图像数字处理幻灯片.ppt

《图像数字处理幻灯片.ppt》由会员分享，可在线阅读，更多相关《图像数字处理幻灯片.ppt（53页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像数字处理第1页，共53页，编辑于2022年，星期五问题的引入 看两个图例，分析画面效果不好的原因。看两个图例，分析画面效果不好的原因。看两个图例，分析画面效果不好的原因。看两个图例，分析画面效果不好的原因。亮暗差别不是很大亮暗差别不是很大第2页，共53页，编辑于2022年，星期五解决问题的思路 提高对比度，增加清晰度提高对比度，增加清晰度提高对比度，增加清晰度提高对比度，增加清晰度第3页，共53页，编辑于2022年，星期五对比度的概念 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。第4页，共53页，编辑于2022年，星期五对比度的计算对比度的计算公式如下：即相邻

2、像素间的灰度差即相邻像素间的灰度差即相邻像素间的灰度差为即相邻像素间的灰度差为的像素分布概率的像素分布概率其中：其中：像素相邻：像素相邻：四近邻四近邻八近邻八近邻第5页，共53页，编辑于2022年，星期五对比度的计算例设图像为：设图像为：第6页，共53页，编辑于2022年，星期五图像增强图像增强的目的是为了改善画质，使图像的图像增强的目的是为了改善画质，使图像的显示效果更加清晰。显示效果更加清晰。本章中主要介绍的内容包括：本章中主要介绍的内容包括：线性对比度展宽线性对比度展宽动态范围调整动态范围调整直方图均衡化处理直方图均衡化处理伪彩色技术伪彩色技术第7页，共53页，编辑于2022年，星期五线

3、性对比度展宽对比度展宽对比度展宽的目的是：通过将亮暗差异（即对比度）的目的是：通过将亮暗差异（即对比度）扩大，来把人所关心的部分强调出来。扩大，来把人所关心的部分强调出来。原理是，进行像素点对点的，灰度级的线性影射。该影原理是，进行像素点对点的，灰度级的线性影射。该影射关系通过调整参数，来实现对亮暗差异的扩大。射关系通过调整参数，来实现对亮暗差异的扩大。第8页，共53页，编辑于2022年，星期五线性对比度展宽 实现方法设原图、处理后的结果图的灰度值分别为设原图、处理后的结果图的灰度值分别为g(i,j)g(i,j)和和f(i,j);f(i,j);要求要求g(i,j)g(i,j)和和f(i,j)f

4、(i,j)均在均在00，255255间变化，但是间变化，但是g g的表现的表现效果要优于效果要优于f f。因为因为f f和和g g的取值范围相同，所以通过的取值范围相同，所以通过 抑制抑制 不重要的部分，不重要的部分，来来 扩展扩展 所关心部分的对比度。所关心部分的对比度。第9页，共53页，编辑于2022年，星期五线性对比度展宽 实现方法为了达到上面所提出的目的，原图（横轴上的为了达到上面所提出的目的，原图（横轴上的f(i,j)f(i,j)）与处理）与处理后图（纵轴上的后图（纵轴上的g(i,j)g(i,j)）的灰度影射关系可用下图表示。）的灰度影射关系可用下图表示。255255a ab bf

5、fg g255255g ga ag gb b(i,j)(i,j)第10页，共53页，编辑于2022年，星期五线性对比度展宽 实现方法 将上面图示的影射关系，用计算公式表达即为：将上面图示的影射关系，用计算公式表达即为：第11页，共53页，编辑于2022年，星期五对比度展宽效果示例第12页，共53页，编辑于2022年，星期五线性对比度展宽 灰级窗当当256256个灰度级所表示的亮暗范围内的信息量太大，没办法很好地个灰度级所表示的亮暗范围内的信息量太大，没办法很好地表述时，通过开窗的方式，每次只把窗内的灰度级展宽，而把窗外表述时，通过开窗的方式，每次只把窗内的灰度级展宽，而把窗外的灰度级完全抑制掉

6、。（的灰度级完全抑制掉。（示例示例）例如，例如，CTCT图像的原始数据为图像的原始数据为12bit 12bit（或是（或是16bit16bit），要将其显示出来，），要将其显示出来，则只能转换为则只能转换为8bit8bit，于是有了，于是有了1616归并为归并为1 1（或（或256256归并为归并为1 1）的需要。）的需要。这时，开骨窗、肌肉窗、组织窗就可分别清晰地显示相应的内这时，开骨窗、肌肉窗、组织窗就可分别清晰地显示相应的内容。容。第13页，共53页，编辑于2022年，星期五灰级窗效果示例原图原图肺窗肌肉窗肌肉窗骨窗骨窗第14页，共53页，编辑于2022年，星期五线性对比度展宽 灰级窗的

