数字图像处理图像增强课件

4.1 引言T根据所处理的空间不同：基于图像域的方法：直接在图像所在的空间进行处理基于变换域的方法：在图像变换域间接进行 处理方法：空域 频域图像增强 处理策略：全局 局部 处理对象：灰度 彩色空域处理：点处理、邻域处理、全图处理2 4.1 引言根据所引言根据所处处理的空理的空间间不同：不同：2 4.2 直接灰度变换4.2.1 灰度线性变换4.2.2 灰度非线性变换3 4.2 直接灰度直接灰度变换变换 4.2.1 灰度灰度线线性性变换变换3 灰度范围线性变换关系 线性变换关系4.2.1 灰度线性变换0 a b f(x,y)dcg(x,y)0 a b f(x,y)dcg(x,y)4 灰度范灰度范围线围线性性变换变换关系关系 4.2.1 灰度线性变换1.全域线性变换 设原始图像中所有像素灰度的最小值和最大值分别为 f1（0）和 f2（771.000.151.000.02817步骤和结果0.240.210.250.19000变换后直方图93,4-62-51-40-3确定映射关系87766543映射|V2-V1|最小70.850.650.350.1500060.200.300.200.15000 规定直方图P(z)规定累积直方图V250.980.950.890.810.650.440.19原始累积直方图V140.030.060.080.160.210.250.19原始直方图P(r)31222453296568501023790原始直方图各灰度级像素 26543210原始图像灰度级1运算序号420.115,6,7-771.000.151.000.028直方图的规定没有什么规则可循。一般，可以根据特定直方图的规定没有什么规则可循。一般，可以根据特定的增强任务，采用试错的方法来得到想要的直方图规定。的增强任务，采用试错的方法来得到想要的直方图规定。43直方直方图图的的规规定没有什么定没有什么规则规则可循。一般，可以根据特定的增可循。一般，可以根据特定的增强强任任务务，a)原图 b)规定化函数 c)直方图规定化后的结果 d)图c的直方图44 a)原原图图 b)规规定化函数定化函数 c)直方直方4.4.1 邻域平均法4.4.2 中值滤波4.4.3 多图像平均法4.4.4 频域低通滤波法 4.4 图像平滑454.4.1 邻邻域平均法域平均法 4.4 图图像平滑像平滑 454.4 图像平滑T空域滤波 是在图像空间借助模板进行邻域操作完成线性、非线性运算T功能1）平滑：低通滤波器。目的：在提取较大目标前去除太小的细节或将目标内的小间断连接起来消除噪声2）锐化：高通滤波器，增强被模糊的细节464.4 图图像平滑空域像平滑空域滤滤波波46T滤波处理方法 空域：取局部邻域（2M+1）（2M+1）邻域的加权和局域处理 K4 K3 K2K5 K0 K1K6 K7 K8R4.4 图像平滑47滤滤波波处处理方法理方法 K4 K3 K2R4.4 图图像平像平4.4 图像平滑T目的：减少噪声1）加性噪声2）乘性噪声3）量化噪声4）盐和胡椒噪声噪声：噪声：独立同分布的高斯白噪声，均值为0，方差484.4 图图像平滑目的：减少噪声像平滑目的：减少噪声484.4.1 邻域平均法010101010111101111mask消除麻点噪声1/41/8494.4.1 邻邻域平均法域平均法010101010111101111mT为减轻经平滑后产生的模糊效应，另一种阈值平均法例：4.4.1 邻域平均法50为为减减轻经轻经平滑后平滑后产产生的模糊效生的模糊效应应，另一种，另一种阈值阈值平均法例：平均法例：4.4.14.4.1 邻域平均法T均值滤波 实现图像平滑最常见的方法是在像素邻域内求局部均值，称为均值滤波。514.4.1 邻邻域平均法均域平均法均值滤值滤波波514.4.1 邻域平均法T3 x 3 均值滤波O(X,Y)=(I(X-1,Y-1)+I(X,Y-1)+I(X+1,Y-1)+I(X-1,Y)+I(X,Y)+I(X+1,Y)+I(X-1,Y+1)+I(X,Y+1)+I(X+1,Y+1)/9滤波核h(x，y)：111111111mask111121111121242121524.4.1 邻邻域平均法域平均法3 x 3 均均值滤值滤波波111111111 4.4.1 邻域平均法T步骤:1）模板游走2）将mask下对应的灰度值相加，求平均值3）用均值代替f(x,y)h(x,y)矩阵的元素之和乘前面系数为1，h(x,y)矩阵中心的元素占的比例越小，越平滑，图像越模糊4）对图像的四周边缘：补0 或者不处理边缘53 4.4.1 邻邻域平均法步域平均法步骤骤:53T例1 设16x16点阵的假想图像如右图所示。