5-数字图像增强教学课件.pptx

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,2021/12/8 Wednesday,#,Institute of Robotics and Automatic Information System,Click to edit the title text format,机器人与信息自动化研究所,Institute of Robotics&Automatic Information System,Institute of Robotics and Automatic Information System,Click to edit the title text format,单击此处编辑母版标题样式,2021/12/8 Wednesday,#,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,#,/,机器视觉及应用,第五章图像增强,主要内容,灰度变换,线性变换,分段线性变换,对数变换,幂次变换,直方图,变换,直方图均衡化,直方图规定,化,图像平滑处理,图像卷积运算概念,均值滤波,中值滤波,高斯滤波,双边滤波,图像代数运算,图像加法,图像减法,图像乘法,图像除法,图像逻辑运算,1,、,不仅,指在视觉感官上认为图像的,对比度,发生了,变化,，一般,改善图像质量,而采取的一系列处理算法都称为,图像增强算法,。,2,、,图像,质量,除了通过光源照明,来保证之外,，通过,算法调整图像质量,也是必要的,。,3,、,图像,可能存在,噪声,。图像增强算法通过对,图像,灰度,值进行调整,，起到提高图像对比度作用，去除图像噪声，,突出特征与背景之间的差异化,。,4,、,不同,的应用场景、不同的图像,，增强方法不一样,的,。,没有,针对图像增强的通用理论或算法,。,5,、,图像,质量的评定是一种,高度主观的过程,，,最好,的增强方法,是能让视觉任务最终能够实现的方法。,图像增强,灰度变换是一种点对点的变换，这是一种最简单的图像增强,算法,设原始图像为,f(x,y),，,定义一种变换为,T,，,变换后的图像,为,g(x,y),。通过,变换,T,，将原始,图像,f(x,y),中的灰度值映射到新的,图像,g(x,y),中,.,即,g(x,y)=Tf(x,y),灰度变换,常用灰度变换有,线性变换、分段线性变换、对数变换以及幂次变换,等,1,、,线性变换,是输出灰度级与输入灰度级,呈线性关系的点运算,。这种,变换的结果与直线方程的,系数,a,以及截距,b,有关,。,2,、,在,截距不变的情况,下,：,a0,正比,变换,，,0a1,输出,灰度值被压缩,，,a,1,时，将灰度值,比较大,的像素值进行,拉伸,，当,1,时，将灰度值,比较小,的像素值进行,拉伸,。,灰度变换,幂次,变换,幂,次,变换指数,称为伽马值，在,CRT,显示器中，常采用伽马校正让输出图像接近于原图像,。,扫描仪,以及,打印机采用,了不同的,值。采用幂次变换来修正图像的对比度也是常用的方法。,灰度变换,幂次,变换,1,、,线性变换,对图像进行,整体灰度变换,，,操作,简单,，参数少。但是，,无法单独抑制某区域灰度,的同时增强其他区域的灰度，增强效果有限,。,2,、,分段,线性变换,可以弥补上述线性变换的缺陷，但是，分段线性变换,参数太多,，实现不是很方便,。,3,、,对数变换,和幂次变换属于非线性变换,，只采用一个变换函数，就可以实现对,图像不同区域的灰度值抑制或对比度拉伸,。,4,、,指数,变换与幂次变换,类似，只是两者的,自变量不同,灰度变换,1,、,直方图,变换常见的方法有两种,：,直方图均衡,化,和,直方图规定化,。,2,、,直方图,变换的思想是通过,改变和调整图像的灰度直方图,，从而改变图像灰度值的分布关系，从而达到,图像增强,的目的。