7、实现方法如图所示，绘级窗实际上是线性对比度展宽的一种特殊形式。255255a ab bf fg g255255g ga ag gb b(i,j)(i,j)255255a ab bf fg g255255(i,j)(i,j)线性对比度展宽灰级窗灰级窗第15页，共53页，编辑于2022年，星期五动态范围调整 动态范围的概念动态范围：动态范围：是指图像中所记录的场景中从暗到亮的是指图像中所记录的场景中从暗到亮的变化范围。变化范围。动态范围对人视觉的影响：动态范围对人视觉的影响：由于人眼所可以分辨的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灰度的变化范围是有限的，所以当动态范围太大

8、时，很高的亮度值把暗区的信号都掩盖了。时，很高的亮度值把暗区的信号都掩盖了。第16页，共53页，编辑于2022年，星期五动态范围调整 动态范围调整的思路动态范围调整思路：动态范围调整思路：通过通过动态范围的压缩动态范围的压缩可以将所关心部分的灰度可以将所关心部分的灰度级的变化范围级的变化范围扩大扩大。动态范围调整方法分为以下两种：动态范围调整方法分为以下两种：1 1）线性动态范围调整线性动态范围调整2 2）非线性动态范围调整）非线性动态范围调整第17页，共53页，编辑于2022年，星期五线性动态范围调整 基本思路通过把原图中“不太黑”的像素也变成黑，把原图中“不太白”的相素也变成白的方式，来压

9、缩动态范围，使新的图像中，关心部分的对比度可以展宽。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。黑白a ab b0 0255255第18页，共53页，编辑于2022年，星期五线性动态范围调整 实现方法按照上面的设计思路，可以得到新图与原图的对应关系如下。按照上面的设计思路，可以得到新图与原图的对应关系如下。可以看到，线性动态范围调整的影射关系与灰级窗的相可以看到，线性动态范围调整的影射关系与灰级窗的相同。同。黑白a ab b0 0255255255255a ab bf fg g255255(i,j)(i,j)第19页，共53页，编辑于2022年，星期五线性动态范围调整效果

10、示例第20页，共53页，编辑于2022年，星期五线性动态范围调整 例题1 13 39 99 98 82 21 13 37 73 33 36 60 06 64 46 68 82 20 05 52 29 92 26 60 0黑：黑：0 20 2白：白：9 79 70 03 39 99 99 90 00 03 39 93 33 36 60 06 64 46 69 90 00 05 50 09 90 06 60 00 02 29 99 99 90 00 02 29 92 22 27 70 07 74 47 79 90 00 05 50 09 90 07 70 0将将2,72,7转换到转换到0,90,9

11、作用：进行亮暗限幅作用：进行亮暗限幅 g(i,j)=9/5*f(i,j)-18/5C=16.9211C=26.2895第21页，共53页，编辑于2022年，星期五非线性动态范围调整 原理提出非线性动态范围调整，是因为线性动态范围调提出非线性动态范围调整，是因为线性动态范围调整的分段线性影射不够光滑。整的分段线性影射不够光滑。非线性动态范围调整，要求可以用光滑的曲线来实非线性动态范围调整，要求可以用光滑的曲线来实现。现。考虑到人眼对视觉信号的处理过程中，有一个近似考虑到人眼对视觉信号的处理过程中，有一个近似对数算子的环节，因此，可采用对数运算来实现非对数算子的环节，因此，可采用对数运算来实现非线

12、性动态范围调整。线性动态范围调整。非线性动态范围非线性动态范围调整示例调整示例第22页，共53页，编辑于2022年，星期五非线性动态范围调整 实现方法设原图为设原图为f(i,j)f(i,j)，处理后的图像为，处理后的图像为g(i,j)g(i,j)，则影射关系为：则影射关系为：第23页，共53页，编辑于2022年，星期五非线性动态范围调整示例第24页，共53页，编辑于2022年，星期五非线性动态范围调整 例题1 13 39 99 98 82 21 13 37 73 33 36 60 06 64 46 68 82 20 05 52 29 92 26 60 03 35 59 99 99 94 43

13、35 58 85 55 58 80 08 86 68 89 94 40 07 74 49 94 48 80 0g(i,j)=9*log(f(i,j)+1)g(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。作用：将暗的部分扩展，而将亮的部分抑制。C=16.9211C=18.7632第25页，共53页，编辑于2022年，星期五直方图均衡化 基本原理直方图均衡化方法的基本思想是，对在图像中像直方图均衡化方法的基本思想是，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。灰度级进行缩

