资源描述：
《图像增强1数字图像处理》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、第4章图像增强概述空域变换增强技术频域变换增强技术讲解内容目的1.熟悉并掌握本章基本概念、空间域图像增强的原理、方法及其特点；2.了解频率域图像增强的方法及其实现过程；3.重点掌握直方图修正方法、特点及其应用；空间域平滑、锐化和彩色增强技术。4.1概述与分类结果：改善后的图像不一定逼近原图像定义：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，消弱或去除某些不需要的信息的处理方法目的：对图像进行加工，以得到对具体应用来说视觉效果更“好”，更“有用”的图像，也就是说，提高图像的可懂度前提：不考虑图像降质的原因3、图像增强处理最大的困难－增
2、强后图像质量的好坏主要依靠人的主观视觉来评定，也就是说，难以定量描述注意：1、图像增强处理并不能增加原始图像的信息，其结果只能增强对某种信息的辨别能力，而这种处理肯定会损失一些其它信息2、强调根据具体应用而言，更“好”，更“有用”的视觉效果图像图像的动态范围得到压缩、图像边缘信息得到锐化处理以及解决颜色恒常性(即改变光照变化的影响)压缩动态范围主要增强方法直接对象素灰度值运算对图像进行变换增强操作变换空域法的基本原理直接对图像中的象素进行处理基本上是以灰度映射变换为基础所用的映射变换取决于增强的目的频域法的基本原理基础是卷积定理－它采用修改图像
3、傅立叶变换的方法实现对图像的增强处理由卷积定理可知，如果原始图像是f(x,y)，处理后的图像是g(x,y)，而h(x,y)是处理系统中的冲激响应，那么，处理过程可由下式表示g(x,y)=h(x,y)*f(x,y)如果G(u,v),H(u,v),F(u,v)分别是g(x,y)，h(x,y)和f(x,y)的傅立叶变换，上面的卷积关系可表示为变换域的乘积关系，即G(u,v)=H(u,v)F(u,v)H(u,v)为传递函数。在增强问题中，f(x,y)是给定的原始数据，经傅立叶变换可得到F(u,v).选择合适的H(u,v),使得g(x,y)=F-1[H(
4、u,v)F(u,v)]这样得到的g(x,y)比f(x,y)在某些特性方面更鲜明，突出，因而更容易识别，解释。两个关键：1、将图像从图像空间转换到频域空间所需的变换T以及再将图像从频域空间转换到图像空间所需的变换T-12、在频域空间对图像进行增强加工的操作EH空域变换增强处理方法基于点操作的增强－也叫灰度变换，常见的几类方法为：1、将f(.)中的每个象素按EH操作直接变换以得到g(.)2、借助f(.)的直方图进行变换3、借助对一系列图像间的操作进行变换前面所讲的图像基本运算基于模板（滤波）操作的增强，主要有平滑和锐化处理两种方法直接灰度变换EH(
5、.)变换函数可以取不同形式，从而得到不同的效果1、线性变换4.2基于点操作的增强2、对数变换3、指数变换1、图像求反-灰度值进行反转，黑变白此时的EH(.)操作，可用曲线表示L-1L-1s’t’st0EH(s)普通的黑白底片和照片的关系如此s’－>t’2、增强对比度－增强图像各部分的反差，实际中增加图像中某两个灰度值间的动态范围来实现典型的增强对比度的EH(.)如图所示L-1L-1(s2,t2)(s1,t1)st0EH(s)0～s1之间的动态范围减小s2～L-1之间的动态范围减小s1～s2之间的动态范围增加，对比度增强s1,s2,t1,t2取不
6、同的值，得到不同效果s1=t1,s2=t2，与原图相同3、动态范围压缩－与增强对比度相反，有时原图的动态范围太大，超出某些显示设备的允许动态范围，这时如直接使用原图，则一部分细节可能丢失对原图进行灰度压缩常用的EH(.)操作，是一种对数形式的函数，曲线如图所示L-1L-1st0EH(s)t=Clog(1+
7、s
8、)C为尺度比例常数4、灰度切分－与增强对比度相仿，将某个灰度值范围变得比较突出典型的EH(.)操作如图所示L-1L-1st0EH(s)s1s2EH(s)L-1s1s20L-1ts将s1～s2之间的灰度级突出，而将其余灰度值逐渐变为某个低灰
9、度值将s1～s2之间的灰度级突出，而将其余灰度值保留5.位面图直接灰度变换也可以借助图像的位面表示进行。对1幅用多个比特表示其灰度值得图像来说，其中的每个比特可看作表示了1个二值的平面，也称位面。1幅其灰度级用8bit表示的图像有8个位面，一般用位面0代表最低位面，位面7代表最高位面，如图所示。对图像特定位面的操作进行图像增强实例4.2.2直方图处理1.直方图概念及模型化灰度级的直方图描述了一幅图像的概貌。简单讲，灰度级直方图就是反映一幅图像中的灰度级与出现这种灰度的概率之间的关系的图形对于一幅给定的图像而言，每一个象素取得[0，1]区间内的灰
10、度级是随机的，也就是说，r是一个随机变量。假定对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。如果用直角
