数字图像处理-第四章图像增强PPT课件.ppt

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,*,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,LOGO,单击此处编辑母版标题样式,Click to edit Master text styles,第四章 图像增强,1,主要内容,图像增强的作用及目的,像素级运算,空间域平滑与锐化,频率域增强,彩色增强,代数运算,2,图像增强,图像增强是改善图像质量最常用的技术。,图像增强目的,改善图像的视觉效果，提高图像的可辨识度,转换成更容易分析处理的形式,评判标准：人的主观感觉,从作用域出发分两类,空间域 对图像像素灰度或灰度统计操作,频率域 对图像变换后对频谱成分操作，最后经逆变换获得所需增强结果,3,图像增强,图像质量退化的原因,对比度局部或全部偏低,噪声干扰，包括热噪声、量化噪声、椒盐噪声、背景干扰等,清晰度下降，图像模糊,图像增强通过针对性技术，如直方图均衡、平滑去噪、边缘锐化等对图像的退化加以修正，已达到改进图像质量的目的。,4,图像增强的主要内容,空间域,点运算,局部运算 图像平滑，图像锐化,频率域,高通滤波,低通滤波,同态滤波增强,彩色增强,假彩色增强,伪彩色增强,彩色变换增强,代数运算,加，减，乘，除,5,主要内容,图像增强的作用及目的,空间域点运算,空间域平滑,空间域锐化,频率域增强,彩色增强,代数运算,灰度级变换,直方图变换,局部统计,6,4.1,点运算,点运算：对于一幅输入图像，将产生一幅输出图像，输出图像的每个像素点的灰度值由输入像素点决定。,点运算由灰度变换函数,GST,确定,。,点运算实际是图像像素灰度级增强,包括：,灰度级校正：成像系统对像素的修正,灰度变换：将一个灰度区间映射到另一个灰度区间,直方图修正,:,使图像灰度分布均匀、间距拉开，增强对比度。,局部统计：利用局部统计特征进行对比度增强,7,4.1.1,灰度级校正,灰度级校正：在,图像采集系统,中对图像像素进行修正，使整幅图像,亮度分布均匀,。,具体实现,对理想系统的输入图像,f(i,j),和实际获得降质图像,g(i,j),的关系用公式表示为,g(i,j)=e(i,j)f(i,j),其中,e(i,j),为降质函数,/,系统的灰度失真系数,采用一幅灰度级为常数,C,的图像成像，实际输出为,g,c,(i,j),，即,g,c,(i,j)=e(i,j)C,，代入前式可得,校正后的原始图像,实际处理对象,8,灰度级校正注意问题：,对降质图像进行逐点灰度级校正所获得的图像，其中某些像素的,灰度级值,有可能要,超出,记录器件或显示器输入灰度级的,动态范围,，在输出时还要采用其他方法来,修正,才能保证不失真地输出。,降质图像在数字化时，各像素灰度级都被量化在离散集合中的离散值上，但经校正后的图像各像素灰度极值并,不,一定都,在,这些,离散值,上，因此必须对校正后的图像进行,量化,。,9,4.1.2,灰度变换,灰度变换：将图像的灰度级映射到另一灰度级。,分类：线性变换，非线性变换,一、线性变换,由于成像时曝光不足或过度，以及成像设备的非线性或图像记录设备动态范围太窄等因素，对图像都会产生,对比度不足,的弊病，使图像中的细节分辨不清，这时如将图像,灰度线性扩展,，常能显著改善图像的主观质量。,10,线性,灰度变换,1,、线性点运算,f,g,11,线性,灰度变换,原图,12,线性灰度变换,2,、线性灰度范围变换,f,g,13,0,a b M,f,g,（,i,，,j,）,M,g,d,c,线性灰度变换,3,、分段线性变换,拉伸图像中的一些灰度细节，相对抑制不感兴趣的部分，这可通过分段线性变换得到。