14、减。从而达到清晰图像的目的。因为灰度分布可在直方图中描述，所以该图像增强方法因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的灰度直方图。是基于图像的灰度直方图。第26页，共53页，编辑于2022年，星期五设设f f、g g分别为原图像和处理后的图像。分别为原图像和处理后的图像。求出原图求出原图f f的灰度直方图，设为的灰度直方图，设为h h。显然，在显然，在0,2550,255范围内量化时，范围内量化时，h h是一个是一个256256维的向维的向量。量。直方图均衡化方法实现 1.求直方图第27页，共53页，编辑于2022年，星期五例例1 13 39 99 98 82 21 13 3

15、7 73 33 36 60 06 64 46 68 82 20 05 52 29 92 26 60 0 f注：这里为了描述方便起见，设灰度注：这里为了描述方便起见，设灰度级的分布范围为级的分布范围为0,90,9。直方图均衡化方法实现 1.求直方图第28页，共53页，编辑于2022年，星期五1 1）求出图像）求出图像f f的总体像素个数的总体像素个数 N Nf f=m*n(m,n=m*n(m,n分别为图像的长和宽）分别为图像的长和宽）2 2）计算每个灰度级的分布概率，即每个像素在整）计算每个灰度级的分布概率，即每个像素在整个图像中所占的比例。个图像中所占的比例。hs(i)=h(i)/Nhs(i)

16、=h(i)/Nf f (i=0,1,255)(i=0,1,255)直方图均衡化方法实现 2.计算原图的灰度分布概率第29页，共53页，编辑于2022年，星期五 例例hs=h/25hs=h/25直方图均衡化方法实现 2.计算原图的灰度分布概率=0.12,0.08,0.16,0.16,0.04,0.04,0.16,0.04,0.08,0.12灰度级灰度级 0 1 2 3 4 5 6 7 8 9第30页，共53页，编辑于2022年，星期五设图像各灰度级的累计分布设图像各灰度级的累计分布h hp p。直方图均衡化方法实现 3.计算原图灰度的累计分布第31页，共53页，编辑于2022年，星期五 例直方图

17、均衡化方法实现 3.计算原图灰度的累计分布hs=0.12,0.08,0.16,0.16,0.04,0.04,0.16,0.04,0.08,0.12hp=0.12,0.20,0.36,0.52,0.56,0.60,0.76,0.80,0.88,1.00第32页，共53页，编辑于2022年，星期五直方图均衡化方法实现 4.计算原、新图灰度值的影射关系新图像新图像g g的灰度值的灰度值g(i,j)g(i,j)为为 第33页，共53页，编辑于2022年，星期五例例直方图均衡化方法实现 4.计算原、新图灰度值的影射关系hp=0.12,0.20,0.36,0.52,0.56,0.60,0.76,0.80,

18、0.88,1.009*hp=0,1.80,3.24,4.68,5.04,5.40,6.84,7.20,7.92,9.00 影射关系：影射关系：新图新图 0,2,3,5,5,5,7,7,8,9 原图原图 0,1,2,3,4,5,6,7,8,9 第34页，共53页，编辑于2022年，星期五例例 f f2 25 59 99 98 83 32 25 57 75 55 57 70 07 75 57 78 83 30 05 53 39 93 37 70 0g g1 13 39 99 98 82 21 13 37 73 33 36 60 06 64 46 68 82 20 05 52 29 92 26 60

19、 0C=16.92119*hp9*hpC=15.8421注：请同学们思考一下，为什么均衡化后的对比度还降低了？注：请同学们思考一下，为什么均衡化后的对比度还降低了？直方图均衡化方法实现 4.计算原、新图灰度值的影射关系第35页，共53页，编辑于2022年，星期五直方图均衡化效果示例第36页，共53页，编辑于2022年，星期五直方图均衡化方法实现 5.原、新图灰度直方图比较 0 1 2 3 4 5 6 7 8 90 1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 90 1 2 3 4 5 6 7 8 9f f 的灰度直方图g g 的灰度直方图直方图均衡化直方图均衡化方法效

20、果示例方法效果示例第37页，共53页，编辑于2022年，星期五伪彩色增强方法 基本原理由于人眼分辨不同彩色的能力比分别不同的灰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。伪彩色增强的基本依据。第38页，共53页，编辑于2022年，星期五伪彩色增强方法 基本思路要由灰度图像生成一幅彩色图像是一个一到三的要由灰度图像生成一幅彩色图像是一个一到三的影射。影射。显然由少信息量获得多信息量必然是基于估计原显然由少信息量获得多信息

