間域圖像增強(qiáng)第一頁(yè)，共五十八頁(yè)，編輯于2023年，星期三一、概述:●圖像增強(qiáng)的目標(biāo)

處理圖像，使其比原始圖像更適合于特定的應(yīng)用。說(shuō)明：1?！昂谩焙汀坝杏谩睕](méi)有統(tǒng)一的標(biāo)準(zhǔn)。2。圖像增強(qiáng)并不以圖像保真為準(zhǔn)則●圖像增強(qiáng)分為“空間域圖像增強(qiáng)”和“頻率域圖像增強(qiáng)”。第二頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.1背景知識(shí)

●定義空間域的圖像處理為：●圖像的操作分為兩大類(lèi)：

單點(diǎn)操作:

鄰域操作：第三頁(yè)，共五十八頁(yè)，編輯于2023年，星期三●對(duì)比度增強(qiáng)的灰度變換第四頁(yè)，共五十八頁(yè)，編輯于2023年，星期三●鄰域操作的模板法。第五頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.2一些基本的圖像灰度變換（單點(diǎn)操作）●常用的灰度變換函數(shù)包括：◆反比變換◆對(duì)數(shù)和反對(duì)數(shù)變換◆冪次變換第六頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.2.1反比變換s=L-1-r第七頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.2.1對(duì)數(shù)變換●對(duì)數(shù)變換(3.2.2)對(duì)數(shù)變換的作用：壓縮了圖像的動(dòng)態(tài)范圍第八頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.2.3冪次變換●冪次變換的表達(dá)式：●對(duì)于不同的γ，其曲線形式不同?！舢?dāng)γ<1時(shí)，其曲線形式和對(duì)數(shù)曲線相似?！舢?dāng)γ>1時(shí)，作用相反●γ(伽馬)校正：第九頁(yè)，共五十八頁(yè)，編輯于2023年，星期三用冪次變換進(jìn)行對(duì)比度增強(qiáng)的效果(γ<1):核磁共振圖像第十頁(yè)，共五十八頁(yè)，編輯于2023年，星期三用冪次變換進(jìn)行對(duì)比度增強(qiáng)的效果(γ>1)第十一頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.2.4分段線性變換函數(shù)●對(duì)比度拉伸第十二頁(yè)，共五十八頁(yè)，編輯于2023年，星期三灰度切割●方法有兩個(gè)：●教材中的位平面切割放在圖像壓縮時(shí)講。第十三頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.3直方圖處理●什么是圖像的直方圖？

●圖像的直方圖在圖像增強(qiáng)、圖像分割中都有重要的應(yīng)用。第十四頁(yè)，共五十八頁(yè)，編輯于2023年，星期三第十五頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.3.1直方圖均衡化●尋找一個(gè)適當(dāng)?shù)幕叶茸儞Q函數(shù)

，通過(guò)這個(gè)灰度變換函使得圖像的直方圖變得平直。第十六頁(yè)，共五十八頁(yè)，編輯于2023年，星期三★理論推導(dǎo)：

灰度變換形式：離散化處理：第十七頁(yè)，共五十八頁(yè)，編輯于2023年，星期三均衡前直方圖Fig.3.17均衡前圖像均衡后圖像均衡后直方圖第十八頁(yè)，共五十八頁(yè)，編輯于2023年，星期三直方圖均衡時(shí)生成的灰度變換函數(shù)第十九頁(yè)，共五十八頁(yè)，編輯于2023年，星期三直方圖均衡的另一個(gè)例子第二十頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.3.2直方圖匹配迭代修改一幅圖像的直方圖，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?！袷裁词侵狈綀D匹配？第二十一頁(yè)，共五十八頁(yè)，編輯于2023年，星期三直方圖匹配的實(shí)例第二十二頁(yè)，共五十八頁(yè)，編輯于2023年，星期三●

圖a是直方圖均衡時(shí)的灰度變換函數(shù)，圖b是均衡后的圖像，圖c是均衡后的直方圖。第二十三頁(yè)，共五十八頁(yè)，編輯于2023年，星期三●

改用直方圖匹配來(lái)處理

第二十四頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.3.3局部直方圖均衡●在小區(qū)域內(nèi)進(jìn)行直方圖均衡●局部直方圖均衡可增強(qiáng)圖像的細(xì)節(jié)。第二十五頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.3.4利用圖像統(tǒng)計(jì)參數(shù)來(lái)增強(qiáng)圖像圖像的均值：圖像的n階矩：●2階矩最重要方差（或標(biāo)準(zhǔn)差），是對(duì)比度的度量第二十六頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.3.4利用圖像統(tǒng)計(jì)參數(shù)來(lái)增強(qiáng)圖像對(duì)下圖采用下面的增強(qiáng)準(zhǔn)則:第二十七頁(yè)，共五十八頁(yè)，編輯于2023年，星期三圖像統(tǒng)計(jì)量的圖像顯示第二十八頁(yè)，共五十八頁(yè)，編輯于2023年，星期三統(tǒng)計(jì)方法增強(qiáng)的結(jié)果第二十九頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.4用算術(shù)/邏輯操作增強(qiáng)圖像●可以利用兩幅圖像算術(shù)運(yùn)算(加、減、乘、除)，或邏輯運(yùn)算(與、或、非)，來(lái)進(jìn)行圖像操作(處理)。(a)邏輯“非”(取反)：8位二進(jìn)制碼的逐位取反，(b)“與”運(yùn)算：是兩幅圖像每個(gè)像素灰度值得二進(jìn)制碼，逐位“取與”。(c)“或”運(yùn)算：是兩幅圖像每個(gè)像素灰度值得二進(jìn)制碼，逐位“取或”。第三十頁(yè)，共五十八頁(yè)，編輯于2023年，星期三與：或：圖像間邏輯運(yùn)算實(shí)例第三十一頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.4.1圖像相減運(yùn)算●圖像的算術(shù)運(yùn)算(加、減、乘、除)中，用得最多的是圖像之間的相減和相加。●兩幅圖像和相減，表示為：第三十二頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.4.1圖像相減運(yùn)算實(shí)例●血管造影：