,14,线性灰度变换,15,二、非线性灰度变换,对数变换,指数变换,16,附：,PS,相关命令,通过命令,“,图像,-,曲线,”,调整灰度,17,4.1.3,直方图修正法,灰度直方图反映图像中灰度分布，为图像处理提供了重要依据。,直方图修正后可使图像的,灰度间距拉开或分布均匀,，从而增大反差，使图像细节清晰，提高图像质量。,分类,直方图均衡化：灰度间距拉开，分布均匀,直方图规定化：直接给出希望获得直方图的形状，寻找某个灰度级的变换对原图像进行处理。,18,直方图均衡化,19,直方图规定化,20,附：,PS,操作,“,设置,”,菜单中的命令：,自动色阶,-,直方图均衡化,替换颜色,-,直方图匹配,21,直方图均衡化,22,直方图均衡化,23,直方图均衡化理论基础,假设原图像的归一化后的灰度级为,r,，直方图修正后为,s,24,直方图均衡化理论基础,直方图均衡化的要点：,公理：直方图,P,为常数的图像对比度最好,目标：对输入图像,r,，寻找一个灰度级变换函数,T,（,r,），使得结果图像,s,的直方图,P,s,(s),为一个常数,直方图均衡化,T(r),r,s,P,r,(r),P,s,(s,),25,直方图均衡化理论基础,由概率论可知，若,P,r,(r),和变换函数,s=T(r),已知，,r=T,-1,(s),是单,调增长函数，则变换后的概率密度函数,P,s,(s),可由,P,r,(r),得到：,26,直方图均衡化计算,例,1,假定有一幅总像素为,n=64*64,的图像，灰度级数为,8,，各灰度级分布如下。对其进行直方图均衡化，并画出均衡化前后的直方图。,k,n,k,0,790,1,1023,2,850,3,656,4,329,5,245,6,122,7,81,27,直方图均衡化计算,计算直方图灰度统计,r,k,n,k,r,0,=0,790,r,1,=1/7,1023,r,2,=2/7,850,r,3,=3/7,656,r,4,=4/7,329,r,5,=5/7,245,r,6,=6/7,122,r,7,=7/7,81,P,r,（,r,k,）,0.19,0.25,0.21,0.16,0.08,0.06,0.03,0.02,计算变换函数,Tr,计算,s,k,计算变换函数,Tr,T,r,0.19,0.44,0.65,0.81,0.89,0.95,0.98,1,计算,s,k,并,S,k,并,1/7,3/7,5/7,6/7,6/7,1,1,1,28,直方图均衡化计算,r,k,n,k,r,0,=0,790,r,1,=1/7,1023,r,2,=2/7,850,r,3,=3/7,656,r,4,=4/7,329,r,5,=5/7,245,r,6,=6/7,122,r,7,=7/7,81,P,r,（,r,k,）,0.19,0.25,0.21,0.16,0.08,0.06,0.03,0.02,T,r,0.19,0.44,0.65,0.81,0.89,0.95,0.98,1,S,k,并,1/7,3/7,5/7,6/7,6/7,1,1,1,P,s,（,s,k,）,0.19,0.25,0.21,0.24,0.11,s,k,n,sk,S,0,=1/7,790,S,1,=3/7,1023,S,2,=5/7,850,S,3,=6/7,985,S,4,=1,448,计算均衡化后的直方图,计算每个,s,k,对应的像素数目,29,直方图均衡化计算,画出原图像与处理后图像的直方图,30,直方图均衡,结果可以看出：,均衡后灰度直方图较原直方图平坦，等长区间内的像素数接近相等,灰度级数量减少，动态范围扩大,原直方图频数较少的某些灰度级数被合并到一个或几个灰度级中,减并现象,频率小的灰度级被压缩，频率大的灰度级被增强,结论：直方图均衡实质是频数较小的灰度级被简并，,减少图像的灰度级,以换取,对比度的加大,31,直方图均衡化计算,计算步骤,计算,P,k,(r,k,),得到原直方图,求变换函数,T(r,k,),即求累计分布,四舍五入计算灰度量化级别,s,k,并,同灰度量化级别的,s,k,合并,计算每个,s,k,对应的像素数目，即映射,r,k,的像素数，合并过的像素数要累加。