,直方图变换,直方图均衡化是将原图像,通过直方图变换函数修正为均匀的直方图,，然后按照均衡直方图来修正原始图像。,灰度变换,直方图均衡化,设灰度级为,k,的像素点数量为,n,k,，图像中所有像素数量为,n,，,p,k,代表,n,k,在图像中所占有的比例，也就是,n,k,出现的概率。因此有：,1,、,直方图均衡,化背后的基础数学涉及将一个分布映射到另一个分布,。,映射函数,应该是累积分布函数,。,2,、,使用,累积分布函数,将原始分布重新映射到均匀分布,，只需在原始分布中查找每个值并查看均衡分布中应该去的位置,。,3,、,直方图均衡,化采用原始图的,累计分布函数作为变换函数,。均衡,化变换为,:,灰度变换,直方图均衡化,4,、,变换,函数,T(.),满足以下条件：,（,1,）,T,(,n,k,),在区间,0,，,1,中为,单值且单调递增,；,（,2,）当,n,k,在,0,，,1,时，,0=T(,n,k,)3,1-4,2-5,3-6,4-6,5-7,6-7,7-7,1,、,抑制噪声,改善,图像质量所进行的处理称,图像平滑或去噪,。可以,在空域或频率域中进行,。,2,、,噪声,在图像上常表现为引起较强视觉效果的,孤立像素点或像素块,。,3,、,噪声来源,：其一、,图像传感器材料,属性、工作环境、电子元器件和电路结构等,影响，,如电阻引起的热噪声、光子噪声、暗电流噪声、光响应非均匀性噪声；,其二,、,图像,传输过程中,，传输,介质和记录设备等的不完善,，传输,记录过程,中受到,多种噪声的污染。,4,、,图像,常见噪声,有四种：,高斯噪声、泊松噪声、乘性噪声和椒盐噪声,。常,采用平滑滤波方法，使亮度平缓或去掉不必要的亮点,。,5,、,空域平滑算法,：,均值,滤波、高斯,滤波,、,中值滤波,、双边滤波等,。也,可以在频率域对图像进行去燥处理,。,图像平滑,在信号处理领域，一维连续信号的卷积定义为两个函数的积分,。一,维连续卷积定义,如,下：,对于,离散的情况，积分变成了累加运算，,如,下：,图像平滑,图像卷积运算,概念,图像是,二维离散函数,，图像,的卷积就是两个二维离散函数的卷积运算。设二维图像函数,为,f(m,n),，卷积核,为,g(m,n),。图像和卷积核只在各自的大小范围内有值，其他区域视为,0,，因此，二维图像的卷积,定义,如下,:,图像平滑,图像卷积运算,概念,图像与卷积,核,示意,例：计算如下图像和卷积核之间的卷积,图像平滑,图像卷积运算,概念,图像与卷积,核,解：,（,1,）,首先,，将卷积核进行,x,和,y,方向翻转,，,得到,如下结果,图像平滑,图像卷积运算,概念,（,2,）,分别,计算原图像每个位置与翻转之后的卷积核的对应位置乘积之和。对于原图像超出边界部分，其图像的像素值视为,0,，其,计算过程为：,0,2+0,0+0,1+0,1+1,3+2,(-2)+0,(-2)+4,1+5,0=3,。,图像平滑,图像卷积运算,概念,（,3,）,计算完第一个位置之后，将卷积核向右移动一个位置，得到第二个位置的卷积结果,，,其,计算过程为：,0,2+0,0+0,1+1,1+2,3+3,(-1)+4,(-2)+5,1+6,0=-2,图像平滑,图像卷积运算,概念,（,4,）,依次在图像上滑动卷积核，直到图像上每个位置都计算完成，及完成整个图像的二维卷积运算。,图像,卷积运算所使用的卷积,核通常,是,中心对称结构,，,卷积核翻转之后没有变化,。因此，可以直接让图像与卷积核进行对应位置乘积之后求累加,和,。,图像平滑,均值滤波,1,、,图像,中,相邻像素,间存在很高的,空间相关性,，而,噪声,则是统计,独立,的,。用,邻域内各像素的灰度平均值,代替该像素,原来的灰度值,，实现图像的平滑，此方法称为均值滤波。即将每个像元在以其为中心的区域内，取平均值来代替该像元值，以达到,去掉尖锐噪声,和,平滑图像,的目的,。,2,、,均值,滤波也称为,线性滤波,。均值滤波是一种卷积,运算,。