《空间域图像增强》PPT课件

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,空间域图像增强,北京化工大学,W.X.J,图像增强的目的,改善图像的视觉效果,，提高图,像,的清晰度。,突出图像的特征，,便于计算机对图,像,的识别、理解、分析的需要。,处理一幅给定的图像，使它的结果对某种特定应用来说比原始图像更适合。,图像增强的分类,空间域处理,频率域处理,输入图像,xm,n,输出图像,ym,n,处理过程,输入图像,xm,n,输出图像,ym,n,频域,处理,图像,变换,反,变换,背景知识,空间域处理定义为：,T,：对图像的操作,背景知识,T,：,点操作，灰度级变换函数。,空间域增强法,灰度变换,直方图处理,算术逻辑操作增强,平滑空间滤波器,锐化空间滤波器,点操作,邻域操作,一、基本灰度变换函数,灰度级变换：,三种基本类型变换：,线性的,对数的,幂次的,、图像反转,反比变换（输入图像的灰度级范围,0,L-1,）：,、对数变换,对数变换表达式：,特征：在很大程度上压缩了图像像素值的动态范围。,、幂次变换,幂次变换：,、幂次变换,伽马校正,、幂次变换,、幂次变换,、分段线性变换,优点：,变换函数可以任意合成。,缺点：,需要更多的用户输入。,分类：,对比拉伸,灰度切割,位图切割,、分段线性变换,对比拉伸,提高图像灰度级的动态范围,对比拉伸,、分段线性变换,灰度切割：,提高特定灰度范围的亮度。,方法：,关心范围内的灰度指定一个较高值，其它的灰度值指定一个较低值。,关心范围的灰度变亮，其它保持原有灰度。,灰度切割,、分段线性变换,位图切割：提高特定位的亮度,。,对于分析每一位在图像中的相对重要性是有用的。,、分段线性变换,位图切割,分形图像,二、直方图处理,直方图定义：,是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。,归一化的直方图,概率密度函数,二、直方图处理,1,2,3,4,5,6,6,4,3,2,2,1,1,6,6,4,6,6,3,4,5,6,6,6,1,4,6,6,2,3,1,3,6,4,6,6,1,2,3,4,5,6,5,4,5,6,2,14,灰度直方图,所有的空间信息全部丢失。,每一灰度级的像素个数可直接得到。,归一化的直方图,h,0,3,1,2,2,4,3,4,4,1,5,1,6,4,7,1,8,2,9,3,P,0,0.12,1,0.08,2,0.16,3,0.16,4,0.04,5,0.04,6,0.16,7,0.04,8,0.08,9,0.12,二、直方图处理,结论：若一幅图像其像素,占有全部可能的灰度级并,且分布均匀，则图像具有,高对比度和丰富的色调。,、直方图均衡化,目的：使一幅输入图像转换为在每一灰度级上都有相同的像素个数的输出图像。,（,）在区间中为单值且单调递增,（）在时，,P(r)dr,表示图像中灰度为,r,r+dr,的像素面积,在整个图像中占的比例,r,max,r,P(r),s,P(s),s,max,r,S=T(r),r,max,s,max,原始图像,f(x,y),在,0,r,灰度范围内像素面积占图像面积的比率,F(r),:,变换后图像,g,(x,y),在,对应的,0,s,灰度范围内像素面积占图像面积的比率,G(s),:,变换前后上述像素在图像中所占比率不变，因此有：,G(s)=F(r),，,即,、直方图均衡化,均衡化的直方图,p,s,(s,)=1 0,1,，因此,故有：,、直方图均衡化,变换函数的离散形式：,离散情况下：,算法：,设,f,、,g,分别为原图像和处理后的图像。,1),求出原图,f,的灰度直方图，设为,h,。,h,为一个,256,维的向量。