0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 04.4.1 邻域平均法54例例1 设设16x16点点阵阵的假想的假想图图像如右像如右图图所示。所示。0 T采用3x3均值滤波。T滤波核为：T结果如右图所示 1 1 11/9 1 1 1 1 1 1?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 1 2 3 3 3 3 3 3 2 1 0 0?0 0 2 4 6 6 6 6 6 6 4 2 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 2 4 6 6 6 6 6 6 4 2 0 0?0 0 1 2 3 3 3 3 3 3 2 1 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?4.4.1 邻域平均法55采用采用3x3均均值滤值滤波。波。1 1 1?T例2 设16x16点阵的假想图像如右图所示 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 8 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 1 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 8 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 04.4.1 邻域平均法56例例2 设设16x16点点阵阵的假想的假想图图像如右像如右图图所示所示 0 0 T采用3x3均值滤波T滤波核为：T结果如右图所示?0 0 0 0 0 0 0 1 1 1 0 0 0 0?0 0 0 0 0 0 0 1 1 1 0 0 0 0?0 0 1 2 3 3 3 3 3 3 2 1 0 0?0 0 2 4 6 6 6 6 6 6 4 2 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 3 6 9 9 8 8 8 9 6 3 0 0?0 0 3 6 9 9 8 8 8 9 6 3 0 0?0 0 3 6 9 9 8 8 8 9 6 3 0 0?0 0 3 6 9 9 9 9 9 9 6 3 0 0?0 0 2 4 6 6 6 6 6 6 4 2 0 0?0 0 1 2 3 3 3 3 3 3 2 1 0 0?1 1 1 0 0 0 0 0 0 0 0 0 0 0?1 1 1 0 0 0 0 0 0 0 0 0 0 0?4.4.1 邻域平均法 1 1 11/9 1 1 1 1 1 157采用采用3x3均均值滤值滤波波?T5 x 5 均值滤波滤波核：1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 或 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1模板越大，模糊作用越强4.4.1 邻域平均法585 x 5 均均值滤值滤波波 1/25 1/25 1/25 （a）原图像 （b）33均值滤波后的结果 （c）55均值滤波后的结果 （d）77均值滤波后的结果59 （a）原原图图像像 T均值滤波的特点 局部求均值的运算或平均计算使数字信号变“平坦”，可以在图像中消除或抑制噪声。同时，图像中景物边缘也会不同程度地变得模糊。4.4.1 邻域平均法60均均值滤值滤波的特点波的特点4.4.1 邻邻域平均法域平均法604.4.2 中值滤波T中值滤波 中值滤波与均值滤波的区别仅限于：中值滤波是求局部中值而不是局部均值，即对参与计算的像素灰度值按大小排序，然后取位置居中的像素灰度值。