資源描述：
《數字圖像處理(岡薩雷斯)第三章-空間域圖像增強.ppt》由會員上傳分享，免費在線閱讀，更多相關內容在PPT專區(qū)-天天文庫。
1、第三章、空間域圖像增強3.1背景知識3.2基本灰度變換3.3直方圖處理3.4空間濾波基礎3.5平滑空間濾波器3.6銳化空間濾波器3.7混合空間增強法本章內容一、什么是圖象增強？圖象增強的含義和目的圖像增強是要突出圖像中的某些信息，同時削弱或去除某些不需要信息的一種處理方法，以得到對具體應用來說視覺效果更“好”，或更“有用”的圖像的技術.二、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，從而降低了圖像質量，甚至淹沒了特征，給分析帶來了困難。圖象增強的含義和目的空間域處理：點處理（圖象灰度變換、直方圖均衡等
2、）；鄰域處理（線性、非線性平滑和銳化等）；頻域處理：高、低通濾波、同態(tài)濾波等三、目的：（1）改善圖象的視覺效果，提高圖像的清晰度；（2）將圖象轉換成更適合于人眼觀察和機器分析識別的形式，以便從圖象中獲取更有用的信息。四、基本方法：圖象增強的含義和目的空間域增強是指增強構成圖像的像素，可由下式定義：g(x,y)=T[f(x,y)](3.1-1)其中f(x,y)是輸入圖像g(x,y)是輸出圖像T是對f的一種操作，定義在（x,y）的鄰域上.3.1背景知識鄰域和預定義的操作一起稱為空間濾波器（掩模、核、模板）①鄰域：中心在(x,y)
3、點的正方形或矩形子圖像.②子圖像的中心從一個像素向另一個像素移動,③T操作應用到每一個(x,y)位置得到該點的輸出g.3.1背景知識定義一個點(x,y)鄰域的主要方法是:圖像中(x,y)點的3×3鄰域1×1的鄰域T(r)產生兩級(二值)圖像,閾值函數對比度增強的灰度級函數更大的鄰域會有更多的靈活性,一般的方法是利用點(x,y)事先定義的鄰域里的一個f值的函數來決定g在(x,y)的值,主要是利用所謂的模板（也稱為濾波器,核,掩模）.模板是一個小的(3×3)二維陣列,模板的系數值決定了處理的性質,如圖像尖銳化等.以這種方法為基礎
4、的增強技術通常是指模板處理或空域濾波.3.1背景知識3.2基本灰度變換灰度級變換函數s=T(r)(3.1.2)三種基本類型①線性的(正比或反比)②對數的(對數和反對數的)③冪次的(n次冪和n次方根變換)用于圖像增強的某些基本灰度變換函數輸入灰度級,rn次方根正比反對數反比對數n次冪輸出灰度級圖像反轉對數變換冪次變換3.2基本灰度變換灰度反轉圖像適于處理增強嵌入于圖像暗色區(qū)域的白色或灰色細節(jié),特別是當黑色面積占主導地位時.①反轉變換對數變換的圖像（顯示在一個8bit的系統中）使一窄帶低灰度輸入圖像映射為一寬帶輸出值.可以用于擴
5、展圖像中的暗像素.3.2基本灰度變換②對數變換冪次曲線中的值決定了是把輸入窄帶暗值映射到寬帶輸出值還是把輸入窄帶亮值映射到寬帶輸出.3.2基本灰度變換③冪次變換(伽馬)校正3.2基本灰度變換冪次變換的應用為什么要進行γ校正？幾乎所有的CRT顯示設備、攝像膠片、許多電子照相機的光電轉換特性都是非線性的。所以，如果不進行校正處理的話，將無法得到好的圖像效果，見課本P67圖3.7。光電傳感器的輸入輸出特性：這些非線性部件的輸出與輸入之間的關系可以用一個冪函數來表示，形式為：設CCD的輸入（入射光強度）為r，輸出（電壓）為v，則有：
6、例如，電子攝像機的輸出電壓與場景中光強度的關系(伽馬)校正3.2基本灰度變換冪次變換的應用γ校正的原理即在顯示之前通過冪次變換將圖像進行修正。整個過程利用公式表示如下：因此，γ校正的關鍵是確定γ值。實際中γ值的確定方法通常CCD的γ值在0.4～0.8之間，γ值越小，畫面的效果越差。根據畫面對比度的觀察與分析，可以大致得到該設備的γ值（或依據設備的參考γ值）。伽馬校正3.2基本灰度變換冪次變換的應用(a)原圖像例3.1用冪次變換進行對比度增強c=1,=0.6,0.4,0.3原圖像0.60.40.33.2基本灰度變換冪次變換的應
7、用原圖像3.04.05.0c=1,=3.0,4.0,5.03.2基本灰度變換冪次變換的應用“沖淡”效果圖④分段線性變換函數其形式可以任意組合,有些重要的變換可以應用分段線性函數描述.(a)變換函數的形式(b)低對比度圖像(c)對比度拉伸的結果(d)門限化的結果(a)(b)(c)(d)3.2基本灰度變換1、對比拉伸：擴展圖像處理時灰度級的動態(tài)范圍。2、灰度切割：提高特定灰度范圍的亮度(a)加亮[A,B]范圍,其他灰度減小為一恒定值(b)加亮[A,B]范圍,其他灰度級不變(c)原圖像(d)使用(a)變換的結果(a)(b)(c)(
8、d)3.2基本灰度變換④分段線性變換函數特點：突出目標的輪廓，消除背景細節(jié)特點：突出目標的輪廓，保留背景細節(jié)例3.33、位圖切割：把數字圖像分解成為位平面，（每一個位平面可以處理為一幅二值圖像）對于分析每一位在圖像中的相對重要性是有用的。（高階位如前4位包含視覺上很重要的大多數數據；其它位
