图象增强对比度 (2)幻灯片.ppt
图象增强对比度第1页，共67页，编辑于2022年，星期五第2页，共67页，编辑于2022年，星期五目的：采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。图象增强并不以图象保真为准则，而是有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。第3页，共67页，编辑于2022年，星期五方法：空间域处理 全局运算：在整个图象空间域进行,对整幅图象进行相同的处理，如旋转、放大、缩小等。局部运算：局部运算：在与象素有关的空间域进行，根据以处理象素中心的邻域多个象素灰度值计算象素值，如均值滤波、中值滤波等。点运算：点运算：对图象作逐点运算，输出只依赖于对应点对图象作逐点运算，输出只依赖于对应点的灰度值，如对比度操作或对比度拉伸。的灰度值，如对比度操作或对比度拉伸。频域处理 在图象的Fourier变换域上进行处理。变换域上进行处理。第4页，共67页，编辑于2022年，星期五灰度变换法 线性变换线性变换 对数变换对数变换 指数变换指数变换 直方图调整法直方图调整法 直方图均衡化直方图均衡化 直方图匹配3.1 对比度增强第5页，共67页，编辑于2022年，星期五(一)线性灰度变换 当图象成象时曝光不足或过度,或由于成象设备的非线性和图象记录设备动态范围太窄等因素。都会产生对比度不足的弊病，使图象中的细节分辨不清。这时可将灰度范围线性扩展。设f(x,y)灰度范围为a,b，g(x,y)灰度范围为c,d,灰度变换法第6页，共67页，编辑于2022年，星期五第7页，共67页，编辑于2022年，星期五0f(x,y)g(x,y)abcd第8页，共67页，编辑于2022年，星期五灰度变换法(二)分段线性灰度变换 将感兴趣的灰度范围线性扩展，相对抑制不感兴趣的灰度区域。设f(x,y)灰度范围为0,Mf，g(x,y)灰度范围为0,Mg,第9页，共67页，编辑于2022年，星期五分段线性灰度变换第10页，共67页，编辑于2022年，星期五分段线性灰度变换第11页，共67页，编辑于2022年，星期五%Matlab代码I=imread(lina.bmp);%读图象M,N=size(I);%获取图象大小R=zeros(M,N);%初始化结果图象fori=1:M%行forj=1:N%列g=I(i,j);%当前象素灰度ifg=a)&(gb)R(i,j)=(d-c)*(g-a)/(b-a)+c;elseR(i,j)=(Mg-d)*(g-b)/(Mf-b)+d;end;end;end;第12页，共67页，编辑于2022年，星期五灰度变换法(三)非线性灰度变换 （1）对数变换 低灰度区扩展，高灰度区压缩。（2）指数变换 高灰度区扩展，低灰度区压缩。第13页，共67页，编辑于2022年，星期五a,b,c是按需要可以调整的参数。对数变换第14页，共67页，编辑于2022年，星期五对数变换第15页，共67页，编辑于2022年，星期五a,b,c是按需要可以调整的参数。指数变换第16页，共67页，编辑于2022年，星期五指数变换第17页，共67页，编辑于2022年，星期五原始图象灰度变换示例第18页，共67页，编辑于2022年，星期五非线性灰度变换对数效应低灰度区扩展，高灰度区压缩第19页，共67页，编辑于2022年，星期五非线性灰度变换指数效应低灰度区压缩，高灰度区扩展第20页，共67页，编辑于2022年，星期五分段线性化出现假轮廓第21页，共67页，编辑于2022年，星期五灰度倒置底片效果第22页，共67页，编辑于2022年，星期五阈值化阈值128第23页，共67页，编辑于2022年，星期五阈值化阈值180第24页，共67页，编辑于2022年，星期五阈值化阈值66第25页，共67页，编辑于2022年，星期五Matlab中灰度调整函数%例1灰度图象I=imread(pout.tif);J=imadjust(I,0.30.7,);imshow(I),figure,imhist(I);figure,imshow(J),figure,imhist(J);imadjust第26页，共67页，编辑于2022年，星期五第27页，共67页，编辑于2022年，星期五第28页，共67页，编辑于2022年，星期五%例2彩色图象RGB1=imread(flowers.tif);RGB2=imadjust(RGB1,.2.30;.6.71,);imshow(RGB1),figure,imshow(RGB2)第29页，共67页，编辑于2022年，星期五第30页，共67页，编辑于2022年，星期五（一）直方图均衡化 Histogram Equalization 直方图:表示数字图象中的每一灰度级与其出现的频率(该灰度级的象素数目)间的统计关系,用横坐标表示灰度级,纵坐标表示频数(也可用概率表示)。