T Median filtering614.4.2 中中值滤值滤波中波中值滤值滤波波61T目的：既要消除噪声又要保持图像的细节 步骤:1）模板游走 2）将mask下对应的灰度值（奇数）排序 3）用中间值代替 f(x,y),消除孤立的噪声点T mask大小不一样，效果不一样，与叠加的噪声有关系T窗口形状 方形、十字形、圆形、圆环形4.4.2 中值滤波62目的：既要消除噪声又要保持目的：既要消除噪声又要保持图图像的像的细节细节4.4.2 中中值滤值滤波波6T使用二维滤波需注意1）有尖顶角几何结构的图像，一般采用十字窗，大小不超过最小有效物体的尺寸2）有较多的点、线、尖顶角的细节结构，不用中值滤波用33方形，图像全为0用33十字，保留了线状细节，丢失了点状细节4.4.2 中值滤波63使用二使用二维滤维滤波需注意用波需注意用33方形，方形，图图像全像全为为04.4.2 中中值滤值滤T例3 设16x16点阵的图像如右图所示 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 8 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 1 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 9 9 9 9 9 9 9 9 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 8 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0 04.4.2 中值滤波64例例3 设设16x16点点阵阵的的图图像如右像如右图图所示所示 0 0 0 T采用3x3中值滤波，结果如右图所示?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 9 9 9 9 9 9 0 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 9 9 9 9 9 9 9 9 0 0 0?0 0 0 0 9 9 9 9 9 9 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?0 0 0 0 0 0 0 0 0 0 0 0 0 0?4.4.2 中值滤波65采用采用3x3中中值滤值滤波，波，结结果如右果如右图图所示所示?4.4.2 中值滤波T中值滤波的机理 在图像局部中，杂散噪声点的灰度值较大或较小，求中值可以自动将其消除。但中值滤波不同于均值滤波，中值直接取自某个像素的灰度值，所以能较好地保持图像景物原状。T中值滤波的特点 可以消除杂散噪声点而不会或较小程度地造成边缘模糊。664.4.2 中中值滤值滤波中波中值滤值滤波的机理波的机理664.4.3 多图像平均法T多图像平均法 是利用对同一景物的多幅图像取平均来消除噪声产生的高频成分，在图像采集中常应用这种方法去除噪声。674.4.3 多多图图像平均法多像平均法多图图像平均法像平均法674.3 4.3 图像锐化图像锐化T 在图像识别中，需要有边缘鲜明的图像，即图像锐化。T图像锐化的目的是为了突出图像的边缘信息，加强图像的轮廓特征，以便于人眼的观察和机器的识别。T边缘模糊是图像中常出现的质量问题，由此造成的轮廓不清晰，线条不鲜明使图像特征提取、识别和理解难以进行，增强图像边缘和线条，使图像边缘变得清晰的处理称为图像锐化。684.3 图图像像锐锐化化 在在图图像像识别识别中，需要有中，需要有边缘鲜边缘鲜明的明的图图像，即像，即图图T图像锐化的目的 使灰度反差增强，从而增强图像中边缘信息，有利于轮廓抽取。因为轮廓或边缘就是图像中灰度变化率最大的地方。因此，为了把轮廓抽取出来，就是要找一种方法把图像的最大灰度变化处找出来。增强图象边缘及灰度跳变部分增强图象边缘及灰度跳变部分69图图像像锐锐化的目的增化的目的增强强图图象象边缘边缘及灰度跳及灰度跳变变部分部分69 锐化处理的目的是突出图像中的细锐化处理的目的是突出图像中的细节或者增强被模糊了的细节节或者增强被模糊了的细节.锐化处理可以锐化处理可以用空间微分来完成用空间微分来完成.微分算子的响应强度微分算子的响应强度与图像在该点的突变程度有关，图像微分与图像在该点的突变程度有关，图像微分增强了边缘和其他突变增强了边缘和其他突变(如噪声如噪声)而消弱了而消弱了灰度变化缓慢的区域灰度变化缓慢的区域.