6图像增强.

图像增强概述图像在空间域上处理算法的基本形式就图像处理运算的输入信息与输出类型分类：单幅——单幅、多幅——单幅、单幅或多幅——数值/符号等基本的图像处理功能，根据处理操作如何利用输入图像（原图像）加工得到输出图像（目标图像）。根据处理操作的特点分类：点运算、代数运算、几何运算。空域一、图像增强是从象素到象素的操作，是以预定的方式改变图象的灰度直方图。若输入图象为A(x,y)，输出图象为B(x,y)，则点运算可以表示为：)],([),(yxAfyxB有时又称对比度增强，灰度变换。点运算不可能改变图像内的空间关系，输出象素的灰度值由输入象素的值决定。作用对比度增强：扩展感兴趣特征的对比度光度学标定：去掉图像传感器的非线性影响显示标定：克服图像的保存或显示过程中的非线性因数轮廓线：进行阈值化裁剪：输出的灰度级裁减到[0，255]之间b=200a=10a=20a=-1原图灰度变换的目的是为了改善画质，使图像的显示效果更加清晰。本章中主要介绍的内容包括：线性对比度展宽动态范围调整直方图均衡化处理伪彩色技术3.1对比度：通俗地讲，就是亮暗的对比程度。对比度通常表现了图像画质的清晰程度。对比度的计算公式如下：2(,)(,)CijPij(,)||ijij即相邻像素间的灰度差(,)Pij即相邻像素间的灰度差为δ的像素分布概率其中：像素相邻：四近邻八近邻校正对比度的概念3.1对比度的概念对比度计算例设图像为：1399213736066820L2222222222[(12)(262)(606)(02)LC22222222222222(111)(1225)(2463)(421)22222222222222(133)(3652)(6632)(616)2222222222(32)(262)(622)(26)]/48校正/1~~IcLLcI在不同环境下要求系统达到的不一定为1CLI~loglog设置测试靶图，通过检测得到，选择其中的线性部分，其斜率的大小对应了3.2线性对比度展宽对比度展宽的目的是，将人所关心的部分强调出来。原理是，进行像素点对点的，灰度级的影射。设原图、处理后的结果图的灰度值分别为g(i,j)和f(i,j)，要求g(i,j)和f(i,j)均在[0，255]间变化，但是g的表现效果要优于f。3.2.1对比度展宽方法•为了达到上面所提出的目的，原图（横轴上的f(i,j)）与处理后图（纵轴上的g(i,j)）的灰度影射关系可用下图表示。255abfg255gagbαγβ(i,j)(i,j)3.2.1对比度展宽方法(,)(,)((,))((,))abfijgijfijagfijbg0(,)(,)(,)255fijaafijbbfij•将上面图示的影射关系，用计算公式表达即为：(1,2,...,;1,2,...,)imjn3.2.2灰级窗只显示指定灰度级范围内的信息。按照前面的计算公式有:α=γ=0255abfg255gagbαγβ(i,j)(i,j)255abfg255β(i,j)(i,j)线性对比度展宽灰级窗将灰度值落在一定范围内的目标进行对比度增强灰度窗切片对某个目标物的形状、边界、截面积以及体积等信息前要对目标正确分类。灰度窗切片：将所需要检测的目标与画面中的其他部分分离开，目标部分为白（黑），非目标部分为黑（白）0fafb255255gf3.3动态范围调整动态范围：是指图像中所记录的场景中从暗到亮的变化范围。动态范围对人视觉的影响：由于人眼所可以分辨的灰度的变化范围是有限的，所以当动态范围太大时，很高的亮度值把暗区的信号都掩盖了。动态范围调整原理：通过动态范围的压缩可以将所关心部分的灰度级的变化范围扩大。3.3.1线性动态范围调整如下图所示，将原来[0,255]范围内的亮暗变化，压缩到[a,b]范围内。再将[a,b]范围内的灰度值伸展到[0,255]。*0(,)255255(,)(,)(,)(,)()255(,)hijaahijhijhijabbabahijb黑白ab01255abfg255(i,j)(i,j)线性动态范围调整例题1399821373360646820529260黑：02白：9703999003933606469005090600299900292270747900509070将[2,7]转换到[0,9]作用：进行亮暗限幅g(i,j)=9/5*f(i,j)-18/5C=15.525C=26.653.3.2非线性动态范围调整通常用取对数的方法。原因是人眼对信号的处理是有一个近似对数算子的环节。10(,)log(1(,))gijcfij非线性动态范围调整例题13998213733606468205292603599943585580868940749480g(i,j)=9*log(f(i,j)+1)作用：将暗的部分扩展，而将亮的部分抑制。C=15.525C=17.875非线性运算其他方法根据对中间范围的灰度级的运算进行分类。输入输出第一类：增加中间范围象素的灰度级而只使暗象素和亮象素作较小改变)()(xDCxxxfmDm为灰度级的最大值，参数C定义了中间灰度范围内的增加（C0）或减少(C0)。Dm=100C=0.01C=-0.01第二类：降低较亮或较暗物体的对比度来加强灰度级处于中间范围的物体对比度。中间斜率大于1，而两端斜率小于1。21sin)2sin(112)(mmDxDxf10对应灰度第三类：压底在中间灰度级处于的对比度而在较亮或较暗部分的对比度将加强。中间斜率小于1，而两端斜率大于1。