图像增强,就是采用某种技术手段来改善图像的视 觉效果,或将图像转换成更适合于人眼观察及其分析识 别的形式,以便从图像中获取更有用的“信息”。 按颜色分类:灰度图像增强和彩色图像增强 按作用域分类: • 基于空间域的方法 = 空域处理 • 基于变换域的方法 = 频域处理
一、图像空域增强
• 图像直接灰度变换
像素越高越清楚
灰度级越高色彩越丰富
线性变换 分为;
(1) 截取式线性变换 (2) 分段式线性变换 (3) 图像反转线性变换
gamma=1表示线性变换;
图像反转
常见的非线性变换:
对数变换
• 图像直方图均衡
(1)直方图(灰度统计直方图):
是对图像每一个灰度间隔内像素个数的统计,一般的间隔取值为1。(2)归一化直方图:
直方图均衡的原理 histeq
直方图均衡可以将任意分布规律的直方图的原始图 像,变换为具有均匀分布直方图的图像。 可以增加像素灰度值的动态范围,使每一个灰度级 所占的像素个数尽量均等,可以改善图像的整体对比度。(1)基本思想
把原始图的直方图变换为均匀分布的形式 增加像素灰度值的动态范围 以增强图像的整体对比度(2)均衡定义
(3)算法原理
(1)均衡过程
(2)均衡示例
设一幅图像的尺寸为64×64。 像素的灰度层次L=8, 则该图像共有N= 64×64 =4096个像素。 该图像直方图如下
(3)图像直方图均衡后分析
a. 变换后直方图趋向平坦,灰度级减少,灰度级进行 了合并。 b. 变换后含有像素多的几个灰级间隔被拉大了,压缩 的只是像素数少的几个灰度级,实际视觉能够接收的信 息量大大的增强了.
• 图像平滑
平滑滤波方法就是选择一定的平滑模板,通过模板与图像的卷积处理在图像的空间域计算完成。 a. 平滑处理必须有明确的针对性 b. 平滑可以消除噪声、去掉小的细节,但是也会使图像变 得模糊不清,降低图像的视觉质量
图像线性平滑滤波
(1)均值滤波器
加在一起÷9 = 123
(2)加权均值滤波器
(3)滤波器的分析和比较
共同点: • 平滑处理减小了图像灰度的尖锐变化,可以减噪 • 平滑滤波存在边缘模糊的负面效应 差异 • 邻域均值滤波的边缘模糊更明显。 • 加权滤波效果比邻域均值效果更好。图像非线性平滑滤波
线性平滑与非线性平滑区别;
线性的平滑滤波 • 可以有效地消除噪声, • 图像细节产生模糊, • 清晰度下降, • 低通滤波效应明显 非线性平滑滤波: • 可以消除图像孤立噪声, • 较好的保持图像的细节信息 (1)中值滤波设计思想使拥有不同灰度的点看起来更接近它的邻域值
噪声:该点像素比周围的像素亮(暗)许多; 周围临近像素点,排序,取中值。 对斑点噪声(speckle noise)和椒盐噪声(salt-and pepper noise)来说尤其有用 但对细节多,特别是点、线、尖顶细节多的图像则不宜采用中值滤波的方法。(1)中值滤波设计思想
选择领域中值滤波
(2)中值滤波的步骤
a.模板在图中漫游,模板中心与图中某个像素位置重合; b.读取模板中各个对应像素的灰度值; c.将这些灰度值从小到大排列; d.找出这些值里排在中间的一个; e.将这个中间值赋给当前对应模板中心位置的像素。 (3)中值滤波的特点 a. 对某些输入信号中值滤波的不变性; 窗口内单调增加或单调减少的序列; 阶跃信号; 周期性的二值序列 b. 中值滤波器去噪声性能; 对脉冲干扰来讲,特别是脉冲宽度小于m/2,相距较 远的窄脉冲干扰,中值滤波是很有效的。 几种典型信号的中值滤波(L=5)
• 图像锐化
图像锐化基础 边缘:是指图像中灰度发生急剧变化的区域。 图像锐化的目的:突出图像的边缘信息,加强其图像 的轮廓特征。 物体边缘的特征: a. 视觉上表现为灰度明暗的阶跃或比较剧烈的变化 b. 统计关系为空间域数据的相关性较小 c. 在变换域中为高频分量 拉普拉斯算子Laplacian 最常用的无方向性的二阶差分算子,其模板有3×3, 5×5,和7×7等多种形式。 例如,3×3边缘提取模板为
如果在突出边缘信息的同时希望能够保持原图像的细节, 可以在改模板中增加当前像元数的权重,得到图像边缘
增强的效果。 例如,3×3边缘增强模板为:
对于这些模板,当前点为模板中心,处理效果为勾边
普瑞维特算子Prewitt
普瑞维特水平和垂直算子滤波,如下
索贝尔算子Sobel
优点:由于引入了加权平均的因素,因而对图像中的随机噪声具有一定的
平滑作用。 由于Sobel算子采用间隔两行或两列的差分,所以图像中边缘两侧的像素 得到增强。 Sobel算子得到的锐化图像的边缘显得粗而亮。 Soble水平和垂直算子滤波为:
标签:增强,数字图像,滤波,像素,直方图,-----,图像,灰度,模板 From: https://www.cnblogs.com/slowlydance2me/p/16916218.html