我们最感兴趣的微分性质是恒定灰我们最感兴趣的微分性质是恒定灰度区域度区域(平坦段平坦段)、突变的开头与结尾、突变的开头与结尾(阶梯阶梯与斜坡突变与斜坡突变)以及沿着灰度级斜坡处的特性。以及沿着灰度级斜坡处的特性。70 锐锐化化处处理的目的是突出理的目的是突出图图像中的像中的细节细节或者增或者增强强被被对于二阶微分必须保证对于二阶微分必须保证:(1)(1)平坦区微分值为零平坦区微分值为零(2)(2)在灰度阶梯或斜坡在灰度阶梯或斜坡的起始点处微分值的起始点处微分值非零非零(3)(3)沿着斜坡面微分值沿着斜坡面微分值为零为零 对于一阶微分必须保对于一阶微分必须保证证：(1)(1)平坦段微分值为零平坦段微分值为零 (2)(2)在灰度阶梯或斜坡在灰度阶梯或斜坡的起点处微分值非的起点处微分值非零零 (3)(3)沿着斜坡面微分值沿着斜坡面微分值非零非零71对对于二于二阶阶微分必微分必须须保保证证:对对于一于一阶阶微分必微分必须须保保证证：71微分锐化微分锐化微分微分设函数设函数 z z=f f(x x,y y)满足可微条件满足可微条件,则在则在 (x,y)x,y)处的各阶微分的表达式可以写为：处的各阶微分的表达式可以写为：72微分微分锐锐化微分化微分设设函数函数 z=f(x,y)满满足可微条件足可微条件,差分差分f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)一阶差分一阶差分二阶差分二阶差分73差分差分f(x-1,y-1)f(x-1,y)f(x-1,y+1)7474拉普拉斯算子锐化拉普拉斯算子锐化T 拉普拉斯算子法比较适用于改善因为光线的漫反射造成的图像模糊。拉普拉斯算子法是常用的边缘增强处理算子，它是各向同性的二阶导数，一个连续的二元函数f(x,y)，它在位置(x,y)处的拉普拉斯运算定义为:其中称 为拉普拉斯算子.75拉普拉斯算子拉普拉斯算子锐锐化化 拉普拉斯算子法比拉普拉斯算子法比较较适用于改善因适用于改善因对数字图像对数字图像用差分来近似，则得拉普拉斯算子的离散形式用差分来近似，则得拉普拉斯算子的离散形式f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)0101 -4101076对对数字数字图图像用差分来近似，像用差分来近似，则则得拉普拉斯算子的离散形式得拉普拉斯算子的离散形式f(x-1模板锐化模板锐化f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)0101 -41010f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)-1-1-1-18-1-1-1-1v拉普拉斯卷积模板拉普拉斯卷积模板(点模板，各向同性）点模板，各向同性）77模板模板锐锐化化f(x-1,y-1)f(x-1,y)f(x-1,y+拉普拉斯微分算子拉普拉斯微分算子强调图像中灰强调图像中灰度的突变度的突变,弱化灰度慢变化的区域。弱化灰度慢变化的区域。这将产生这将产生一幅把浅灰色边线、突变点叠加到暗背景中一幅把浅灰色边线、突变点叠加到暗背景中的图像。的图像。78 拉普拉斯微分算子拉普拉斯微分算子强强调图调图像中像中 将原始图像和拉普拉斯图像叠加在一起的将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。因此拉普拉斯算子用同时又能复原背景信息。因此拉普拉斯算子用于图像增强的基本方法如下于图像增强的基本方法如下:注意拉普拉斯定义时的符号注意拉普拉斯定义时的符号79 将原始将原始图图像和拉普拉斯像和拉普拉斯图图像叠加在一起像叠加在一起(a)月球北极的图像月球北极的图像(b)拉普拉斯滤波后拉普拉斯滤波后的图像的图像(c)标定后的拉普拉标定后的拉普拉斯图像斯图像(d)复合增强后的图复合增强后的图像像80月球北极的月球北极的图图像像80 梯度算子定义 梯度算子是各向同性算子：梯度算子是各向同性算子：对各个方向的对各个方向的 边缘增强有同样的效果边缘增强有同样的效果:旋转不变性旋转不变性 (f/f/x x)2 2+(+(f/f/y y)2 2=(=(f/f/x x)2 2+(+(f/f/y y)2 2 梯度算子梯度算子 -基于一阶微分的图像增强基于一阶微分的图像增强81 梯度算子梯度算子 梯度算子是各向同性算子：梯度算子是各向同性算子：对对各个方向的梯度算子各个方向的梯度算子 梯度算子:梯度对应的是一阶导数，梯度算子是一阶导数算子。