,计算均衡后的直方图,32,练习,f,为原图像，对其进行直方,图均衡化，并画出均衡化,前后的直方图。,解：,1,、计算,P,k,(r,k,),由,f,可知,图像像素总数,n=5*5=25,，,灰度级,r,k,分布范围,09,共,10,级,求得,P,k,(r,k,),=n,k,/n,r,k,n,k,Pk(rk),33,练习,2,、通过变换函数,Tr,3,、计算,S,k,并,、合并同类项得到,S,k,S,K,并,1/9,2/9,3/9,5/9,5/9,5/9,7/9,7/9,8/9,1,P,k,(r,k,),T,r,S,K,S,0,=,1/9,S,1,=2/9,S,2,=,3/9,S,3,=,5/9,S,4,=,7/9,S,5,=,8/9,S,6,=,1,34,练习,5,、,计算每个,s,k,对应的像素数目,n,sk,3,2,4,6,5,2,3,P,s,（,s,k,）,0.12,0.08,0.16,0.24,0.20,0.08,0.12,S,K,S,0,=,1/9,S,1,=2/9,S,2,=,3/9,S,3,=,5/9,S,4,=,7/9,S,5,=,8/9,S,6,=,1,35,练习,6,、画出原图像与处理后图像的直方图,36,直方图规定化,37,直方图规定化（直方图匹配）,目的,使处理的图像具有指定的直方图形状。,基本思路,38,直方图规定化,39,直方图规定化,例,2,采用与例,1,相同的图像，已知该图像与规定图像直方图均衡化后灰度级分布如下，进行直方图规定化。,z,k,P,z,（,z,k,）,z0=0,0,z1=1/7,0,z2=2/7,0,z3=3/7,0.15,z4=4/7,0.20,z5=5/7,0.30,z6=6/7,0.20,z7=1,0.15,448,r7,-,s4,=1,985,r4,-,s3=6/7,850,r2,-,s2=5/7,1023,r1,-,s1=3/7,790,r0,-,s0=1/7,n,k,r,j-,s,k,0.11,0.24,0.21,0.25,0.19,P,s,（,s,k,）,v,k,=G(z,K,),0,0,0,0.15,0.35,0.65,0.85,1,原图像直方图均衡化,规定图像直方图均衡化,r3-s3=6/7,r5-s4=1,r6-s4=1,40,直方图规定化,用原图像的,s,k,代替,v,k,，一般取最接近的,s,k,。对,G,k,求逆变换得到,z,k,到,s,k,的对应关系。,重新分配像素,n,k,并，并计算直方图规定化图像的灰度分布,p,z,Z,k,并,nk,并,z0,0,z1,0,z2,0,z3-s0=1/7,790,z4-s1=3/7,1023,z5-s2=5/7,850,z6-s3=6/7,985,z7-s4=1,448,p,z,(z,K,并,),0,0,0,0.19,0.25,0.21,0.24,0.11,v,k,=G(z,K,),0,0,0,0.15,0.35,0.65,0.85,1,41,直方图规定化,42,直方图规定化应用实例,(,图像融合,),适用于调整两副图像的亮度、色调一致，以便实现无缝拼接。,43,附：空间点运算相关,MATALB,函数,imadjust,函数,用于数字图像的灰度调整，实现线性变换对比度增强,用法：,J=imadjust(I,low_in high_in,low_out high_out),例：,j=imadjust(i,0.3,0.7,);,将图像,i,转换为,j,，使灰度值从,0.30.7,与缺省值,01,相匹配,histeq,函数,用于数字图像的直方图均衡化,用法：,j=histeq(i);,转换图像,i,具有,64,个灰度级的灰度图像,j,T=histeq,（,i,）返回灰度级变换,T,，使,j,为,i,均衡化后的灰度图像,j=histeq(i,T),实现了,直方图规定化,，即将原图象,i,的直方图变换成用户指定的向量,T,。