直方图+直方图均衡化增强.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,第五级,*,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,第五级,*,*,*,DSP,实验课,第五周,主要内容：,图像增强处理算法实验,图像边缘检测处理实验,本周实验课主要内容,一、数字图像直方图统计,1.,什么是,图像和像素点,2.,什么是,直方图,二、数字图像直方图均衡化增强,1.,什么是,直方图均衡化,2.,图像增强的原理,三、数字图像边缘检测（,Sobel,算子）,1.,什么是图像边缘检测,2.,Sobel,算子的原理及实现方法,实验一,数字图像直方图统计,图像和像素点,一幅图像由若干个像素点组成。每个像素点的明暗程度,/,亮度信息都可以用灰度级（,0255,）来表示。不同的明暗程度的若干个像素点就组成了一幅完整的图像。如一张,320*240,的灰度图像，表示该图像有,320,行，每行有,240,个像素点。,（,a,）原始图像 （,b,）图,a,局部放大（,c,）图,b,局部放大,c,语言中，用一个数组来保存一张图像。,如,unsigned int dbimage80*80,表示“一张,6400,（即,80*80,）个像素点的灰度图像”。而数组元素,dbimage1,表示“第二个像素点的灰度级”。,在,.bmp,文件中，开始,1078,个字节,是用来设置“,bmp,格式”，,1078,个字节之后的数据才是图像像素点的“灰度级”信息，并且,先存图片的最后一行，最后存图片的第一行,。,直方图,是图像的一种统计表达，由一系列高度不等的纵向条纹表示数据分布的情况。,灰度直方图,是灰度级的函数，它表示图象中具有每种灰度级的,像素,的个数，反映图象中每种灰度出现的频率,。它,描述了图像中各种灰度（对于像素深度为,8,位的图像共,有,0-255,共,256,种取值）在整个图像中占有的比例。,如下图所示,，,灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频率,（该灰度级的像素个数除以整幅图片的像素个数）。灰度直方图,是图象的最基本的统计特征,。,直方图,直方图,在,c,语言中，也用一个数组来存储直方图。如：,float fhistogram,256,；数组中的元素,fhistogram,1,表示,灰度级为,1,的像素点的频数,，,即：,其中,表示该图片中有,个像素点的灰度级为,k,，,n,表示“该图片中像素点的总个数”,。,尽管灰度直方图不能表示出某灰度值在什么位置，更不能直接显示图像内容，但是具有统计特性的直方图却能描述该图像的灰度分布特性，使人们从中得到诸如总体明亮程度、对比,度,等与图像质量有关的灰度分布概况，,成为一些处理方法的重要依据,。,数字图像直方图统计,选择菜单,View-Graph-Image,，做如下设置：,选择菜单,View-Graph-Time/Frequency,，做如下设置,数字图像直方图统计,开始,用不同参数调用构造图像的函数产生图像,调用直方图统计子程序统计直方图,循环,重复五次,直方图统计子程序,初始化直方图统计数组,(,赋,0,值,),统计图像中各种灰度值,(,取值,0-255),的像素个数,计算各种灰度值的像素个数占全部图像像素的百分比,直方图统计结束,实验二,数字图像均衡化增强,直方图均衡,化图像增强的原理,图像增强处理技术,是数字图像处理的基本内容之一。图像增强是指按特定的需要突出一幅图像中的某些信息，同时，削弱或去除某些不需要的信息的处理方法。,利用直方图统计的结果，通过使图像的直方图均衡的方法称为,直方图均衡化,，,直方图均衡化,可以达到增强图像显示效果的作用。,其,基本思想是把原始图像的直方图变换成均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。,通过直方图统计，可以观察出，图像中各种亮度所占的比例大都分布不均匀，设法增加在直方图统计中所占比例高的像素和其他占的比例少的像素之间的亮度差，可以提高图像的显示效果。简单来说，直方图增强的方法就是压缩直方图中比例少的像素所占用的灰度范围，多出来的灰度空间按照统计比例分配给直方图中比例高的像素使用。这种方法主要是针对人眼对灰度差别越大的图像更容易分辨的特点而做的增强。,具体方法是：,直方图均衡化,的原理,灰度直方图的计算十分简单，依据定义在离散形式下有下面的公式成立：,（,1,）,公式中：为图像中出现灰度,为,k,的像素数，,n,是图像像素总数，而,即为频数,。,（2）,计算累积直方图各项：,（3）,取整扩展：,（4）,映射对应关系：,直方图均衡化原,理,例如：,如果原始图像中某个像素点的灰度级为2，经过直方图均衡化之后该像素点的灰度级就变成166,。,数字图像直方图均衡化增强,选择菜单,View-Graph-Image,，做如下设置,:,选择菜单,View-Graph-Image,，做如下设置,:,选择菜单,View-Graph-Image,，做如下设置,:,数字图像直方图均衡化增强,实验三,数字图像边缘检测,边缘检测,边缘,能勾划出目标物体，使观察者一目了然，边缘蕴含丰富的内在信息,(,方向、阶跃性质和形状等,),。从本质上说，图像边缘是图像局部特征不连续性,(,灰度突变、颜色突变和纹理结构突变等,),的反映，它标志着一个区域的终结和另一个区域的开始。,边缘提取首先检测出图像局部特征的不连续性，然后再将这些不连续的边缘像素连成完备的边界。边缘的特征是沿边缘走向的像素变化平缓，而垂直于边缘方向的像素变化剧烈，所以，从这个意义上说，,提取边缘的算法就是检测出符合边缘特性的边缘像素的算子。,目前提取边缘常采用边缘算子法、曲面拟合法和模板匹配法等方法。,两个具有不同灰度值的相邻区域之间总存在边缘，边缘是灰度值不连续的结果，这种不连续性通常可以利用求导数的方法方便地检测到，一般常用一阶导数和二阶导数来检测边缘。,边缘检测的基本思想是首先利用边缘增强算子，突出图像中的局部边缘，然后定义像素的“边缘强度”，通过设置门限的方法提取边缘点集。,常用的边缘检测算子有,Robert,算子、,Sobel,算子、,LOG,算子和,Canny,算子。,梯度算子,梯度算子是一阶导数算子。对于图像函数,f(x,y),，它的梯度定义为一个向量：,向量幅度值为,向量方向角为,由于数字图像是离散的，计算偏导数,Gx,和,Gy,时，常用差分来代替微分，为计算方便，常用小区域模板和图像卷积来近似计算梯度值，采用不同的模板计算,Gx,和,Gy,可产生不同的边缘检测算子，,常用的边缘检测算子有,Robert,算子、,Sobel,算子。,Sobel边缘检测算子,Sobel边缘检测算子用下图所示模板来近似计算图像函数,f(x,y),对,x,和,y,的偏导数：,计算出,Gx,和,Gy,的值后，用下式计算,(x,y),点处的梯度值,计算出给点处的梯度值后，设定一个合适的阈值T，如果,(x,y),处的,g,T则认为该点是边缘点。,Z1,Z2,Z3,Z4,Z5,Z6,Z7,Z8,Z9,选择菜单,View-Graph-Image,，做如下设置,:,选择菜单,View-Graph-Image,，做如下设置,:,程序流程图,：,