资源描述：
《数字图像处理(冈萨雷斯)第三章-空间域图像增强.ppt》由会员上传分享，免费在线阅读，更多相关内容在PPT专区-天天文库。
1、第三章、空间域图像增强3.1背景知识3.2基本灰度变换3.3直方图处理3.4空间滤波基础3.5平滑空间滤波器3.6锐化空间滤波器3.7混合空间增强法本章内容一、什么是图象增强？图象增强的含义和目的图像增强是要突出图像中的某些信息，同时削弱或去除某些不需要信息的一种处理方法，以得到对具体应用来说视觉效果更“好”，或更“有用”的图像的技术.二、为什么要增强图象？图像在传输或者处理过程中会引入噪声或使图像变模糊，从而降低了图像质量，甚至淹没了特征，给分析带来了困难。图象增强的含义和目的空间域处理：点处理（图象灰度变换、直方图均衡等
2、）；邻域处理（线性、非线性平滑和锐化等）；频域处理：高、低通滤波、同态滤波等三、目的：（1）改善图象的视觉效果，提高图像的清晰度；（2）将图象转换成更适合于人眼观察和机器分析识别的形式，以便从图象中获取更有用的信息。四、基本方法：图象增强的含义和目的空间域增强是指增强构成图像的像素，可由下式定义：g(x,y)=T[f(x,y)](3.1-1)其中f(x,y)是输入图像g(x,y)是输出图像T是对f的一种操作，定义在（x,y）的邻域上.3.1背景知识邻域和预定义的操作一起称为空间滤波器（掩模、核、模板）①邻域：中心在(x,y)
3、点的正方形或矩形子图像.②子图像的中心从一个像素向另一个像素移动,③T操作应用到每一个(x,y)位置得到该点的输出g.3.1背景知识定义一个点(x,y)邻域的主要方法是:图像中(x,y)点的3×3邻域1×1的邻域T(r)产生两级(二值)图像,阈值函数对比度增强的灰度级函数更大的邻域会有更多的灵活性,一般的方法是利用点(x,y)事先定义的邻域里的一个f值的函数来决定g在(x,y)的值,主要是利用所谓的模板（也称为滤波器,核,掩模）.模板是一个小的(3×3)二维阵列,模板的系数值决定了处理的性质,如图像尖锐化等.以这种方法为基础
4、的增强技术通常是指模板处理或空域滤波.3.1背景知识3.2基本灰度变换灰度级变换函数s=T(r)(3.1.2)三种基本类型①线性的(正比或反比)②对数的(对数和反对数的)③幂次的(n次幂和n次方根变换)用于图像增强的某些基本灰度变换函数输入灰度级,rn次方根正比反对数反比对数n次幂输出灰度级图像反转对数变换幂次变换3.2基本灰度变换灰度反转图像适于处理增强嵌入于图像暗色区域的白色或灰色细节,特别是当黑色面积占主导地位时.①反转变换对数变换的图像（显示在一个8bit的系统中）使一窄带低灰度输入图像映射为一宽带输出值.可以用于扩
5、展图像中的暗像素.3.2基本灰度变换②对数变换幂次曲线中的值决定了是把输入窄带暗值映射到宽带输出值还是把输入窄带亮值映射到宽带输出.3.2基本灰度变换③幂次变换(伽马)校正3.2基本灰度变换幂次变换的应用为什么要进行γ校正？几乎所有的CRT显示设备、摄像胶片、许多电子照相机的光电转换特性都是非线性的。所以，如果不进行校正处理的话，将无法得到好的图像效果，见课本P67图3.7。光电传感器的输入输出特性：这些非线性部件的输出与输入之间的关系可以用一个幂函数来表示，形式为：设CCD的输入（入射光强度）为r，输出（电压）为v，则有：
6、例如，电子摄像机的输出电压与场景中光强度的关系(伽马)校正3.2基本灰度变换幂次变换的应用γ校正的原理即在显示之前通过幂次变换将图像进行修正。整个过程利用公式表示如下：因此，γ校正的关键是确定γ值。实际中γ值的确定方法通常CCD的γ值在0.4～0.8之间，γ值越小，画面的效果越差。根据画面对比度的观察与分析，可以大致得到该设备的γ值（或依据设备的参考γ值）。伽马校正3.2基本灰度变换幂次变换的应用(a)原图像例3.1用幂次变换进行对比度增强c=1,=0.6,0.4,0.3原图像0.60.40.33.2基本灰度变换幂次变换的应
7、用原图像3.04.05.0c=1,=3.0,4.0,5.03.2基本灰度变换幂次变换的应用“冲淡”效果图④分段线性变换函数其形式可以任意组合,有些重要的变换可以应用分段线性函数描述.(a)变换函数的形式(b)低对比度图像(c)对比度拉伸的结果(d)门限化的结果(a)(b)(c)(d)3.2基本灰度变换1、对比拉伸：扩展图像处理时灰度级的动态范围。2、灰度切割：提高特定灰度范围的亮度(a)加亮[A,B]范围,其他灰度减小为一恒定值(b)加亮[A,B]范围,其他灰度级不变(c)原图像(d)使用(a)变换的结果(a)(b)(c)(
8、d)3.2基本灰度变换④分段线性变换函数特点：突出目标的轮廓，消除背景细节特点：突出目标的轮廓，保留背景细节例3.33、位图切割：把数字图像分解成为位平面，（每一个位平面可以处理为一幅二值图像）对于分析每一位在图像中的相对重要性是有用的。（高阶位如前4位包含视觉上很重要的大多数数据；其它位
