《空间域图像增强复习课程.ppt》由会员分享，可在线阅读，更多相关《空间域图像增强复习课程.ppt（130页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、空间域图像增强2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。-北师大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3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大类：空间域增强是直接对图像各像素进行处理频率域增强是对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5空间域增强空间域增强空间域增强是指增强构成图像的像素空间域方法直接进行像素操作，输入一幅或多幅图像，然后输出处理的结果（图像）g(x,y)=T f(x,y)g(x,y)=T f1(x,y),f2
2、(x,y),f3(x,y).T的输入是像素(x,y)的邻域，输出是图像g中像素(x,y)的值6空间域增强空间域增强点(x,y)的邻域一般是以(x,y)为中心的正方形或者矩形子图像。常用的是正方形邻域，一般以奇数大小为边长，如 1x1,3x3,5x5,7x7子图像的中心从一个像素向另一个像素移动，T利用邻域中的像素值计算得到输出像素空间域增强的简化形式：灰度变换 s=T(r)r是f(x,y)在任意点(x,y)的灰度级s是g(x,y)在任意点(x,y)的灰度级8若干基本灰度变换若干基本灰度变换图像复制图像反转幂次变换对数变换9图像反转图像反转灰度级范围为0,L-1的图像反转s=L-1-r 用于处理
3、嵌入于图像暗色区域的白色或者灰色细节10对数变换对数变换对灰度级取对数，可以将高动态范围的图像压缩到低动态范围，以便更好地观察图像细节高动态范围图像的问题是:在一般的显示设备上无法显示如此大的动态范围，标准显示的动态范围只有255个灰度级别，而高动态范围能有多达106或更多的灰度级别11对数变换对数变换下图是某图的傅里叶变换频谱，值范围是01.5x106s=c log(1+r)左图是线性变换到255范围内；右图是取对数变换左图是线性变换到左图是线性变换到255255范围内；右图是取对数变换范围内；右图是取对数变换13幂次变换幂次变换幂次变换也称为伽马变换14幂次变换幂次变换很多用于图像获取、打
4、印和显示的各种装置根据幂次规律产生响应不同的设备响应曲线不一样，修正幂次响应的过程称为伽玛校正15幂次变换幂次变换阴极射线管CRT装置的电压强度响应，是一个指数变化范围在1.82.5的幂函数左边输入的是线性灰度图，CRT显示该图会较暗，如果在显示之前先进行伽玛校正，则CRT的显示会接近原图16幂次变换例幂次变换例117幂次变换例幂次变换例218分段线性函数分段线性函数对比拉伸灰度切割位图切割19对比拉伸对比拉伸对比拉伸的思想是提高图像处理时灰度级的动态范围点(r1,s1)和(r2,s2)的位置控制了变换函数的形状若r1=s1,r2=s2，则变换为一线性函数，恒等变换r1=r2,s1=0,s2=
5、L-1，则变为阈值函数20对比拉伸对比拉伸21灰度切割灰度切割在图像中提高特定灰度范围的亮度，而同时降低其他灰度范围的亮度，以增强显示感兴趣的灰度范围区域（如卫星图像中的大量的水，或者是X射线图中的缺陷）22灰度切割灰度切割23位图切割位图切割不提高灰度范围的亮度，而是强调特定位平面，来调整图像显示假设一幅256级别灰度的图像，每个像素由8个位（一个字节）构成24位图切割位图切割在这些位平面中，较高位的数据包含了在视觉上很重要的大多数数据，而较低位平面给出了图像的细微细节应用举例，灰度阈值变换：1）0127灰度级的像素统一映射为灰度级02）128255灰度级的像素统一映射为灰度级255直接使用
6、位平面7的二值图像即可25位图切割位图切割26直方图直方图下图是一幅图像的灰度直方图 直方图的计算式为27直方图直方图28直方图处理直方图处理直方图均衡化29直方图规定化直方图规定化30图(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（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31直方图处理直方图处理32直方图处理直方图处理均衡化规定化33直方图处理直方图处理局部增强技术：前面讨论的直方图均衡化和规定化是全局性的方法有时，图像只是在某些局部区域的细节需要增强处理，此时可以将直方图的计算