直方图调整法第31页，共67页，编辑于2022年，星期五直方图第32页，共67页，编辑于2022年，星期五I=imread(rice.tif);M,N=size(I);s=256;%灰度级H=zeros(1,s);fori=1:Mforj=1:Ng=I(i,j);H(1,g+1)=H(1,g+1)+1;end;end;计算直方图第33页，共67页，编辑于2022年，星期五灰度直方图第34页，共67页，编辑于2022年，星期五彩色直方图第35页，共67页，编辑于2022年，星期五 直方图均衡化是将原图象的直方图通过变换函数修正为均匀的直方图，然后按均衡直方图修正原图象。图象均衡化处理后，图象的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图象看起来就更清晰了。直方图均衡化第36页，共67页，编辑于2022年，星期五直方图均衡化 首先假定连续灰度级的情况，推导直方图均衡化变换公式，令r代表灰度 级，P(r)为 概 率 密 度 函 数。r值已归一化，最大灰度值为1。灰度级数为0,1,L-1共L级。第37页，共67页，编辑于2022年，星期五连续灰度的直方图非均匀分布第38页，共67页，编辑于2022年，星期五连续灰度的直方图均匀分布第39页，共67页，编辑于2022年，星期五直方图均衡化目标直直方图均衡化方图均衡化第40页，共67页，编辑于2022年，星期五直方图均衡化 要找到一种变换要找到一种变换 S S=T T(r r)使直方图变平直，为使使直方图变平直，为使变换后的灰度仍保持从黑到白的单一变化顺序，且变换后的灰度仍保持从黑到白的单一变化顺序，且变换范围与原先一致，以避免整体变亮或变暗。必变换范围与原先一致，以避免整体变亮或变暗。必须规定：须规定：（1）在0r1中，中，T(r r)是单调递增函数，且是单调递增函数，且00T T(r r)1；（2）反变换r r=T-1-1(s),),T T-1-1(s)也为单调递增函数，也为单调递增函数，00s s1。第41页，共67页，编辑于2022年，星期五rjrj+rsjsj+s直方图均衡化变换公式推导图示第42页，共67页，编辑于2022年，星期五直方图均衡化 考虑到灰度变换不影响象素的位置分布，也不会增减象素数目。所以有第43页，共67页，编辑于2022年，星期五直方图均衡化 应用到离散灰度级，设一幅图象的象素总数为n，分L个灰度级。nk:第k个灰度级出现的频数。第k个灰度级出现的概率 P(rk)=nk/n 其中0rk1，k=0,1,2,.,L-1 形式为：第44页，共67页，编辑于2022年，星期五例：设图象有例：设图象有例：设图象有例：设图象有64*64=409664*64=409664*64=409664*64=4096个象素，有个象素，有个象素，有个象素，有8 8 8 8个灰度级，灰度分布个灰度级，灰度分布个灰度级，灰度分布个灰度级，灰度分布如表所示。进行如表所示。进行如表所示。进行如表所示。进行直直直直方图均衡化方图均衡化方图均衡化方图均衡化。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1 nk 790102385065632924512281p(rk)0.190.250.210.160.080.060.030.02第45页，共67页，编辑于2022年，星期五1.1.由（由（3-23-2）式计算）式计算s sk krkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1 nk 790102385065632924512281p(rk)0.190.250.210.160.080.060.030.02sk计算计算 0.190.440.650.810.890.950.981.00第46页，共67页，编辑于2022年，星期五rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1 nk 790102385065632924512281p(rk)0.190.250.210.160.080.060.030.02sk计算计算 0.190.440.650.810.890.950.981.00sk舍入舍入 1/73/75/76/76/71112.2.把计算的把计算的s sk k就近安排到就近安排到8 8个灰个灰度级中度级中第47页，共67页，编辑于2022年，星期五rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1 nk 790102385065632924512281p(rk)0.190.250.210.160.080.060.030.02sk计算计算 0.190.440.650.810.890.950.981.00sk舍入舍入 1/73/75/76/76/7111sk s s0 0s1s2s s3 3s4nsk 7901023850985448p(sk)0.190.250.210.240.113.3.