对一个图像f(x,y)函数，在(x,y)处的梯度可定义为梯度算子：梯度方向:在图像灰度最大变化率上，反映出图像边缘上的灰度变化。定义如下 82梯度算子梯度算子:梯度梯度对应对应的是一的是一阶导阶导数，梯度算子是一数，梯度算子是一阶导阶导数算子。数算子。T梯度运算（算子）图像f(x,y)，在其点(x,y)上的梯度是一个二维列向量，可定义为：83梯度运算（算子）梯度运算（算子）83梯度的幅度（模值）函数沿梯度的方向在最大变化率方向上的方向角为 84梯度的幅度（模梯度的幅度（模值值）84T 在实际计算中，为了降低图像的运算量，常用绝对值或最大值代替平方和平方根运算，所以近似求梯度模值（幅度）为：85 在在实际计实际计算中，算中，为为了降低了降低图图像的运算量，常用像的运算量，常用绝对值绝对值 对于数字图像处理，有两种二维离散梯度的计算方法.T一种是典型梯度算法，它把微分，近似用差分代替，沿x和y方向的一阶差分可写成 86 对对于数字于数字图图像像处处理，有两种二理，有两种二维维离散梯度的离散梯度的计计算方法算方法.典型梯度算法为(i,j)(i,j)为当前像素点为当前像素点)T另一种称为Roberts梯度的差分算法,采用交叉差分表示 87 典型梯度算法典型梯度算法为为(i,j)为为当前像素点当前像素点)87T可得Roberts梯度 (i,j)(i,j)为当前像素点为当前像素点两种二维离散梯度的计算方法 88可得可得Roberts梯度梯度 (i,j)为为当前像素点两种二当前像素点两种二维维 利用梯度与差分原理组成的锐化算子还有以下几种。T（1）Sobel算子 幅值计算公式如下：用卷积模板表示为89 利用梯度与差分原理利用梯度与差分原理组组成的成的锐锐化算子化算子还还有以下有以下Sobel算子是边缘检测中最常用的算子之一。是水平模板，对水平边缘响应最大；是垂直模板，对垂直边缘响应最大。90Sobel算子是算子是边缘检测边缘检测中最常用的算子之一。中最常用的算子之一。90T（2）Prewitt算子91（2）Prewitt算子算子91(a)(a)隐形眼镜隐形眼镜的光学图的光学图像像 (b)(b)SobelSobel梯度梯度 梯度处理经常用于工业检测、辅助人工检测梯度处理经常用于工业检测、辅助人工检测缺陷，或者是更为通用的自动检测的预处理。缺陷，或者是更为通用的自动检测的预处理。用于边缘增强的梯度处理用于边缘增强的梯度处理92隐隐形眼形眼镜镜的光学的光学图图像像 梯度梯度处处理理经经常用于工常用于工业检测业检测、辅辅助人助人93934.4.4 频域低通滤波法(1)理想低通滤波器（ILPF）H(u,v)=1 当D(u,v)D0 0 当D(u,v)D0其中：D(u,v)(u2+v2)1/2是点(u,v)到频率平面原点的距离副作用：图象模糊，出现振铃效果H(u,v)D(u,v)D0944.4.4 频频域低通域低通滤滤波法波法(1)理想低通理想低通滤滤波器（波器（ILPF）(2)巴特沃斯低通滤波器（BLPF）传递系数：4.4.4 频域低通滤波法01H(u,v)D(u,v)95(2)巴特沃斯低通巴特沃斯低通滤滤波器（波器（BLPF）4.4.4 频频域低通域低通（3）指数低通滤波器（ELPF）4.4.4 频域低通滤波法01H(u,v)D(u,v)96（3）指数低通）指数低通滤滤波器（波器（ELPF）4.4.4 频频域低通域低通滤滤波法波法0（4）梯形低通滤波器（TLPF）类别振铃程度图像模糊程度噪声平滑效果 ILPF TLPF ELPF BLPF严重较轻无无严重轻较轻很轻最好好一般一般4.4.4 频域低通滤波法H(u,v)D0 D101D(u,v)97（4）梯形低通）梯形低通滤滤波器（波器（TLPF）类别类别振振铃铃程度程度图图像模糊程度噪声像模糊程度噪声4.5 图像锐化4.5.1 微分法4.5.2 高通滤波法984.5 图图像像锐锐化化4.5.1 微分法微分法98T边缘锐化（Sharpening）补偿图像的轮廓，突出图像中景物的边缘或纹理，使图像清晰空域高通滤波（俗称勾边处理）。4.5 图像锐化99边缘锐边缘锐化（化（Sharpening）4.5 图图像像锐锐化化994.5 图像锐化T为什么需要锐化 图像传输变换（未聚焦好）、受到各种干扰而退化图像模糊，而图像的判读和识别中，常需突出目标的轮廓或边缘信息。