,44,局部统计法,（,a,）原图像,（,b,）直方图修正后的图像,（,c,）局部增强后的图像,45,局部统计法,Wallis,和,Jong-Sen Lee,提出用局部均值和方差进行对比度增强。基本思想是提出希望的局部均值和方差，对原图像每个像素分别进行处理。,这里的局部指像素（,x,，,y,）附近,(2n+1,）*,(2m+1),领域。,局部均值,-,平均灰度,方差,-,平均对比度,46,局部均值（平均灰度,）,局部方差（平均对比度）,局部统计法,47,主要内容,图像增强的作用及目的,空间域点运算,空间域平滑,空间域锐化,频率域增强,彩色增强,代数运算,空间滤波的概念,平滑滤波,48,空间域滤波概念,空间域滤波属于局部处理,49,空间域滤波分类,空域滤波按不同条件分类,50,空间域滤波,线性滤波器定义,51,空间域滤波,52,4.2,空间域平滑,图（,a,）原图像 图（,b,）阈值化处理后的图像 图（,c,）平滑处理后的图像,53,空间域平滑,54,平滑滤波器的用途,55,平滑滤波器的用途,56,一、局部平滑法,局部平滑法,领域平均法,像素灰度,=,像素邻域内各像素的灰度平均值,s,表示去心邻域,常用,4-,邻域、,8-,邻域；,M,为邻域像素总数,特点：降低噪声，但图像模糊，特别在边缘和细节处,20,20,20,20,250,20,20,20,20,20,57,局部平滑法,图,a,原图像 图,b,3*3,局部平滑法 图,c,5*5,局部平滑法,58,超限像素平滑法,当输入与输出的差值大于某阈值时再进行局部平滑,特点：抑制椒盐噪声,保护细小灰度差的细节和纹理,一、局部平滑法,59,局部平滑法,图,a,原图像 图,b,3*3,局部平滑法,图,c,5*5,局部平滑法 图,d 5*5,超限像素平滑法,60,局部平滑法,灰度最相近的,K,个邻点平均法,出发点：同类灰度值高度相关,像素灰度值,=,窗口内与中心像素最接近的,K,个邻像素灰度平均值,K,越大，平滑噪声效果好，但越模糊。对于,3*3,窗口，一般,K,取,6,较好,20,250,250,20,250,250,250,20,20,20,250,255,20,250,250,250,20,20,250,K=6,61,局部平滑法,梯度倒数加权平滑法,出发点：区域内的梯度小，边缘梯度大，减少边缘对中心像素的影响,梯度定义为,|,相邻像素灰度差,|,相邻像素权为中心像素与相邻各像素间梯度倒数,边缘附近梯度大，而权小,像素灰度值,=,窗口加权平均值,20,20,250,20,21,250,20,20,250,20,20,255,20,250,250,20,20,250,13,62,局部平滑法,最大均匀平滑法,任一像素有,5,个,3*3,窗口,像素灰度值,=,环绕像素的灰度最平均窗口的灰度平均值,判别方法：窗口梯度最小,缺点：对复杂形状的边界会过度平滑，使细节丢失,x,63,局部平滑法,有选择保边缘平滑法,像素灰度值,=,环绕像素的灰度最平均窗口的灰度平均值,选择正方形、五边形、六边形等多种形状的窗口环绕像素，以找到不包含边缘的区域。,窗口灰度变换的判别方法：最小方差,在平滑时即不会使尖锐边缘模糊，也不会破坏边缘形状，是对最大均匀平滑法的改进,x,64,低通滤波模板,二、空间域模板滤波法,65,空间低通滤波,模板从左,-,右，上,-,下移动，执行滤波操作,66,空间低通滤波器,平均模板 中心加权模板,+,加权模板,中心减权模板,+,减权模板,常用,3*3,低通滤波器（模板）,67,空间低通滤波,空间低通滤波模板特点,系数反映中心点或邻域的重要程度,，,系数,0,系数之和,=1,可保证输出图像灰度值在许可范围内，不会产生,“,溢出,”,现象。