7、区从整幅图像调整到像素的方形邻域34直方图处理直方图处理35直方图处理直方图处理使用统计法增强图像：从直方图获得本幅图像或者本区域像素值的统计参数令r是像素灰度值，p(r)是归一化直方图分量，可以把p(r)看成是灰度级r出现的频率，并近似看作概率估计值36直方图处理直方图处理均值：n阶矩：二阶矩（方差）：邻域计算：37直方图处理直方图处理基于局部统计量的增强像素均值：对应局部的像素亮度像素方差：对应局部的亮度对比方案：增强较暗的区域，保持具有适当对比度的像素，同时保持亮的区域3839增强图像代数运算增强图像代数运算在图像处理中，算术运算和逻辑操作主要是以像素对像素的方式在两幅或者多幅图像之间进
8、行（逻辑非除外）将像素值视作二进制串，使用逻辑运算来处理：逻辑非可以实现图像反转功能与、或操作通常作为模板，从一幅图像中提取子图像40算数运算：图像减法算数运算：图像减法设有两幅图像f(x,y)和h(x,y),两者的差图像定义为：当用一幅包含目标的图像减去背景图像，则差图像就是只包含目标的图像，这有助于我们去除不太重要的背景信息，而提取出比较感兴趣的目标物41图像减法图像减法42图像减法图像减法掩膜式X光成像法：在注入碘元素之前拍摄的背景图像，注入碘元素后拍摄的图像减去掩膜图像脊柱利用图像减法消除背景44图像减法图像减法减法处理中的问题：出现负数处理办法，使用对比度拉伸45图像减法图像减法减法
9、处理中的问题：出现负数有效利用灰度级范围46图像加法图像加法图像加法可以在两幅或者多幅图像中进行，注意在执行加法后需要取平均值注意上式中左右图像均为g，只是下标不一样，因为图像加法通常是在相同场景的不同时刻的图像之间进行47图像加法图像加法-去噪去噪如果对一场景进行拍摄，但结果图像可能会被噪声污染，这可以通过图像加法解决假设图像被噪声污染，该噪声均值为0，方差为 ，显然方差越大，噪声越强48根据式当K增加时，在结果图像中各像素点的噪声影响会越来越小，因此会越来越趋近于原始图像f(x,y)49原图像和噪声图像平均后图像与原图像的差值及差图像直方图8/16/64/128 幅图像取平均图像加法图像加
10、法-叠加效果叠加效果图像加法还可以产生图像叠加效果对于两个图像f(x,y)和h(x,y)的均值有：g(x,y)=1/2f(x,y)+1/2h(x,y)可以推广为：g(x,y)=f(x,y)+h(x,y)，其中+=1利用图像加法，可以得到各种图像合成的效果，也可以用于 两张图片拼接乘法的定义C(x,y)=A(x,y)*B(x,y)主要应用举例图像的局部显示（目标提取）用二值蒙板图像与原图像做乘法算数运算算数运算乘法乘法非的定义g(x,y)=255 -f(x,y)主要应用举例：获得一个阴图像获得一个子图像的补图像逻辑运算1、非利用图像非，得到阴图像利用图像非，获得一个子图像的补图像=与运算的定义g
11、(x,y)=f(x,y)h(x,y)主要应用举例求两个子图像的相交子图=逻辑运算2、与利用与运算和模板，提取感兴趣的子图像或运算的定义g(x,y)=f(x,y)v h(x,y)主要应用举例合并子图像=逻辑运算3、或异或运算的定义g(x,y)=f(x,y)h(x,y)主要应用举例获得相交子图像=逻辑运算4、异或61图像增强空间域平滑图像增强空间域平滑任何一幅图像，在获取和传输的过程中，会受到各种噪声的干扰，使图像质量下降，特征被淹没，对图像分析造成影响。为了抑制噪声，改善图像质量所进行的处理称为图像噪声去除，简称去噪因为去噪的过程往往使图像中的尖锐信号被修整或抹平，因此大部分去噪算法又称为图像平
12、滑算法62空间域平滑空间域平滑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模 板63空间域平滑空间域平滑本节介绍空间域的几种平滑法局部平滑法超限像素平滑法灰度最相近的K个邻点平均法梯度倒数加权平滑法最大均匀性平滑有选择保持边缘平滑法空间低通滤波法多幅图像平均法中值滤波64局部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。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65局部平滑法局部平滑法设有一幅NN的图像f(x,y)，若平