T数学原理 图像模糊的原因图像被平均或积分，为实现图象的锐化，需反运算“微分”增强高频分量，使图像边缘清晰，但同时也增强了噪声T条件 原图像有较高的SNR1004.5 图图像像锐锐化化为为什么需要什么需要锐锐化化1004.5 图像锐化T边缘锐化的原理 图像中景物的边缘或纹理是灰度值发生突变的地方，数字信号处理采用差分或梯度计算来检测边缘。若在原图上（或一定的灰度值上）叠加该检测结果有勾边效果。T边缘锐化的缺点 边缘突出的同时图像中噪声也会被突出。1014.5 图图像像锐锐化化边缘锐边缘锐化的原理化的原理101T图像模糊的两种理解1平均或积分效应引起用微分处理；2模糊可看作图像上高频分量被削弱高频增强，引入微分：4.5.1 微分法T注意噪声亦属高频分量，往往会随高频增强而突出。因此往往需要去噪后再锐化微分 102图图像模糊的两种理解像模糊的两种理解4.5.1 微分法注意微分法注意102T讨论微分算子 一般情况：希望求微分算子是各向同性的，即其微分效果不随特征方向不同而不同。可证明：偏导数的平方和是各向同性的，梯度运算、拉普拉斯运算都符合上述条件。4.5.1 微分法103讨论讨论微分算子微分算子 一般情况：一般情况：希望求微分算子是各向同性的，即其希望求微分算子是各向同性的，即其xyyf(x,y)4.5.1 微分法104xyyf(x,y)4.5.1 微分法微分法1041梯度法4.5.1 微分法1051梯度法梯度法4.5.1 微分法微分法105(i,j)(i+1,j)(i,j+1)(i,j)(i+1,j)(i,j+1)(i+1,j+1)4.5.1 微分法1梯度法106(i,j)(i+1,j)(i,j+1)(i,j)(i+1,j4.5.1 微分法1梯度法改进的梯度算法：阈值1074.5.1 微分法微分法1梯度法改梯度法改进进的梯度算法：的梯度算法：阈值阈值1072拉普拉斯运算法4.5.1 微分法1082拉普拉斯运算法拉普拉斯运算法4.5.1 微分法微分法108-1-14-1-1-1-1-18-1-1-1-1-1注意:1)图像中灰度变化小时，g(x,y)输出小或为负2）图像中灰度变化大时，g(x,y)的增强可能超出范围，需要变回0L-1尺度中4.5.1 微分法2拉普拉斯运算法109-1-14-1-1-1-1-18-1-1-1-1-1注意注意:432 242 22 2 2mask 0 -1 0 -1 4 -1 0 -1 0例:灰度级为432 22 4 11 1 1mask 0 -1 0 -1 4 -1 0 -1 04.5.1 微分法2拉普拉斯运算法1102 2mask 0 -1 0 -3Roberts算子(i,j)(i+1,j)(i,j+1)(i+1,j+1)4.5.1 微分法1113Roberts算子算子(i,j)(i+1,j)(i,j+1)4高频增强滤波器：T光学操作将聚焦的正像与散焦的负像在底版上叠加，散焦的负像相当于一个模糊掩模。-1-1-19-1-1-1-1-11-2-25-211-2 1-2116 1-2-21-24.5.1 微分法经平滑后的图像（模糊）原图1124高高频频增增强强滤滤波器：光学操作将聚焦的正像与散焦的波器：光学操作将聚焦的正像与散焦的负负像在底版上像在底版上5定向滤波：沿特定方向增强，有塑像效果-1-c-11 c 1-1-cc1-11c11-1-1-c-111c-c-14.5.1 微分法1135定向定向滤滤波：波：-1-c-11c1-1-cc1-11c11-1频域：G(u,v)=H(u,v)F(u,v)其中：F(u,v)：原始图象傅立叶频谱 G(u,v)：平滑后图象的傅立叶频谱 H(u,v)：滤波转移函数H(u,v)函数的定义方法很多，针对具体情况选用不同方法。