,68,空间低通滤波,平滑不仅去噪，也损失了边缘和尖锐的细节信息,，,模板尺寸越大，图像越模糊，损失细节越多,69,三、中值滤波,70,中值滤波,例：采用,1,3,窗口进行中值滤波,原图像为：,2 2,6,2,1,2 4 4 4,2,4,处理后为：,2 2,2,2,2,2 4 4 4,4,4,71,中值滤波,中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。,72,中值滤波,中值滤波法抑制随机噪声没有比平均法更有效。,73,附：,MATALAB,相关函数,filter2,函数用于图像滤波，如：,i=imread(e:w01.tif);,h=1,2,1;0,0,0;-1,-2,-1;,j=filter2(h,i);,二维卷积,conv2,滤波,如,:,i=imread(e:w01.tif);,h=1,1,1;1,1,1;1,1,1;,h=h/9;,j=conv2(i,h);,medfilt2,函数用于图像的中值滤波，如：,i=imread(e:w01.tif);,j=medfilt2(i,，,M N);,对矩阵,i,进行二维中值滤波，领域为,M*N,，缺省值为,3*3,74,主要内容,图像增强的作用及目的,空间域点运算,空间域平滑,空间域锐化,频率域增强,彩色增强,代数运算,梯度锐化,拉普拉斯增强算子,高通滤波,75,空间域锐化,76,空间域锐化,曝光,77,空间高通滤波模板特点,系数有正有负，一般中心为正,系数之和为,0,78,空间域锐化效果,79,一、微分滤波器（梯度锐化法）,80,微分滤波器,81,微分滤波器,82,微分滤波器,83,一阶微分滤波器,特点：用于提取垂直和水平方向边缘时效果好,84,一阶微分滤波器,优点：加大模板，锐化边缘同时减少噪声,的影响,；,可以增强斜向阶跃边缘、线。,85,一阶微分滤波器,优点：,4,领域加权，斜向边缘增强效果更明显,86,一阶微分算子滤波效果,87,第一种输出形式,g,(,x,y,)=,grad,(,x,y,),此法的缺点是增强的图像,仅显示,灰度变化比较陡的,边缘轮廓,，而灰度变化比较平缓或均匀的区域则呈黑色。,第二种输出形式,式中,T,是一个非负的阈值。适当选取,T,，可使明显的,边缘,轮廓得到突出，又不会破坏原来灰度变化比较平缓的,背景,梯度图像表现形式,88,梯度图像表现形式,第三种输出形式,它将明显,边缘,用一,固定的灰度级,L,G,来表现。,第四种输出形式,此方法将,背景,用一个,固定的灰度级,L,B,来表现，便于研究边缘灰度的变化。,89,第五种输出形式,这种方法将明显,边缘和背景,分别用,固定灰度级,L,G,和,L,B,表示，生成二值图像，便于研究边缘所在位置。,梯度图像表现形式,90,二、二阶微分滤波器,0,1,0,1,-4,1,0,1,0,Laplace,算子,2,F,(,x,，,y,)=,F,(,x+1,，,y,)+,F(x-1,，,y,)+,F(x,，,y,+1)+,F(x,，,y-1,)-4,F,(x,，,y,),91,二阶微分滤波器,laplacian,算子特点：,边缘区域形成下冲或上冲，双边缘效果,检测边缘精度高，但对噪声敏感,无法得到方向信息,92,二阶微分滤波器,0,-1,0,-1,5,-1,0,-1,0,增强算子,0,1,0,1,-4,1,0,1,0,Laplace,算子,93,高增益滤波,94,高增益滤波器,95,PS,相关命令,菜单,“,滤镜,”,“,模糊,”,命令,“,锐化,”,命令,96,MATALAB,相关函数,函数,fspecial,功能：产生预定义滤波器,用法：,H=fspecial(,增强算子,),算子包括,average,，,gaussian,，,laplacian,，,Motion,，,Prewitt(horizontal),，,Sobel(horizontal),等,例：,I=imread(cameraman.tif);,imshow(I);,H=fspecial(prewitt );,M=imfilter(I,H);,函数,imfilter,功能：图像增强,用法：,B=imfilter(A,H);,将原始图像,A,按指定的滤波器,H,进行滤波增强处理，增强后的图像,B,与,A,的尺寸和类型相同,97,主要内容,图像增强的作用及目的,空间域点运算,空间域平滑,空间域锐化,频率域增强,彩色增强,代数运算,频率域平滑,频率域锐化,98,4.4,频率域滤波基础,频率域滤波原理,边、噪音、变化陡峭部分,变化平缓部分,u,v,99,频率域滤波基础,100,一、频率域平滑滤波器,思想：边缘和其它尖锐变化（如噪声）在图像的灰度级中主要处于傅立叶变换的高频部分，因此平滑可通过衰减指定图像傅立叶变换中高频成分的范围来实现,理想低通滤波器,Butterworth,低通滤波器,指数低通滤波器,高斯低通滤波器,梯形低通滤波器,101,频率域平滑滤波器,理想低通滤波器,:,一个二维的理想低通过滤器（,ILPF）,的转换函数满足（是一个分段函数）,其中：,D,0,为截止频率，取,H,（,u,，,0,）降到,1/2,或,时对应的频率,D(u,v),为距离函数,D,(,u,v,)=(,u,2,+,v,2,),1/2,102,频率域平滑滤波器,理想低通过滤器的透视图图像显示、截面图,H(u,v),作为距离函数,D(u,v),的函数的截面图,103,频率域平滑滤波器,理想低通过滤器的截止频率的设计,104,频率域平滑滤波器,小的边界和其它尖锐细节信息被包含在频谱的至多0.5%的能量中,被钝化的图像被一种非常严重的振铃效果,理想低通滤波器的一种特性所影响,105,频率域平滑滤波器,理想低通过滤器的分析,:,振铃效果,106,频率域平滑滤波器,Butterworth,低通过滤器,:,一个截止频率在与原点距离为,D,0,的,n,阶,Butterworth,低通过滤器（,BLPF）,的变换函数如下：,变换函数中不存在一个不连续点作为一个通过的和被过滤掉的截止频率的明显划分,107,频率域平滑滤波器,Butterworth,低通过滤器的截面图等,H(u,v),作为,D(u,v)/D,0,的函数的截面图,108,频率域平滑滤波器,在任何经二阶,BLPF,处理过的图像中都没有明显的振铃效果，这是过滤器在低频和高频之间的平滑过渡的结果,109,频率域平滑滤波器,BLPF,滤波,是一个以牺牲图像清晰度为代价来减少干扰效果的修饰过程,110,频率域平滑滤波器,111,频率域平滑滤波器,高斯低通过滤器,112,频率域平滑滤波器,高斯低通过滤器,无振铃,113,频率域平滑滤波器,114,频率域平滑滤波器,115,二、频率域锐化滤波器,基本思想：低通滤波器的反操作，即,H,hp,(,u,v,)=1,H,lp,(,u,v,),也就是说被低通滤波器过滤掉的频率均能通过高通滤波器,116,频率域锐化滤波器,理想高通过滤器,一个二维的理想高通过滤器（,ILPF）,的转换函数满足（是一个分段函数）,其中：,D,0,为截止频率,D(u,v),为距离函数,117,频率域锐化滤波器,118,频率域锐化滤波器,Butterworth,高通滤波器：一个截止频率在与原点距离为,D,0,的,n,阶,Butterworth,高通过滤器（,BHPF）,的变换函数如下：,119,频率域锐化滤波器,120,频率域锐化滤波器,理想高通过滤图,结论：图,a,和,b,的振铃问题十分明显,121,频率域锐化滤波器,Butterworth,高通滤波器,结论：,BHPF,的结果比,IHPF,的结果平滑得多,122,频率域锐化滤波器,高斯高通过滤器,结论：,GHPF,的结果