21tan)2tan(112)(mmDxDxf10对应灰度第二类第三类9.03.4直方图均衡化方法直方图均衡方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。直方图均衡化实例：1直方图均衡化实例：2直方图关系目的：在已知输入图象的直方图和灰度变换函数形式的前提下，预测输出图象直方图。设计一个点运算，产生特定形式的输出直方图。DADADBDBDA+△DA△DADB+△DBHA(D)HB(D)f(D)△DB（一）、输出直方图)(ABDfD)(1BADfDAAABBBDDDADDDBdDDHdDDH)()(()()()()/()()/()()(/)()BBBAAAAABBBAAABBBAAABBAAHDDHDDHDHDDDHDHDdDdDHDHDddDfD输出直方图)()()(11DffDfHDHAB'/fdfdD以上推导假定f(D)处处存在有限非零的斜率a、斜率为零对应H（A）下有限面积对应H（B）尖峰，b、相反宽度无穷小的带被展宽对于f(D)非单调的函数反函数不存在，将输入灰度几范围分成互不衔接的几段来处理直方图均衡化原理即经过点运算使一输入图象转换成在每一灰度级上都有相同的象素点数的输出图象（输出的直方图是平的），这对于在进行图像分割或分割之前将图像转化为一致的格式将是有用的。经过均衡化后，每一灰度级的象素个数为A0/Dm，Dm其中为灰度级的最大值，A0是图象的面积。mBABDADHDffDfHDH011)()()(）（)()(0DHADDfmDmduuHADDf00)()(由输入输出图象直方图之间的关系则：两边积分得到定义图象的概率密度函数(PDF)是被归一化到单位面积的直方图：即)(1)(0DHAD一幅图象的累积分布函数(CDF)是其面积归一化的阈值面积函数，即DDduuHAduuDP000)(1)()(因此CDF就是能使直方图变平的点运算。)()(DPDDfm因此直方图均衡化变换函数(GST)将是：),(),(),(1yxAPDyxAfyxBm经过直方图均衡化的点运算处理后，实际的直方图将呈现参差不齐，这是由于灰度级的可能个数有限造成的。在一些灰度级处可能没有象素，在另外一些灰度级处则象素很拥挤。以上解决的问题就是如何结合直方图和点运算得到变换关系实现直方图的均衡化。1.求灰度直方图设f、g分别为原图像和处理后的图像。求出原图f的灰度直方图，设为h。显然，在[0,255]范围内量化时，h是一个256维的向量。例1399821373360646820529260f注：这里为了描述方便起见，设灰度级的分布范围为[0,9]。[3,2,4,4,1,1,4,1,2,3]h2.计算灰度分布概率1)求出图像f的总体像素个数Nf=m*n(m,n分别为图像的长和宽）2)计算每个灰度级的像素个数在整个图像中所占的百分比。hs(i)=h(i)/Nf(i=0,1,…,255)例[3,2,4,4,1,1,4,1,2,3]hhs=h/25[3/25,2/25,4/25,4/25,1/25,1/25,4/25,1/25,2/25,3/25]hs]12.0,08.0,04.0,16.0,04.0,04.0,16.0,16.0,08.0,12.0[3.计算灰度级的累计分布设图像各灰度级的累计分布hp。0()()ipskhihk0,1,2,...,255i例]12.0,08.0,04.0,16.0,04.0,04.0,16.0,16.0,08.0,12.0[hs]00.1,88.0,80.0,76.0,60.0,56.0,52.0,36.0,20.0,00.0[]00.1,88.0,80.0,76.0,60.0,56.0,52.0,36.0,20.0,12.0[hp4.计算新图像的灰度值新图像g的灰度值g(i,j)为255()(,)0(,)0(,)0hpkfijgijfij():(,)((,)0)phkfijfij的累计概率分布例]00.1,88.0,80.0,76.0,60.0,56.0,52.0,36.0,20.0,00.0[hpf2599832575570757830539370g1399821373360646820529260C=15.5259*hpC=14.85注：请同学们思考一下，为什么均衡化后的对比度还降低了？]9,8,7,7,5,5,5,3,2,0[]9,9.7,2.7,8.6,4.5,0.5,7.4,2.3,8.1,0[*9hp例f’1599844545580868840448480g1399822323360646620226260C=12.69*hpC=16.125两个原图的灰度分布比较f1399821373360646820529260C=15.525f’1399822323360646620226260C=12.6()[3,2,4,4,1,1,4,1,2,3]hf(')[3,1,7,4,1,0,6,0,1,2]hf结论：原图的灰度分布均衡性越差，均衡化后的效果越好。5.处理前后灰度直方图的比较01234567890123456789f的灰度直方图g的灰度直方图3.5伪彩色技术由于人眼分辨不同彩色的能力比分别不同的灰度级的能力强，因此，把人眼无法区别的灰度变化，施以不同的彩色来提高识别率，这便是伪彩色增强的基本依据。伪彩色图像3.5.1伪彩色技术的原理我们知道，灰度图像要生成一幅彩色图像是一个一到三的影射。显然由少信息量获得多信息量必然是基于估计原理。也就是说，对未知的部分，通过各种手段进行合理的估计。研究的目的不同，则估计的方法也随之不同。3.5.2基于亮度表示的伪彩色方法仿照对温度的描述方式，当温度比较低，我们会想到蓝色（又称冷色调），当