FFTH(u,v)IFFT f(x,y)F(u,v)G(u,v)g(x,y)4.5.2 高通滤波法114频频域：域：G(u,v)=H(u,v)F(u,v)图像中的均匀与不均匀反映了频率高低不同抑制低频（增强高频）锐化抑制高频（增强低频）平滑 滤波传递函数 g(x,y)=h(x,y)*f(x,y)G(u,v)=H(u,v)F(u,v)以下讨论考虑对F(u,v)的实部、虚部影响完全相同的滤波转移函数零相移滤波器4.5.2 高通滤波法115图图像中的均匀与不均匀反映了像中的均匀与不均匀反映了频频率高低不同率高低不同滤滤波波传递传递函数函数4.5.2(1)理想滤波器D04.5.2 高通滤波法116(1)理想理想滤滤波器波器D04.5.2 高通高通滤滤波法波法116(2)巴特沃斯滤波器4.5.2 高通滤波法117(2)巴特沃斯巴特沃斯滤滤波器波器4.5.2 高通高通滤滤波法波法117(3)指数滤波器4.5.2 高通滤波法118(3)指数指数滤滤波器波器4.5.2 高通高通滤滤波法波法118(4)梯形滤波器D1 D0H(u,v)D(u,v)4.5.2 高通滤波法119(4)梯形梯形滤滤波器波器D1 D0H(u,v)D(u,v)4.4.6 同态增晰T作用作用 消除图像上照明不均的问题，增加暗区的图像细节，同时又不损失亮区的图像细节，它在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强T成像物理背景成像物理背景人眼对图象亮度响应具有类似于对数运算的非线性形式f(x,y)=I(x,y)R(x,y)I(x,y)：照射分量（低频）R(x,y)：反射分量（高频）(图象细节的不同在空间作快速变化)1204.6 同同态态增晰作用增晰作用120T分析分析 关心反射信息，但室内外照射分量强度不同，图片明暗不均，能否消除照度不均，而增强反射部分比重?T过程程f(x,y)=i(x,y)r(x,y)i(x,y)照射分量,低频区，r(x,y)反射分量，反映图像的细节分量，处于高频区4.6 同态增晰f(x,y)lnFFTH(u,v)高频增强FFT-1expg(x,y)121分析分析f(x,y)=i(x,y)r(x,y)4.6 同同态态增晰增晰步骤：（1）z(x,y)=ln f(x,y)=lnI(x,y)+lnR(x,y)把频谱分开（2）Z(u,v)=I(u,v)+R(u,v)傅立叶变换（3）S(u,v)=H(u,v)Z(u,v)同态滤波函数用H(u,v)处理Z(u,v)（4）s(x,y)=F-1S(u,v)=i(x,y)+r(x,y)（5）g(x,y)=exp s(x,y)=exp i(x,y)+r(x,y)=i0(x,y)r0 (x,y)4.6 同态增晰122步步骤骤：4.6 同同态态增晰增晰122如果图像照明不均，图像上各部分的亮度会有起伏，压缩照度分量的灰度范围或频域上消弱照度分量的频谱分量。因反射分量反映细节，利用对比度增强这一分量的对比度或频域上加大反射频谱成分，使暗区细节增强，并保留亮区图像细节4.6 同态增晰2.01.51.00.5H(u,v)D(u,v)123如果如果图图像照明不均，像照明不均，图图像上各部分的亮度会有起伏，像上各部分的亮度会有起伏，压缩压缩照度分量的照度分量的 a)同态滤波处理前 b)同态滤波处理后（压缩图像的动态范围，增加了图像各部分之间的对比度）4.6 同态增晰124 a)同同态滤态滤波波处处理前理前 b)4.7 彩色增强4.7.1 伪彩色增强4.7.2 真彩色增强1254.7 彩色增彩色增强强4.7.1 伪伪彩色增彩色增强强1254.7.1 伪彩色增强(1)亮度切割x,yl1L红色蓝色亮度切割剖面示意1264.7.1 伪伪彩色增彩色增强强(1)亮度切割亮度切割x,yl1L红红色色蓝蓝色色伪彩色效果图4.7.1 伪彩色增强127伪伪彩色效果彩色效果图图4.7.1 伪伪彩色增彩色增强强127（2）从灰度到彩色的变换红色转换器绿色转换器蓝色转换器 IR(x,y)IG(x,y)IB(x,y)输入三个电子枪，可得到其颜色内容由3个变换函数调制的混合图像4.7.1 伪彩色增强128（2）从灰度到彩色的）从灰度到彩色的变换红变换红色色转换转换器器绿绿色色转换转换器器蓝蓝色色转换转换器器 I4.7.1 伪彩色增强a)红色变换特性 b)绿色变换特性IRL0 L/2 L f(x,y)L/2 L f(x,y)IGL 0 L/2 L f(x,y)IBL0 L/2 L f(x,y)ILc)蓝色变换特性 d)合成特性1294.7.1 伪伪彩色增彩色增强强a)红红色色变换变换特性特性 4.7.2 真彩色增强T从彩色到彩色的一种转换T目的1）引起人们的特别关注2）人眼对不同颜色的灵敏度不同1304.7.2 真彩色增真彩色增强强从彩色到彩色的一种从彩色到彩色的一种转换转换130真彩色效果例图4.7.2 真彩色增强131真彩色效果例真彩色效果例图图4.7.2 真彩色增真彩色增强强131