比,BHBF,和,IHPF,的结果更平滑,123,频率域锐化滤波器,高通滤波器分析,低频成分被严重地消弱了，使图像失去层次,改进措施：,1,）加一个常数到变换函数,H,(,u,v,)+,A,这种方法被称为,高频强调,2,）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,后过滤处理,124,频率域锐化滤波器,高频加强滤波,125,主要内容,图像增强的作用及目的,空间域点运算,空间域平滑,空间域锐化,频率域增强,彩色增强,代数运算,伪彩色处理,假彩色处理,彩色平衡,彩色变换,126,彩色图像的平滑和尖锐化,127,彩色图像的平滑和尖锐化,128,彩色图像的平滑和尖锐化,129,一、伪彩色增强,伪彩色图像增强是指把一幅灰度图像的各个不同灰度级按照映射函数变换成为不同彩色，得到彩色图像的技术,区分：伪彩色图像、真彩色图像，单色图像,如,:,焊点检测,130,伪彩色处理,用颜色突出降雨水平,a.,图像的强度值直接与降雨相对应，目测困难,b.,蓝色表示低降雨量，红色表示高降雨量,图,c,和图,d,更加清楚,图,a,图,b,图,c,图,d,131,伪彩色处理,应用,更容易辨认图像细节,更容易识别图像中的灰度目标,怎样进行伪彩色图像处理？,密度分割技术（强度分层技术）,灰度级到彩色转换技术,空间域变换,频率域变换,132,伪彩色处理,密度分割技术,把一幅图像描述为三维函数（,x,y,f,(,x,y,),）,分层技术：放置平行于,(,x,y,),坐标面的平面,每一个平面在相交区域切割图像函数,133,伪彩色处理,密度分割技术,把灰度图像的灰度级从,0,（黑）到,M,0,（白）分成,N,个区间,Ii(i=1,，,2,，,，,N),给每个区间,Ii,指定一种彩色,Ci,，这样，便可以把一幅灰度图像变成一幅伪彩色图像。,分类：,等密度法,I=,（,M,0,-0,）,/N,非等密度法,该方法比较简单、直观。,缺点是变换出的彩色数目有限。,灰度级,彩色,134,伪彩色处理,甲状腺模型,左图的恒定强度难以区分病变，,右图强度分层结果，清楚的显示恒定强度的不同区域,强度分层结果，,8,个彩色区域,单色图像,135,伪彩色处理,灰度级到彩色的转换,对任何输入像素的灰度级执行,3,个独立变换,3,个变换结果即三基色分量分别送入彩色监视器的红、绿、蓝三个通道,产生一幅合成彩色图像,136,伪彩色处理,137,伪彩色处理,频率域伪彩色增强,把黑白图像经傅立叶变换到频率域，在频率域内用三个不同传递特性的滤波器分离成三个独立分量；,然后对它们进行逆傅立叶变换，便得到三幅代表不同频率分量的单色图像，接着对这三幅图像作进一步的处理（如直方图均衡化）,最后将它们作为三基色分量分别加到彩色显示器的红、绿、蓝显示通道，得到一幅彩色图像。,138,二、假彩色增强,处理对象：自然彩色图像、同一景物的多光谱图像,假彩色增强方法：通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。,139,假彩色增强,多光谱图像的假彩色增强可表示为右式，,g,i,表示不同波段图像，,f,表示通用函数运算,对于自然景色图像，通用的线性假彩色映射可表示为,右式,例如采用以下的映射关系,则原图像中绿色物体会呈红色，蓝色物体会呈绿色，红色物体则呈兰色。,140,三、彩色平衡,目的：纠正偏色，得到色彩正常的彩色图像,判断是否偏色：灰平衡和高饱和度颜色检查,灰平衡：检查现实中灰色物体在图像中是否灰色,如黑色区域平均值,R=10,G=0,B=7,非黑色,彩色平衡方法：,在图像中选择两个相对均匀的原本浅灰或深灰色区域，灰色的,RGB,三分量相等，但图像中不等,分别计算这两个区域的,RGB,平均值，获得与第三分量匹配的两个颜色分量线性变换,对图像的两个分量进行逆线性变换，使得三分量相等得到灰色。