,图像平滑,均值滤波,设,对,图像,f(x,y),采用,均值滤波后的结果,为,g(x,y),，,其滤波结果可以表示,为,:,均值滤波模板,均值滤波示意图,图像平滑,均值滤波,均值滤波,在模板,所覆盖的原图像范围内，与原图像进行,卷积运算,，即得到最终的结果,。,均值,滤波,算法简单,，但它的,主要缺点,是在降低噪声的同时使图像产生,模糊,，特别在边缘和细节处,。,常用均值滤波模板,图像平滑,中值,滤波,1,、,将,每个像元在以其为中心的邻域内，取,中间亮度值来代替该像元值,，以达到去掉尖锐噪声和平滑图像的目的,。,2,、,中值滤波,首先对一个滑动窗口内的所有像素灰度值,排序,，然后用位于排序后的,中间值代替,窗口中心像素的,原来灰度值,的过程,。,3,、,滤波,结果可以表示,为,：,图像平滑,中值,滤波,4,、,中值滤波器,的窗口形状可以有多种，如,直线、方形、十字形、圆形、菱形,等,。,5,、,不同,形状的窗口,产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以,选择,。,6,、,从,经验上看，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。,图像平滑,中值,滤波,7,、,中值滤波,是一种,非线性滤波,，该滤波算法对,椒盐噪声,抑制效果好，在抑制噪声的同时能有效,保护边缘,少受模糊，但它对点、线等细节较多的图像却不太合适。对中值滤波法正确选择,窗口尺寸的大小,是,很重要,的环节,。,中值滤波示意图,图像平滑,高斯,滤波,1,、,高斯滤波器是根据,高斯函数,的形状来选择权值的一种,线性平滑滤波器,。高斯平滑滤波器对去除服从,正态分布的噪声,有很好的,效果,。,2,、,常用,二维零均值离散高斯函数,做平滑滤波器,图像平滑,高斯,滤波,3,、,高斯,函数性质,：,（,1,）旋转对称性；,（,2,）单值函数；,（,3,）傅里叶变换的频谱是单瓣的；,（,4,）滤波器的宽度是有参数,表证的；,（,5,）可分离性,。,4,、,二,维高斯滤波器能用,两个一维,高斯滤波器逐次卷积来实现。在实际使用中,，先生,成,高斯滤波卷积模板,，,然后进行,卷积运算得到滤波结果。,图像平滑,高斯,滤波,5,、,常用高斯滤波,模板,6,、,高斯滤波适用于,消除高斯噪声,，广泛应用于图像处理的去燥。高斯滤波就是对整幅图像进行,加权平均,的过程。,图像平滑,高斯,滤波,7,、,高斯,滤波是一个,低通滤波器,，对,高斯,噪声,尤其有效,。,8,、,高斯,噪声是指它的,概率密度函数,服从,高斯分布,的一类噪声,。高斯,噪声包括,热噪声,和,散粒噪声,。,9,、,高斯,滤波后图像被平滑的程度,取决于,的值。离,中心,越近的像素,权重越高,。,高斯滤波,效果,更柔和，而且边缘保留的也更好。,图像平滑,双边,滤波,1,、,双边,滤波是一种,非线性滤波器,，它在,保持边缘,的同时，起到去燥的效果,。,2,、,双边,滤波也是采用,加权平均,的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布,。,3,、,双边,滤波在考虑,像素之间的距离,基础上过，还考虑了,像素值之间的灰度差异,。以这两个权重为基础进行滤波。,图像平滑,双边,滤波,4,、,双边滤波公式,为,权重系数，为图像邻域内空间距离与像素灰度值,共同作用,的结果,图像平滑,双边,滤波,4,、,双边滤波公式,为,权重系数，为图像邻域内空间距离与像素灰度值共同作用的结果,表示空间距离的标准,偏,表示,像素灰度大小关系的标准偏差。,图像平滑,双边,滤波,5,、,双边,滤波,计算方式,双边滤波的计算如下,：,中心点,灰度值为,150,，左上角第一个点的灰度值为,153,。左上角距离中心点的距离,为,2,其左上角与中心点之间的距离差异为：,左上角与中心点之间的像素灰度差异为：,图像平滑,双边,滤波,给定,和,，即,可计算,出,和,。