13、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66局部平滑法局部平滑法例如，对图像采用33的邻域平均法，对于像素（m,n)，其邻域像素如下：(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)则有：67局部平滑法局部平滑法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
14、倍空间域图像处理模板空间域图像处理模板在待处理图像的每个像素上进行处理，处理的依据是其周边像素值的线性组合以周边像素集合作为邻域，取出各像素的值f(i,j)，乘以相应的加权系数w(i,j)，最后求和得到处理后的像素值6970空间域图像处理模板空间域图像处理模板加权系数值构成的权值矩阵加权系数值构成的权值矩阵常被称为：模板：template掩膜：mask卷积核：kernel滤波器：filter71局部平滑法局部平滑法n=3和n=5时，图像中有轻微模糊；n=9，图像更模糊，某些圆圈与背景融合较多；（噪声明显减少字母锯齿状边界与圆圈都平滑了）n=15和35时，图像非常模糊，小尺寸物体就被抹去了72局
15、部平滑法局部平滑法该算法简单，但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。邻域越大，在去噪能力增强的同时模糊程度越严重平滑算法对白噪声（高斯噪声）有效，对椒盐噪声效果一般甚至较差。对于椒盐噪声，非线性的处理技术更有效73局部平滑法局部平滑法(a)原图像原图像(b)加椒盐噪声的图像加椒盐噪声的图像(c)33邻域平滑邻域平滑(d)55邻域平滑邻域平滑74改进方法改进方法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。这些算法的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等75超限像素平滑法超限像素平滑法对邻域平均法稍加改进，可
16、导出超限像素平滑法将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g(x,y)。其表达式为76超限像素平滑法超限像素平滑法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。随着邻域增大，去噪能力增强，但模糊程度也大。同局部平滑法相比，超限像素平滑法的去椒盐噪声效果更好77(a)原图像原图像 (b)对对(a)加椒盐噪声的图像加椒盐噪声的图像(c)33邻域平滑邻域平滑 (d)55邻域平滑邻域平滑(e)33超限像素平滑超限像素平滑(T=64)(f)55超限像素平滑超限像素平滑(T=48)78灰度最相近的灰度最相近的K个邻点平均法
17、个邻点平均法在nn的窗口内，属于同一集合体的像素，它们的灰度值将高度相关。因此，可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。此即灰度最相近K邻点平均法79灰度最相近的灰度最相近的K个邻点平均法个邻点平均法K值较小的K值使噪声方差下降较小，但保持细节效果较好；较大的K值平滑噪声较好，但会使图像边缘模糊。实验证明，对于33的窗口，取K=6为宜80最大均匀性平滑最大均匀性平滑为避免因为消除噪声而引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这个区域的灰度均值代替该像素原来的灰度值81有选择保边缘平滑法有选择保边缘平滑法该方法对图像上任一像素(x,
18、y)的55邻域，采用9个掩模，其中包括一个33正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模区的灰度均值就是像素（x,y)的输出值82有选择保边缘平滑法有选择保边缘平滑法该方法以方差作为各个区域灰度均匀性的测度。若区域含有尖锐的边缘，它的灰度方差必定很大；而不含边缘或灰度均匀的区域，它的方差就小，那么最小方差所对应的区域就是灰度最均匀区域。因此有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。83有选择保边缘平滑法有选择保边缘平滑法此外，五边形和六边形在（x,y）处都有锐角，因此即使像素（x,y）位于一个复杂形状区域的锐角处，也能找到均匀