,141,彩色平衡举例,如取图像中两个灰色区域，计算平均,RGB,区域一,R=25,，,G=31,，,B=37,区域二,R=75,G=79,B=77,调整,G,、,B,去适应,R,，则得到线性变换,G:31(25),79(75);B:37(25),77(75),142,四、彩色空间转换,RGB CMY,RGB,和,CMY,值都归一化到,0,1,143,彩色空间转换,RGB HSI,RGB,和,HSI,模型之间的关系,144,彩色空间转换,RGB HSI,基于三角平面的,HSI,彩色模型,145,彩色空间转换,RGB HIS,三角形变换,146,彩色空间转换,RGB HSI,HSI,彩色模型中的色调和色饱和度,147,主要内容,图像增强的作用及目的,空间域点运算,空间域平滑,空间域锐化,频率域增强,彩色增强,代数运算,加法运算,减法运算,乘法运算,除法运算,148,代数运算,代数运算是指两幅输入图像进行点对点的加、减、乘或除计算而得到输出图像。,149,代数运算,c=a+b,；,d=a-b,；,要求两幅图像大小相同,图,a b,c d,150,代数运算,主要应用,图像相加,可以将一幅图像内容加到另一幅图像上，以达到,二次曝光,的要求（,double exposure）。,图像相加,可以对同一场景的多幅图像求平均值，以,降低加性（,additive）,随机噪声,。,图像相减,可,去除,图像中不需要的,加性图案,。,图像相减,也可用于,运动检测,。,151,加法运算应用（二次曝光）,152,加法运算应用,噪声图像1 噪声图像2 噪声图像3 噪声图像4,噪声图像5 噪声图像6 噪声图像7 噪声图像8,153,加法运算应用,对,M,幅加性噪声图像进行平均，可以使图像的平方信噪比提高,M,倍,。,原始图像 降噪后图像,154,减法运算应用,减去背景,乡村公路,155,3 减法运算应用,打破宁静的不速之客,156,减法运算应用,模糊的影像,157,减法运算应用,经过点运算之后的车,思考：如果背景光强与前一幅并不相等，怎么办？,158,减法运算应用,159,减法运算,X,因此运动物体在,差分图像,中产生低对比度的边缘。,160,乘法运算,可用于去除图像中部分影像。,首先构造一副掩膜图像，在需要保留区域，图像灰度值为1；而在被去除区域，图像灰度值为0；,然后将掩膜图像乘原始图像。,161,除法运算,多光谱遥感运算的比值计算，可以去除近似的照射分量，扩大反射分量，以区分不同地物。,可以用于消除阴影干扰的影响,.,水,沙滩,4,16,17,7,1,4,4/7,16,4.25,波段,地物,阳坡,阴坡,4,28,22,5,42,34,4/7,0.66,0.65,波段,光照情况,162,附：图像运算,MATLAB,函数,imadd,两幅图像相加，要求同样大小，同种数据类型,用法：,Z=imadd,（,x,，,y,）表示图像,x+y,imsubstract,两幅图像相减，要求同样大小，同种数据类型,用法：,Z=imadd,（,x,，,y,）表示图像,x-y,immultiply,用法：,Z=immultiply,（,x,，,y,）表示图像,x*y,imdivide,用法：,Z=imdivide,（,x,，,y,）表示图像,x/y,163,平时作业,研究数字图像处理领域的具体课题，搜集相关文献，整理资料并作出报告。,报告内容包括：课题简介、国内外研究现状、主要技术手段、发展方向,具体课题不限，可以是指定课题，也可自我选择,推荐课题名称：,车辆识别中的子课题，如车牌定位、车牌倾斜校正、字符分割、字符识别，要求对某一具体算法进行说明。（子课题简介、国内外研究现状、算法流程、算法优缺点）,人脸识别,仿生鱼设计,机器人视觉,指纹鉴别,文字识别技术,图像检索,164,练习题,P100,2,6,7,9,26,165,