重新命名重新命名s sk k，归并相同灰度级归并相同灰度级的象素数的象素数第48页，共67页，编辑于2022年，星期五直直方图均衡化方图均衡化均衡化前后直方图比较第49页，共67页，编辑于2022年，星期五直方图均衡化 直方图均衡化实质上是减少图象的灰度级以换取对比度的加大。在均衡过程中，原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内，故得不到增强。若这些灰度级所构成的图象细节比较重要，则需采用局部区域直方图均衡。第50页，共67页，编辑于2022年，星期五直方图均衡化 实例1第51页，共67页，编辑于2022年，星期五直方图均衡化 实例实例2 2第52页，共67页，编辑于2022年，星期五Matlab中有关直方图的函数1、显示直方图 imhist()I=imread(pout.tif);imshow(I);figure;imhist(I);第53页，共67页，编辑于2022年，星期五第54页，共67页，编辑于2022年，星期五%例1J=histeq(I);imshow(I);title(原始图象);figure,imshow(J);title(直方图均衡化后图象);2、直方图均衡化 histeq()第55页，共67页，编辑于2022年，星期五第56页，共67页，编辑于2022年，星期五第57页，共67页，编辑于2022年，星期五%例2I=imread(tire.tif);J=histeq(I);imshow(I);figure,imshow(J)第58页，共67页，编辑于2022年，星期五第59页，共67页，编辑于2022年，星期五第60页，共67页，编辑于2022年，星期五TermsImage enhancement:Image enhancement:图象增强图象增强Image quality:Image quality:图象质量Algorithm:Algorithm:算法算法Globe operation:全局运算全局运算Local operation:局部运算Point operation:点运算点运算Spatial:Spatial:空间的Spatial domain:空间域空间域Spatial coordinate:空间坐标第61页，共67页，编辑于2022年，星期五TermsLinear:线性线性Nonlinear:非线性非线性Frequency:频率Frequency variable:频率变量Frequency domain:Frequency domain:频域频域Fourier transform:Fourier transform:傅立叶变换One-dimensional Fourier transform:一维傅立叶变换第62页，共67页，编辑于2022年，星期五TermsTwo-dimensional Fourier transform:Two-dimensional Fourier transform:二维傅立叶变换Discrete Fourier transform(DFT):Discrete Fourier transform(DFT):离散傅立叶变换Fast Fourier transform(FFT):快速傅立叶变快速傅立叶变换换Inverse Fourier transform:Inverse Fourier transform:傅立叶反变换Contrast enhancement:Contrast enhancement:对比度增强Contrast stretching:对比度扩展对比度扩展第63页，共67页，编辑于2022年，星期五TermsGray-scale transformation(GST):灰度变换Logarithm transformation:对数变换Exponential transformation:指数变换Threshold:阈值Thresholding:二值化、门限化False contour:假轮廓第64页，共67页，编辑于2022年，星期五TermsHistogram:直方图Multivariable histogram:多变量直方图Histogram modification:直方图调整、直方图修改Histogram equalization:直方图均衡化Histogram specification:直方图规定化Histogram matching:直方图匹配第65页，共67页，编辑于2022年，星期五TermsHistogram thresholing:直方图门限化Probability density function(PDF):概率密度函数Cumulative distribution function(CDF):累积分布函数Slope:斜率Normalized:归一化Inverse function:反函数第66页，共67页，编辑于2022年，星期五TermsCalculus:微积分Derivative:导数Integral:积分Monotonic function:单调函数Infinite:无穷大Infinitesimal:无穷小Equation:方程第67页，共67页，编辑于2022年，星期五