21、量必然是基于估计原理。也就是说，对未知的部分，通过各种手段进理。也就是说，对未知的部分，通过各种手段进行合理的估计。行合理的估计。研究的目的不同，则给出的灰度到彩色的估计影研究的目的不同，则给出的灰度到彩色的估计影射方法也随之不同。射方法也随之不同。第39页，共53页，编辑于2022年，星期五伪彩色增强方法 分类伪彩色增强方法大致可以分为以下三类：伪彩色增强方法大致可以分为以下三类：1.基于灰度变换的伪彩色方法基于灰度变换的伪彩色方法2.基于灰度调色板的伪彩色方法基于灰度调色板的伪彩色方法3.基于区域分割的伪彩色方法基于区域分割的伪彩色方法第40页，共53页，编辑于2022年，星期五基于灰度变

22、换的伪彩色方法 基本原理仿照对温度的描述方式，当温度比较低，我们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）。会想到蓝色（又称冷色调）。当温度较高的时候，会想到红色（又称暖色调）。当温度较高的时候，会想到红色（又称暖色调）。根据人感官上的这一特性，将亮度低的影射为蓝色，根据人感官上的这一特性，将亮度低的影射为蓝色，亮度高的影射为红色。亮度高的影射为红色。第41页，共53页，编辑于2022年，星期五基于灰度变换的伪彩色方法 影射关系由此，可以按照如下所示的影射关系进行伪彩色由此，可以按照如下所示的影射关系进行伪彩色处理。处理。2552550 63 127 191 2550 6

23、3 127 191 255 f fg gR R2552550 63 127 191 2550 63 127 191 255 f fg gG G255255f fg gB B0 63 127 191 2550 63 127 191 255 第42页，共53页，编辑于2022年，星期五基于灰度变换的伪彩色方法 影射关系按照前面的影射关系，最终可以获得灰度与彩色按照前面的影射关系，最终可以获得灰度与彩色的对应关系如下图所示。的对应关系如下图所示。可以看到，经过综合之后，颜色与光照强度相关。可以看到，经过综合之后，颜色与光照强度相关。演示示例演示示例第43页，共53页，编辑于2022年，星期五基于灰度

24、变换的伪彩色效果示例第44页，共53页，编辑于2022年，星期五基于灰度调色板的伪彩色方法 基本原理索引值索引值 R G B 1 R1 G1 B1 2 R2 G2 B2 ：:N RN GN BN按照位图文件的索引色模式，首先根据需要设计一按照位图文件的索引色模式，首先根据需要设计一个调色板。然后，将灰度值作为调色板的索引值，个调色板。然后，将灰度值作为调色板的索引值，完成从灰度到彩色的影射。完成从灰度到彩色的影射。灰灰度度值值第45页，共53页，编辑于2022年，星期五基于灰度调色板的伪彩色方法 影射关系索引值索引值 R G B 1 R1 G1 B1 2 R2 G2 B2 ：:N RN GN

25、BN索引值索引值 R G B 1 R1 G1 B1 2 R2 G2 B2 ：:N RN GN BN第46页，共53页，编辑于2022年，星期五基于灰度调色板的伪彩色方法 调色板的设计例调入某个彩色图像的调色板，作为伪彩色影射用的灰度调入某个彩色图像的调色板，作为伪彩色影射用的灰度调色板。调色板。第47页，共53页，编辑于2022年，星期五基于灰度调色板的伪彩色方法 调色板影射例第48页，共53页，编辑于2022年，星期五基于灰度调色板的伪彩色方法 调色板影射例第49页，共53页，编辑于2022年，星期五基于区域分割的伪彩色增强方法 基本原理这是一种对不同的区域进行不同颜色增强的方法。这是一种对

26、不同的区域进行不同颜色增强的方法。目的是，可同时增强并清晰地观察不同区域的目的是，可同时增强并清晰地观察不同区域的细节。细节。第50页，共53页，编辑于2022年，星期五基于区域分割的伪彩色增强方法 应用领域与实现方法这种伪彩色技术在医学诊断中常被用到，目的这种伪彩色技术在医学诊断中常被用到，目的是突出病灶，提高诊断率。是突出病灶，提高诊断率。该伪彩色技术是对原图进行了预处理，将识别出属该伪彩色技术是对原图进行了预处理，将识别出属于不同性质的区域给不同的色彩。于不同性质的区域给不同的色彩。演示示例演示示例第51页，共53页，编辑于2022年，星期五基于区域分割的伪彩色增强示例第52页，共53页，编辑于2022年，星期五基于区域分割的伪彩色增强示例第53页，共53页，编辑于2022年，星期五