资源描述：
《图像增强讲义.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、图像增强图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。例如采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，提高图像的使用价值。图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两种。空间域增强是直接对图像各像素进行处理；频率域增强是将图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像。图像增强所包含的主要内容如图：图像增强的点运算灰度变换灰度变换可调整图像的灰度动态范围或图像对比度，是图像增
2、强的重要手段之一。1．线性变换令图像f(i，j)的灰度范围为[a,b]，线性变换后图像g(i，j)的范围为[a´,b´]，如图。g(i，j)与f(i，j)之间的关系式为：在曝光不足或过度的情况下，图像灰度可能会局限在一个很小的范围内。这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像每一个像素灰度作线性拉伸，可有效地改善图像视觉效果。反色变换2．分段线性变换为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。设原图像f(x,y)在[
3、0，Mf],感兴趣目标的灰度范围在[a,b],欲使其灰度范围拉伸到[c,d],则对应的分段线性变换表达式为通过细心调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。对比度扩展分段线性变换削波阈值化灰度窗口3．非线性灰度变换当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。①对数变换对数变换的一般表达式为这里a,b,c是为了调整曲线的位置和形状而引入的参数。当希望对图像的低灰度区较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分
4、布与人的视觉特性相匹配。f(i,j)g(i,j)②指数变换指数变换的一般表达式为这里参数a,b,c用来调整曲线的位置和形状。这种变换能对图像的高灰度区给予较大的拉伸。g(i,j)f(i,j)对数变换动态范围压缩直方图修整法灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系,它能描述该图像的概貌。通过修改直方图的方法增强图像是一种实用而有效的处理技术。直方图修整法包括直方图均衡化及直方图规定化两类。1.直方图均衡化直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像的方法
5、。直方图均衡化示例2.直方图规定化在某些情况下，并不一定需要具有均匀直方图的图像，有时需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。直方图规定化方法就是针对上述思想提出来的。直方图规定化是使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。可见，它是对直方图均衡化处理的一种有效的扩展。直方图均衡化处理是直方图规定化的一个特例。下面是一个直方图规定化应用实例。图(C)、(c)是将图像(A)按图(b)的直方图进行规定化得到的结果及其直方图。通过对比可以看出图(C)的对比度同图
6、（B)接近一致，对应的直方图形状差异也不大。这样有利于影像融合处理，保证融合影像光谱特性变化小。模板图像的空间域平滑任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。本节介绍空间域的几种平滑法。局部平滑法局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，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。
7、因此，可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。设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有式中x,y=0,1,…,N-1；s为（x,y）邻域内像素坐标的集合；M表示集合s内像素的总数。可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。(m-1,n-1)(m-1,n)(m-1,n+1)(m,n-1)(m,n)(m,n+1)(m+1,n-1)(m+1,n)(m+1,n+1)例如，对图像采用3×3的邻域平均法，对于像素（m,n)
8、，其邻域像素如下：则有：其作用相当于用这样的模板同图像卷积。设图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高M倍。这种算法简单，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。而且邻域越大，在去噪能力增强的同时模糊程度越严重。如下图(a)原图像(b)对(a)加椒盐噪声的图像(c)3×3邻域平滑(d)5×5邻域平滑为克服简单局部平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的