19、的区域。从而在平滑时既不会使尖锐边缘模糊，也不会破坏边缘形状84有选择保边缘平滑法有选择保边缘平滑法例如，某像素55邻域的灰度分布，经计算9个掩模区的均值和方差为均值344224333对应的方差11 30 37 13 20 26 12 26 32364214 7324841434215343216最小方差为最小方差为11，对应的灰度均值，对应的灰度均值3，采用有选择保边缘平滑，采用有选择保边缘平滑，该像素的输出值为该像素的输出值为3。85空间低通滤波法空间低通滤波法邻域平均法可看作一个掩模作用于图像f(x,y)的低通空间滤波掩模就是一个滤波器，它的响应为H(r,s)于是滤波输出的数字图像g(x
20、,y)用离散卷积表示为86空间低通滤波法空间低通滤波法常用的掩模有87空间低通滤波法空间低通滤波法掩模不同，中心点或邻域的重要程度也不相同，因此，应根据问题的需要选取合适的掩模。但不管什么样的掩模，必须保证全部权系数之和为单位值1，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象88统计排序滤波器统计排序滤波器统计排序滤波器是一种非线性的空间滤波器它的响应基于滤波器包围的图像区域中像素的排序，然后用统计排序结果代替中心像素的值89中值滤波中值滤波中值滤波是对一个滑动窗口内的各像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法这里中值指的是一个数值集合中
21、的中间值，在集合中有一半值小于或等于这个值，也有一半值大于或等于这个值90中值滤波中值滤波例：采用例：采用13窗口进行中值滤波窗口进行中值滤波原图像为：原图像为：2 2 6 2 1 2 4 4 4 2 4处理后为：处理后为：2 2 2 2 2 2 4 4 4 4 491中值滤波中值滤波它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适对中值滤波法来说，正确选择窗口尺寸的大小很重要。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的92一维中值滤波的几个例子（一维中值滤波的几个例子（N=5）离
22、散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响93一维中值滤波的几个例子（一维中值滤波的几个例子（N=5）原图像原图像 处理结果处理结果94二维中值滤波二维中值滤波一维中值滤波的概念很容易推广到二维。一般来说，二维中值滤波器比一维滤波器更能抑制噪声二维中值滤波器的窗口形状可以有多种，如线状、方形、十字形、圆形、菱形等95二维中值滤波二维中值滤波不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。经验表明，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖
23、顶角状的图像效果好96图图(a)为原图像；图为原图像；图(b)为为加椒盐噪声的图像；图加椒盐噪声的图像；图(c)和图和图(d)分别为分别为33、55模板进行中值滤波的结果模板进行中值滤波的结果;图图(e)和图和图(f)分别为分别为33、55模板利用超限像素平均模板利用超限像素平均法处理的结果法处理的结果可见中值滤波法能有效削弱可见中值滤波法能有效削弱椒盐噪声，且比邻域、超限椒盐噪声，且比邻域、超限像素平均法更有效像素平均法更有效97二维中值滤波二维中值滤波98图像空间域锐化图像空间域锐化在图像的识别中，常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。图像平滑通过积分使得图像边缘模糊
24、，图像锐化则通过微分而使图像边缘突出、清晰。99图像中的微分图像中的微分对于一元函数f(x)，一阶导数为二阶导数为100图像中的微分图像中的微分对于一元函数f(x)，一阶微分对应了导数二阶微分对应了导数的导数101图像中的微分图像中的微分图像中的像素间隔为1，因此取二阶微分是导数的导数102103图像中的微分图像中的微分根据上图计算知：一阶微分只有在平坦的区域为0或接近0二阶微分在平坦处以及斜坡处为0，只在斜坡的起始和终点处才非零二阶微分对孤立噪声点及其周边点的响应比一阶微分强得多强得多104图像中的微分图像中的微分结论：一阶微分处理通常产生较宽边缘二阶微分处理对细节有较强的响应如细线条和孤立
