第四章图像增强(上).pptVIP

4.1概述 [原因：从实际景物转换成图像信息，在图像的生成、传输、或变换过程中，由于多种因素的影响，输出图像的质量多少会有所降低或称退化。] 灰度图像处理：同类处理——不压缩原图像的灰度层次，如滤波、增强。 非同类处理——描述，将多灰度图变为二值图，如分割。 增强：（enhancement）突出所关心的信息，改善图像视觉效果。 恢复：（retstoration）恢复退化图像的本来面目，忠实原图像。 方式：点处理 局域处理 全局处理 4.2 图像的统计特征 把图像看作随机过程，则可做一阶及二阶统计。 一阶：单个象素特征。二阶：一对象素特征。 1)一阶统计特征： P代表坐标，Z为灰度，P(P，Z)象素。 对同一对象的不同观测结果，随机过程，略去了随机性变化，坐标位置关系，简化成直方图(Histogram）。 纵坐标：象素个数/某灰度[也可用百分比] 横坐标：灰度（0～255） 总面积：全图象素数 直方图：离散状态下图像灰度的概率密度分布。 说明：图像——直方图 [不可逆变换，多对一的变换] 直方图是多对一的映射结果，即多个图像可以生成相同的直方图，因此直方图作为一阶统计特征未反映相邻点之间的关系。 但反映了图像的灰度散布范围等特征，在很多场合下，往往是重要特征。 例： 2)二阶统计特征－－图像两象素之间关系： P2(P、Q、Z、Y) P、Q为两个象素的位置——绝对位置——相对位置 Z、Y为两个象素的灰度 [引入简化形式，即认为与P、Q之绝对位置无关，而仅与其相对位置有关，称共存事件矩阵—— coocurrence matrices] 共存事件矩阵：Cr(i、j)r —— P、Q点的相对关系，i、j ——两个象素的灰度。[R与 相对距离及方位有关各种组合甚多。] d及? Cr(i、j、d、?)。 [一般情况下,考虑相邻象素间关系,取d=1，?=0°时] 共存事件矩阵特点： ?对角线Cr(k，k)大致反映了灰度为K的面积大小； ?非对角线的Cr(k，j)大致反映了灰度值为k，j象元的边界长； ?远离对角线项的大小反映图像对比度大小。 [进一步引入一些变换参数。] 4.3直方图处理（点处理，辐射变换） [通过调整图像的直方图,达到所需增强的目的。] 1)灰度变换法： [由于光照不足，原图象灰度范围窄，看不清晰，直方图拉伸后灰度相差加大，分辨清晰。] DB=f(DA)常见的三种变换曲线： 线性：DB=aDA+b(分段线性)[突出感兴趣目标，抑制不感兴趣目标] 对数曲线：DB=a * lg(DA+b)[小灰度展开，大灰度压缩] 指数曲线 ：DB=DA**a+b[大灰度展开，小灰度压缩] [具体编程实现引入查找表（lookup table）概念] 图象512×512大小，需256KB次运算，太慢 注意图象值输入：256级[0～255] 输出：256级[0～255] 输入到输出是映射关系 int i,j; char I[512][512],LUT[256]; for (i=0;i256;i++) LUT[i]=pow(i,a)+b for (i=0;i512;i++) for(j=0;j512;j++) I[i][j]=LUT[I[i][j]]; 仅需256次指数运算，节约了运算时间 上述结论可推广到离散域上，一幅图像总象素数为n，分L个灰度级，nk代表第Ｋ灰度级rk出现的频数，则第K灰度级出现概率： Pr（rk）=nk/n (k=0,1…. L-1) 此时变换函数为： 3)直方图匹配 [新直方图与已有直方图匹配，使两直方图一致] [希望增强后的图像，其灰度级分布不是均匀的，而是具有规模形状的直方图，这样可突出感兴趣的灰度范围] p1 —— p2=1/m , b=m∫p1(a)da=mP1(a) p3 ——p2=1/m ,b=m∫p3(c)dc=mP3(c) c=P3-1(b/m)=P3-1(mP1(a)/m)=P3-1[P1(a)] 由a ——c关系。 [p1(a)先变换到平的,再由平的变换到p3(c)] 4)伪彩色 [人眼对彩色敏感，可辨2000多种色，灰度才几十级] 假彩色：用遥感器中三波段合成R、G、B。 伪彩色：单一波段，（灰度图——彩色） 5)图象的几何运算 两幅图象对应象素相＋、－、*、／运算得到第三幅图象。F1、F2生成F3，都是点运算。 F3=A(F1+F2)+B F3=A(F1－F2)+B