《图像增强与平滑》PPT课件

《《图像增强与平滑》PPT课件》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、姓名：樊红莉Tele.：8207097(O)Email：fhl_1@126.com湖北汽车工业学院数字图像处理1.改善图像的视觉效果。2.突出图像的特征，便于计算机处理。一．应用二.分类第四章：图像增强(一)三.内容1.空域处理:直接对图像进行处理。2.频域处理:是图像的变换域上进行处理，增强感兴趣的频率分量，然后通过逆变换获得图像增强效果。一．应用二.分类(按作用域)第四章：图像增强三.内容图像增强空间域频率域彩色增强1.直方图变换2.灰度变换3.邻域平均法4.中值滤波5.边缘增强的各种离散空间差分算子1.高通滤波2.低通滤波3.同

2、态滤波1.假彩色增强2.伪彩色增强3.彩色变换三.内容第四章：图像增强一．应用二.分类4.1图像直方图一．概念二.性质三.计算1.灰度图像直方图2.彩色图像二维直方图四.应用图像直方图图图像灰度直方图1.灰度直方图(DensityHistogram)灰度直方图是灰度级的函数，表示某种灰度级的像素的个数，反映的是一幅图像中各灰度级像素出现的频率。以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。定义性质应用计算灰度级像素数频率灰度级1.灰度直方图(Histogram)定义性质应用计算图像直方图图　图像灰度直

3、方图设r为图像的灰度级，作归一化处理，灰度级r将被限定在［0,1］之内。在灰度级中，r=0代表黑，r=1代表白。r的灰度级是随机的，假定每一瞬间，它们是连续的随机变量，那么就可以用概率密度函数pr(r)来表示原始图像的灰度分布。图　图像灰度分布概率密度函数1.灰度直方图(Histogram)图像直方图定义性质应用计算暗亮2.彩色图像的分波段直方图RGB定义性质应用计算图像直方图图像直方图一．概念二.性质三.计算四.应用1.空间信息丢失2.图像与直方图之间是多对一的关系3.整个图像的直方图是部分之和1.空间信息丢失去除灰度为255部分的

4、直方图定义性质应用计算图像直方图2.图像与直方图之间是多对一的关系定义性质应用计算图像直方图3.整个图像的直方图是部分之和定义性质应用计算图像直方图A直方图＝B直方图＋C直方图图像直方图一．概念二.性质三.计算1.一般离散形式下的计算2.步骤3.示例图四.应用1.一般离散形式下的计算定义性质应用计算用rk代表离散灰度级，用pr(rk)代表pr(r)且有下式成立：式中：nk:图像中出现rk级灰度的像素数，n:图像像素总数，nk/n:频数。图像直方图（4-1）2.步骤设若图像具有L级灰度（通常L=256，即8位灰度级），大小为M×N的灰度

5、图像f(x,y)的灰度直方图pBuffer［0…L-1］算法：（1）初始化：pBuffer［k］=0;k=0,…,L-1。（2）统计：pBuffer［f(x,y)］++;x,y=0,…,M-1,0,…,N-1。（3）归一化：pBuffer［f(x,y)］/M*N。其中，直方图的归一化是一个可选项。定义性质应用计算图像直方图示例图图Lena图像及直方图（a）Lena图像；（b）Lena图像的直方图定义性质应用计算图像直方图图像直方图一．概念二.性质三.计算1、图像增强——均衡化2、图像分割3、图像压缩四.用途图像直方图定义性质应用计

6、算图像增强——均衡化1、基础2、直方图均衡化图像直方图定义性质应用计算处理图像直方图右图：花粉图像的暗、亮、低对比度和高对比度的四种基本图像类型及其相应的直方图。可以直观地看到，若一幅图像其像素占有全部可能的灰度级并且分布均匀，则这样的图像具有高对比度和多变的灰度色调。开发一种变换函数，仅依靠输入图像直方图中的信息就可以自动达到这样的效果定义性质应用计算基础——变换函数一幅给定图像的灰度级分布在0≤r≤1范围内。可以对［0,1］区间内的任一个r值进行如下函数变换：s=T(r)通过上述变换，每个原始图像的像素灰度值r都对应产生一个s值。

7、变换函数T(r)应满足下列条件：（1）在0≤r≤1区间内，T(r)值单调增加；（2）对于0≤r≤1，有0≤T(r)≤1。图像直方图(1)保证T(r)的反变换存在,同时保持了输出图像从黑到白的次序增加;(2)则保证了映射变换后的像素灰度值在容许的范围内。（4-2）定义性质应用计算基础通过变换函数T(r)可以控制图像灰度级的概率密度函数，从而改变图像的灰度层次。这就是直方图修改技术的理论基础。图像直方图定义性质应用计算均衡化很重要很常用的变换函数：式中：ω是积分变量，而就是r的累积分布函数。这里，累积分布函数是r的函数，并且单调地

8、从0增加到1，所以这个变换函数满足T(r)的两个条件。（4-3）图像直方图定义性质应用计算均衡化图像直方图令pr(r)和ps(s)分别代表随机变量r和s的概率密度。由概率论得到一个基本结果：如果pr(r)和T(r)已知，