25、点一阶微分处理一般对灰度阶梯有较强响应二阶微分处理对灰度阶梯变化产生双响应105梯度锐化法梯度锐化法最常用的图像锐化法是梯度法。标量场(如高度、温度)中某一点上的梯度指向标量场增长最快的方向，梯度的长度是这个最大的变化率。在单变量的实值函数的情况，梯度只是导数；对于一个线性函数，也就是线的斜率。106梯度锐化法梯度锐化法对于图像f(x，y)，在(x，y)处的梯度定义为梯度是一个矢量，其大小和方向为107梯度锐化法梯度锐化法对于离散图像处理而言，常用到梯度的大小，因此把梯度的大小也习惯称为“梯度”。并且一阶偏导数采用一阶差分近似表示，即 为简化梯度的计算，经常使用以下两种近似计算值108图像空间
26、域锐化图像空间域锐化梯度算子模板除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘1-1-11109110图像空间域锐化图像空间域锐化Roberts1965使用交叉差分算法差分计算式如下111图像空间域锐化图像空间域锐化为了在锐化边缘的同时减少噪声的影响，Prewitt从加大边缘增强算子的模板大小出发，由2x2扩大到3x3来计算差分，如图(a)所示。-101-1-1-1-
27、101-1-2-1-101000-202000-101111-101121(a)Prewitt 算子算子 (b)Sobel算子算子112图像空间域锐化图像空间域锐化Sobel在Prewitt算子的基础上，对4-邻域采用加权的方法计算差分，对应的模板如图(b)根据梯度计算式就可以计算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，就可根据不同的需要生成不同的梯度增强图像113例：隐形眼镜检测例：隐形眼镜检测4点、5点钟处两个边缘缺陷，去除了灰度平坦区域，梯度处理突出了小斑点114图像空间域锐化图像空间域锐化第一种输出形式g(x,y)=grad(x,y)此法的缺点是增强的图像仅显示
28、灰度变化比较陡峭的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色115图像空间域锐化图像空间域锐化第二种输出形式116图像空间域锐化图像空间域锐化第三种输出形式它将明显边缘用一固定的灰度级LG来表现117图像空间域锐化图像空间域锐化第四种输出形式此方法将背景用一个固定的灰度级 LB来表示，便于研究边缘灰度的变化118图像空间域锐化图像空间域锐化第五种输出形式这种方法将明显边缘和背景分别用灰度级LG和LB表示，生成二值图像，便于研究边缘所在位置119120Laplacian算子算子Laplacian 算子是线性二阶微分算子。即对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Lapla
29、cian算子表达式为121Laplacian算子模板算子模板122Laplacian增强算子增强算子Laplacian算子作为二阶微分算子，强调的是图像中灰度的突变，并且淡化图像中灰度变化缓慢的区域因此拉普拉斯算子产生的图像是以浅色显示源图像中的边缘和突变点，而以黑色或暗灰色显示原图中的其他背景区域将拉普拉斯算子产生的图像叠加到原图像中可以使得图像中的边界和突变细节得到锐化，同时也保留了原图像中的信息123Laplacian增强算子增强算子Laplacian增强算子：将拉普拉斯算子产生的图像叠加到原图像-105-1-100-10拉普拉斯增强算子模板Laplace掩膜中心系数为负Laplace掩
30、膜中心系数为正124拉普拉斯增强拉普拉斯增强a)月球北极图像b)Laplace算子产生的图像可能产生负数c)重新标定后的图像d)增强后的图像125合成拉普拉斯掩膜合成拉普拉斯掩膜126高频提升滤波高频提升滤波设锐化图像：127高频提升滤波高频提升滤波选择拉普拉斯增强作为锐化图像：提升滤波应用之一是处理较暗的输入图像，通过设置不同的A，起到增亮原图像且锐化细节128(a)原图原图像；像；(b)A=0;(c)A=1;(d)A=1.7编程练习编程练习编程实现相关算法图像的算术运算图像的逻辑运算图像的9种平滑方法此课件下载可自行编辑修改，仅供参考！此课件下载可自行编辑修改，仅供参考！感谢您的支持，我们努力做得更好！谢谢感谢您的支持，我们努力做得更好！谢谢