,例、直方图均衡化,1,3,9,9,8,2,1,3,7,3,3,6,0,6,4,6,8,2,0,5,2,9,2,6,0,f,h,0,3,1,2,2,4,3,4,4,1,5,1,6,4,7,1,8,2,9,3,0,0.12,1,0.08,2,0.16,3,0.16,4,0.04,5,0.04,6,0.16,7,0.04,8,0.08,9,0.12,0,0.12,1,0.08,2,0.16,3,0.16,4,0.04,5,0.04,6,0.16,7,0.04,8,0.08,9,0.12,0,0.12,1,0.20,2,0.36,3,0.52,4,0.56,5,0.60,6,0.76,7,0.80,8,0.88,9,1.00,求出新图像,g,的灰度值,1,3,9,9,8,2,1,3,7,3,3,6,0,6,4,6,8,2,0,5,2,9,2,6,0,f,g,51,133,255,255,224,92,51,133,204,133,133,194,0,194,143,194,224,92,0,153,92,255,92,194,0,0,0.12,1,0.20,2,0.36,3,0.52,4,0.56,5,0.60,6,0.76,7,0.80,8,0.88,9,1.00,、直方图均衡化,、直方图匹配,目的：使输入图像直方图与另一幅图像的直方图或给定直方图相匹配,。,输入图像,均衡化,给定直方图,P(z),求直方图,P(r),均衡化,s=T(r),v=G(z),z=G,-1,(v)=G,-1,(T(r),、直方图匹配,步骤：,对原始图像直方图进行均衡化，,求得变换函数；,给出规定直方图，并进行均衡化处理，,求得变换函数；,求得反变换函数；,对所有,像,素变换。,、直方图匹配,离散情况下：,、直方图匹配,、直方图匹配,由,NASA,表面探测器拍摄的火星卫星图像,、直方图匹配,直方图均衡化,、直方图匹配,规定化直方图,(1),规定化直方图,的变化函数；,(2),反变换函数,三、算术逻辑操作增强,逻辑操作,(,像素值作为一个二进制字符串来处理。,),“,非,”,操作,“,与,”,操作,“,或,”,操作,三、算术逻辑操作增强,与,或,三、算术逻辑操作增强,算术操作,减法,加法,乘法,除法,、图像减法处理,作用：增强两幅图像的差异。,两幅图像的差异表示为：,、图像减法处理,对比度增强,后,比特为,原分形图像,差值图像,、图像减法处理,掩模图像,掩模式,X,光成像法,减去掩模图像后的图像,、图像减法处理,差值图像的标定：,每个像素值加,255,，然后除以,2,。,求差值图像的最小值,Min,最大值,Max,、图像平均处理,带有噪声的图像：,K,幅噪声图像取平均：,注意：图像配准,、图像平均处理,星系图：,NGC3314,64,16,128,、图像平均处理,均值、方差,空间滤波基础,(,邻域处理,),邻域处理：对,邻域图像像素值,以及有相同维数的,子图像值,的处理,。,子图像被称为滤波器、核、模板或窗口。,子图像中的值是系数值，而不是像素值。,线性空间滤波,：其响应由滤波器系数与滤波器模板扫过区域的相应像素值的乘积之和给出。,线性空间滤波,在,M*N,的,图像上，用*大小的模板进行线性滤波：,线性空间滤波,模板处理的简化表达式：,模板,非线性空间滤波,基于邻域处理,基本函数：计算滤波器所在邻域的灰度中值。,空间滤波基础,当滤波器中心靠近图像轮廓时：,将模板中心点的移动范围限制在距离图像边缘不小于模板大小的一半。,部分滤波模板处理。,图像的边缘以外补上一行和一列灰度为零的像素点，或者边缘复制。,四、平滑空间滤波器,平滑滤波器：用于模糊处理和减少噪声。,线性滤波器,非线性滤波器,、平滑线性滤波器,平滑线性空间滤波器的响应,是包含在模板邻域内像素的平均值，又称为均值滤波器。,效果：,减小了图像灰度的,“,尖锐,”,变化。,副作用：边缘模糊。,主要应用,去除图像中的不相干细节或将目标内的小间断连接起来。,消除噪声。,、平滑线性滤波器,均值滤波是指在图像上对待处理的像素给一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。,、平滑线性滤波器,加权均值滤波器,均值滤波器,1,2,1,4,3,1,2,2,3,4,5,7,6,8,9,5,7,6,8,8,5,6,7,8,9,1,2,1,4,3,1,2,2,3,4,5,7,6,8,9,5,7,6,8,8,5,6,7,8,9,3,4,4,4,5,6,6,7,8,例：均值滤波器,各种尺寸的掩模平滑图像,3*3,5*5,9*9,15*,15,35*,35,、平滑线性滤波器,15*,15,二值化,Hubble,空间望远镜图像,、统计排序滤波器,非,线性空间滤波器的响应：,基于图像滤波器覆盖的图像区域中像素的排序，然后由统计排序结果决定的值代替中心像素值。,中值滤波,中值滤波的原理,用一个窗口（,N,=3, 5, 7,）,在图像上滑动；,把窗口中像素的灰度值按升,(,或降,),次序排列；,取排列在正中间的灰度值作为窗口中心所在像素的灰度值。