主讲：苏菡 susuhan@sicnu.edu.cn 图象增强技术概述 目标：“视觉”效果更好，图象保真度不是首要目标 方法： 空间域增强：直接处理图象的象素 频率域增强：修改图象的傅立叶变换 评价：高度主观 视觉解释：观察者 机器感知：机器识别 方法分类 空间域处理 全局运算：在整个图象空间域进行 局部运算：在与象素有关的空间域进行 点运算：对图象作逐点运算 频域处理 在图象的Fourier变换域上进行处理 图像增强的一个应用 背景知识 空间域增强指增强构成图象的象素值 空域技术基于灰度级映射变换 映射变换的类型取决于增强准则的选取 象素点(x,y)的3x3邻域 灰度变换 一种最简单的空域变换技术 点处理 对比度增强的灰度变换系数 一些基本的灰度变换 把原始灰度值按照一定的准则映射到目标灰度值 计算机实现：建立映射表 常用的方法: 线性变换 图像反转 分段线性变换 对数以及反对数变换 幂次变换 三种基本类型的函数 图象反转 对数变换 s = c log(1+r) 压缩图象灰度的动态范围 典型运用是傅立叶谱的显示 幂次变换 大于1 小于1 等于1 一个典型运用：伽马校正 幂次变换用于对比度增强 幂次变换用于对比度增强 分段线性函数 对比度拉伸:提高图象的灰度级的动态范围 通过细心调整折线拐点的位置及控制分段直线的斜率，可对任一灰度区间进行拉伸或压缩。 获取变换函数的方法之一 灰度切割 应用： 增强特征(卫星图象中大量的水) 增强X射线图象中的缺陷 两种基本切割方式 用算术、逻辑操作增强 多幅图象间的运算 算术运算 加法：常用 减法：常用 乘法 除法 逻辑运算 与运算:常用作模板，从一幅图象中分离出一幅子图象(感兴趣的区域：ROI) 或运算：同上 非运算 图象减法处理：增强图象之间的差异 图象相减在医学上的运用 在运动检测上的运用 算法设计应注意的问题 直接计算差值图象，象素值的差值在-255 ~255 标定方法： 方法一：每个象素值加255，再除2 方法二：找出最小值；每个象素值减去这个最小值； 乘以系数255/max; 加法运用的例子：图象平均处理 空间滤波基础 示意图 线性滤波的通用公式 对于一个尺寸为m*n的模板，假设m = 2a + 1, n = 2b + 1, a,b 为非负整数， 在M*N的图象f上，用m*n大小的滤波器模板进行线性滤波由下式给出： 3*3空间滤波摸板 非线性滤波 同样基于邻域处理，模板移动机理同线性滤波 非线性滤波不能用线性滤波通式表达 程序实现应考虑的问题 模板移出图象边界 应对策略： 限制模板中心点移动范围 边缘处部分滤波 扩大图象 补0或则常值 复制边缘象素 两个3*3的平滑滤波器掩模 模糊的一种运用： 中值滤波去噪 Sobel应用 空间锐化滤波基础 微分的性质： 一阶微分： 二阶微分： 一阶微分会产生较宽的边缘，二阶对细线和孤立点较好，并能保持细节 感兴趣的微分性质：恒定灰度区域(平坦区域)，突变的开头和结尾(斜坡起始点/终点)；斜坡处 几类典型边缘处的微分性质 一些结论： 一阶微分处理通常会产生较宽的边缘 二阶微分对细节有较强的响应，如细线和孤立点 一阶微分处理对阶梯状灰度级变化有较强的响应 二阶微分对阶梯状灰度级变化产生双响应 1 1 1 1 1 1 1 1 1 模 板 图像的空间域平滑 任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。本节介绍空间域的几种平滑法。 4.5.1局部平滑法 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。 设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有 式中x,y=0,1,…,N-1； s为(x,y)邻域内像素坐标的集合； M表示集合s内像素的总数。 可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。 (m+1,n+1) (m+1,n) (m+1,n-1) (m,n+1) (m,n) (m,n-1) (m-1,n+1) (m-1,n) (m-1,n-1) 例如，对图像采用3×3的邻域平均法，对于像素 (m,n)，其邻域像素如下： 则有： 其作用相当于用这样的模板同图像卷积。