,将,与,相乘即得到每个点对应的,权重,w,。,即,。,依次计算每个点与中心点之间的,权重,，求解,其与该点的,灰度值相乘之后的累加和除以权重的累加和,，即为双边滤波的结果。,图像平滑,双边,滤波,在图像,平坦区域,，灰度值变化比较小，像素点的,空间距离,起到主要,作用,；,在,边缘部分,像素值变化比较大的地方，,灰度值的大小,起到主要,作用,。,双边,滤波,在保持高滤滤波的优点之外，很好的,保留了边界特征,。,图像代数运算,图像代数运算是指,两幅输入图像之间进行点对点的加、减、乘、除,运算得到输出图像的过程。图像代数运算是一种比较简单和有效的增强处理,。记,输入图像为,A(x,y),和,B(x,y),，输出图像为,C(x,y),，则有如下四种形式,：,(,1)C(x,y)=A(x,y)+B(x,y),加运算,(2)C(x,y)=A(x,y),B(x,y),减运算,(3)C(x,y)=A(x,y),B(x,y),乘运算,(4)C(x,y)=A(x,y),B(x,y),除运算,图像代数运算,图像,加法,1,、,两,幅图像,逐点相加,的过程,。,2,、,两,幅图像相加之后的值可能,超过,255,。,3,、,为了,避免像素灰度值超过,255,，一般采用在相加之前,乘上一个系数,的方式实现两幅图像相加运算。即,：,系数满足,的,关系。图像加法可以实现两幅图像的融合,。可以,去除叠加性噪声,。通常采用的方法是多幅图像,相加之后取其平均值,来消除叠加性噪声。,图像,减,法,1,、,两,幅图像,逐点相减,的过程。图像减法也称为图像,差分,。,2,、,两,幅图像相减之后的值有,可能小于,0,。,3,、,为了,保证相减,之后大于,等于,0,，有,两种处理方式,，一种是取相减之后的绝对值作为相减的结果；另一种是相减之后加上一个偏移值。,图像代数运算,图像,减,法,图像相减的作用主要有两方面：,（,1,）,消除背景影响,；,（,2,）,差影法,(,检测同一场景两幅图像之间的变化,),消除,背景即,去除不需要的叠加性图案,。,差影法把,同一景物在不同时间,拍摄的图像或,同一景物在不同波段,的图像相减,。,差值图像用于,指导,动态监测、运动目标检测和跟踪、图像背景消除及目标识别,等，如混合图像的分离。有时候也采用图像相减的方法来计算图像的梯度。,图像代数运算,图像,乘,法,1,、,两,幅图像,逐点相乘,的过程,。,2,、,相乘,之后的结果有可能,超出图像灰度值范围,。,3,、,一般,将超过灰度值,255,的进行,截断,。,4,、,如果,将图像的灰度值,归一化,到,0,1,范围内，图像乘法可以用来,过滤掉图像中的部分内容,。,图像代数运算,图像,除,法,1,、,两,幅图像,逐点相除,的过程,。,2,、,可用,于,校正成像设备的非线性影响,，,在,断层,扫描等医学图像处理中常常用到,。,3,、,也可以检测图像,间的区别,，除法操作是像素,值的变化比率,，因而,图像除法也称为,比率变换,。,4,、,除法可能,存在,小数，,可,四舍五入,取,整,。,也,可以将结果,乘上一个系数再加上一个偏值量,，系数一般取大于,1,。图像,除法可以表示为如下形式：,图像代数运算,（,a,）原图,1,（,b,）原图,2,（,c,）图像加法,图像代数运算,（,d,）图像减法,（,e,）图像减法取绝对值,（,f,）图像,乘法,（,g,）图像除法,图像代数运算结果,1,、,图像,像素二进制编码之间的,与、或、非、异或,等运算,。,2,、,与,、或、非,这三种运算是,基本的逻辑运算,，其他逻辑运算都可以由这三种基本运算得到,。,3,、,逻辑,与,实现两幅图像,相交的子集,图像，该操作与图像乘法类似，,逻辑或,实现两幅图像的,并集操作,，,逻辑非,实现图像的,补集,。,图像逻辑运算,图像逻辑运算,（,a,）原图,（,b,）掩码图像,（,c,）乘法结果,（,d,）逻辑与,结果,乘法,运算与逻辑与运算比较,图像逻辑运算结果,