●圖b是相減圖像第三十三頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.4.2圖像平均處理(加法處理)●利用多幅圖像相加，然后取平均的辦法，其目的主要是為了降低圖像的噪聲。平均8次平均16次平均64次平均128次第三十四頁(yè)，共五十八頁(yè)，編輯于2023年，星期三平均圖像和真實(shí)圖像的差●不同平均次數(shù)的的差值圖像和直方圖。

平均8次平均16次平均64次平均128次第三十五頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.5空間濾波基礎(chǔ)●空間域?yàn)V波是通過(guò)模板運(yùn)算實(shí)現(xiàn)的。第三十六頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3×3空間濾波的模板●這個(gè)模板作用于圖像的結(jié)果為：第三十七頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.6平滑空間濾波器3.6.1平滑線性濾波器●平滑線性濾波器的主要作用：(1)減小圖像噪聲；(2)對(duì)圖像進(jìn)行模糊化處理。

簡(jiǎn)單平均

加權(quán)平均第三十八頁(yè)，共五十八頁(yè)，編輯于2023年，星期三●平滑線性濾波器

實(shí)例1：n=3n=5n=9n=15n=35第三十九頁(yè)，共五十八頁(yè)，編輯于2023年，星期三平滑線性濾波器實(shí)例2第四十頁(yè)，共五十八頁(yè)，編輯于2023年，星期三不連續(xù)到連續(xù)平滑線性濾波器實(shí)例3第四十一頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.6.2統(tǒng)計(jì)排序?yàn)V波器中值濾波法取3X3窗口從小到大排序，取中間值第四十二頁(yè)，共五十八頁(yè)，編輯于2023年，星期三中值濾波實(shí)例第四十三頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.7銳化空間濾波器●圖像的銳化是加強(qiáng)圖像的細(xì)節(jié)部分。其實(shí)質(zhì)是對(duì)圖像進(jìn)行高通濾波。3.7.1空間域銳化濾波基礎(chǔ)●圖像的空間域銳化是采用圖像微分實(shí)現(xiàn)的(一階微分和二階微分)。●對(duì)數(shù)字圖像用差分來(lái)代替微分：一階微分：二階微分：第四十四頁(yè)，共五十八頁(yè)，編輯于2023年，星期三圖像微分實(shí)例第四十五頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.7.2二階微分的圖像增強(qiáng)—拉普拉斯算子

●Laplacian算子：

●對(duì)數(shù)字圖像，二階微分為：那么對(duì)數(shù)字圖像，laplacian算子為：第四十六頁(yè)，共五十八頁(yè)，編輯于2023年，星期三拉普拉斯算子的模板第四十七頁(yè)，共五十八頁(yè)，編輯于2023年，星期三拉普拉斯變換結(jié)果和原圖像的復(fù)合Laplacian掩膜中心為“負(fù)”Laplacian掩膜中心為“正”(3.7.5)使用拉普拉斯算子進(jìn)行圖像銳化的實(shí)例第四十八頁(yè)，共五十八頁(yè)，編輯于2023年，星期三復(fù)合拉普拉斯掩膜

●簡(jiǎn)化為一個(gè)過(guò)程，即(3.7.6)第四十九頁(yè)，共五十八頁(yè)，編輯于2023年，星期三反銳化掩蔽

●反銳化掩蔽可以表示為：高提升濾波Laplacian掩膜中心為“負(fù)”Laplacian掩膜中心為“正”(3.7.1)第五十頁(yè)，共五十八頁(yè)，編輯于2023年，星期三高提升濾波實(shí)例第五十一頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.7.3基于一階微分的圖像增強(qiáng)----梯度法

●一階微分用于圖像增強(qiáng)，是用圖像的梯度。●梯度的模，即第五十二頁(yè)，共五十八頁(yè)，編輯于2023年，星期三

(1)一般的梯度算法在用計(jì)算機(jī)計(jì)算梯度時(shí)，常用絕對(duì)值運(yùn)算代替上式：(2)羅伯茨（Roberts）梯度算法第五十三頁(yè)，共五十八頁(yè)，編輯于2023年，星期三梯度算子模板Sobel算子第五十四頁(yè)，共五十八頁(yè)，編輯于2023年，星期三Sobel算子

應(yīng)用實(shí)例第五十五頁(yè)，共五十八頁(yè)，編輯于2023年，星期三一階微分：梯度算法突出邊緣二階微分：拉普拉斯變換突出細(xì)節(jié)第五十六頁(yè)，共五十八頁(yè)，編輯于2023年，星期三3.8混合空間增強(qiáng)法(a)(c)(b)(d)(e)(f)(g)(h)(a)的拉普拉斯變換(a)+(b)(a)的Sobel處理(d)的均值濾波(c)*(e)(a)+(f)(g