**
数字图像处理-空间域图像增强
- 图像增强
- 1.基本概念
- 2.点处理
- 1.1基本灰度变换
- 1.1.1灰度反转
- 1.1.2对数变换
- 1.1.3幂次变换
- 1.1.4分段线性变换函数
- 1.2直方图处理
- 1.2.1归一化直方图
- 1.2.2直方图均衡化
- 1.2.3直方图规定化
- 3.模板处理
- 3.1高斯滤波器
图像增强
1.基本概念
图像增强技术
图像增强技术不需要考虑图像降质的原因,只将图像中感兴趣的特征有选择地突出,将不需要的特征进行衰减。没有一个图像增强的统一理论,如何评价图像增强的结果好坏也没有统一的标准 。
图像增强的分类:
空间域法:点处理(图像灰度变换、直方图均衡、伪彩色处理等)、模板处理(空域平滑、空域锐化)
频率域法:高、低通滤波、同态滤波等
空间域图像增强技术
指在空间域中,通过线性或非线性变换来增强构成图像的像素。
增强的方法主要分为点处理和模板处理两大类
点处理
是作用于单个像素的空间域处理方法,包括图像灰度变换、直方图处理、伪彩色处理等技术;
模板处理
是作用于像素邻域的处理方法,包括空域平滑、空域锐化等技术。
空间域 方 法 是 直 接 对 像 素 进 行 操 作 的 过 程 ,
定义: g ( x , y ) = T [ f ( x , y ) ]
T 是对 f 的一种操作,其定义在 (x,y) 邻域。邻域可以为正方形、矩形和圆形,则称为模板处理或滤波。邻域为单个像素,则称为点运算,如亮度调整、对比度拉伸、灰度级切片
为简便起见,令 r 和 s 所定义的变量 , 分别是 f ( x,y ) 和 g ( x,y ) 在任意点 ( x,y ) 的灰度级,则 T 操作成为灰度级变换函数,形式为:s = T ( r )
2.点处理
1.1基本灰度变换
包括图像反转,对数变换,幂次变换,分段线性变换函数
1.1.1灰度反转
用这种方式倒转图像的强度,可以产生图像反转的对等图像;
反转变换适用于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。
1.1.2对数变换
表达式为: s = c log( 1 + r )
c 是一个常数,假设 r ≥0
使一窄带低灰度输入图像值映射为一宽带输出值;
使低灰度范围得以扩展,高灰度范围得以压缩
s = 9log 10 ( r + 1),作用:将暗的部分扩展,而亮的部分抑制。
1.1.3幂次变换
表达式为:s = c*r^γ
其 中 c 和 γ 为正 常数
幂次变换通过幂次曲线中的 γ 值把输入的窄带值映射到宽带输出值。
当 γ <1 时,提高灰度级,使图像变亮
当 γ > 1 时,降低灰度级,使图像变暗
幂次变换用于对比度增强
1.1.4分段线性变换函数
常用线性算子(滤波器)
均值滤波
高斯滤波
线性加权滤波
常用非线性算子(滤波器)
中值滤波
双边滤波
非局部均值滤波
1.2直方图处理
一个灰度级在范围 [0,L-1] 的数字图像的直方图是一个离散函数
h ( r k ) = n k
n k 是图像中灰度级为 r k 的像素个数
r k 是第 k 个灰度级, k=0,1,2,……L -1
由于 r k 的增量是 1 ,直方图可表示为:
p ( k ) = n k
1.2.1归一化直方图
一个灰度级在范围 [0,L-1] 的数字图像的直方图是一个离散函数
p ( r k ) = n k / n
n 是图像的像素总数
n k 是图像中灰度级为 r k 的像素个数
r k 是第 k 个灰度级, k=0,1,2,……L -1
直方图计算步骤
列出灰度等级
统计每个灰度等级的像素个数
1.2.2直方图均衡化
希望一幅图像的像素占有全部可能的灰度级且分布均匀,能够具有高对比度
使用的方法的是灰度级变换 s = T ( r )
基本思想是把原始图的直方图变换为均匀分布的形式,这样就增加了像素灰度值的动态范围
直方图均衡化算法:
(1) 统计图象中各灰度级像素个数 n k ;
(2) 计算直方图中应变量的值: p k =n k /(M × N);
(3) 计算累计直方图中应变量的值: s k = Σ p k ;
(4) 对 s k 进行修正获得 S k
(5) 确定映射对应关系: k → S k ;
(6) 对图象进行增强变换 ( k → S k ).
其 中 L 是灰 度 级 数 , M × N 是 图 像 尺 寸
1.2.3直方图规定化
直方图均衡化matlab代码(略)
3.模板处理
3.1高斯滤波器