,一维模板,例：,原图像为：,2 2 6 2 1 2 4 4 4 2 4,处理后为：,2,2,(1,2,2,2,6),2,(1,2,2,2,6),2,(1,2,2,4,6),2,2,4,4,4,2,4,一维中值滤波,二维中值滤波,3*3,的模板，对,9,个数排序，取第,5,个数替代原来的像素值。,1,2,1,4,3,1,2,2,3,4,5,7,6,8,9,5,7,6,8,8,5,6,7,8,9,1,2,1,4,3,1,2,2,3,4,5,7,6,8,9,5,7,6,8,8,5,6,7,8,9,2,3,4,5,6,6,6,7,8,例：中值滤波,二维中值滤波,中值滤波,方法：,可以先使用小尺度的窗口，然后逐渐加大窗口尺寸,，直到滤波效果满意为止,；,当某个像素的灰度值超过窗口中像素灰度值排序中间的那个值，且,达到一定水平,时，则判断该点为噪声，用灰度值排序中间的那个值来代替；否则还是保持原来的灰度值。,中值滤波,中值滤波优点,抑制噪声,较好地保护边缘轮廓信息,统计滤波器,中值滤波器,百分比滤波,最小值滤波器,最大值滤波器,。,、统计排序滤波器,噪声,X,光图像,3*3,均值滤波,3*3,中值滤波,五、锐化空间滤波器,锐化处理的主要目的,：是突出图像中的细节或者增强被模糊了的细节。,均值与积分相似；,锐化可通过空间微分完成。,基础,一阶微分的定义：,在平坦段微分值为零,在灰度阶梯或斜坡的起始点处微分值非零,沿着斜坡面微分值非零常数,用差分定义一阶微分：,基础,二阶微分的定义：,在平坦段微分值为零,在灰度阶梯或斜坡的起始点处微分值非零,沿着斜坡面微分值为零,用差分定义二阶微分：,基础,基础,一阶微分与二阶微分比较：,一阶微分处理通常会产生较宽的边缘,二阶微分处理对细节有较强的响应,一阶微分处理一般对灰度阶梯有较强的响应,二阶微分处理对灰度阶梯变化产生双响应,对图像增强来说，二阶微分比一阶微分好，因为形成增强的细节能力好一些。,、基于二阶微分的图像增强拉普拉斯算子,定义一个二阶微分的离散公式，然后构造基于此式的滤波器。,各向同性滤波器,滤波器的响应与滤波器作用的图像突变的方向无关。,是旋转不变的，即将原图旋转后的滤波结果与先滤波再旋转的结果一样。,、基于二阶微分的图像增强拉普拉斯算,子,二元图像函数拉普拉斯变换定义为,拉普拉斯算,子,90,度旋转不变,45,度旋转不变,拉普拉斯算子,中心系数为负,中心系数为正,拉普拉斯算子,强调图像中灰度的突变,降低灰度慢变化的区域,通常将原图像与拉普拉斯图像叠加在一起：,拉普拉斯算子,月球北极图像,拉普拉斯滤波后图像,标定的拉普拉斯图像,叠加原图的图像,简化：单一模板,0,-1,0,-1,5,-1,0,-1,0,简化：单一模板,反锐化掩膜与高提升滤波,反锐化,掩膜,：将图像模糊形式从原始图像中去除。,高提升滤波：,反锐化掩膜与高提升滤波,中心系数为负,中心系数为正,高提升滤波技术可以用其中一种,模板,来实现,例：高提升滤波增强图像,、基于一阶微分的图像增强梯度法,f,(,x,y,),：,图像函数，在点,(,x,y,),上的梯度定义为向量,梯度的模为：,梯度法,近似梯度：,Robert,：,交叉差分算法,Sobel,：,最简单的近似,各向同性,Sobel,水平方向的锐化,Sobel,例：,1,2,3,2,1,2,1,2,6,2,3,0,8,7,6,1,2,7,8,6,2,3,2,6,9,0,0,0,0,0,0,-3,-13,-20,0,0,-6,-13,-13,0,0,1,12,5,0,0,0,0,0,0,1+2*2+3-3-2*0-8=-3,Sobel,垂直方向,的锐化,六、混合空间增强,法,利用多种图像增强方法结合起来完成复杂的增强任务：,图,(a),一幅人体骨骼核扫描图,图,(b),拉普拉斯变换的结果,（中心系数为）,图,(c),图,(a),与,(b),相加的结果,锐化图像（很多噪声）,图,(d),Sobel,变换的梯度图像,（边缘突出）,图,(e) 5*5,均值滤波平滑的,Sobel,图像,图,(f),图,(c),与,(e),相乘,强边缘和可见噪声减少,图,(g),图,(a),与,(f),相加得到,锐化图像,图,(h),对,图,(g),幂次变换,为,0.5,扩大图像的动态范围,增强图像作为最终产品的领域,印刷工业,基于图像的产品检测,法证领域,显微处理领域,监视,