第四章 图像增强
第四章频率域图像增强
图像傅立叶变换的物理意义
傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空 间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示 空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图 像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表 示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。 为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱 图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并 不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶 频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域 点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么 理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来 讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立 叶变换后的频谱图，也叫功率图
域表述困难的增强任务，在频率域中变得非常普通
✓ 滤波在频率域更为直观，它可以解释空间域滤波的某些性质 ✓ 给出一个问题，寻找某个滤波器解决该问题，频率域处理对 于试验、迅速而全面地控制滤波器参数是一个理想工具
✓ 一旦找到一个特殊应用的滤波器，通常在空间域用硬件实现
➢图像的频率指什么？
✓ 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面
Mx0
u=0,1,2,…,M-1
✓ 给定F(u),通过傅里叶反变换可以得到f(x)
f(x)
1
M1
j2ux
F(u)e M
Mu0
x=0,1,2,…,M-1
傅里叶变换
一维离散傅里叶变换及反变换
✓ 从欧拉公式 e j cos j sin
F (u)
1
M 1
第四章 图像增强
数字图像处理
例如，某像素5×5邻域的灰度分布如图，经 计算9个掩模区的均值和方差为：
3 6 7 4 2 3 4 3 1ͣ 1 2 2 2 4 5 1 1 4 3 3 6
均值 对应的 方差
4
4
3
2
3
4
2
3
3
4 8 4 4
54 7 17 17 28 31 23 26 0
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
4.1 图像的对比度增强
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
图像的直方图修正
定义：数字图像中各灰度级与其出现的频数间的 统计关系，可表示为：
直方图反映了图像的清晰程度，当直方图均匀分布 时，图像最清晰。由此，我们可以利用直方图来达 到使图像清晰的目的。 直方图均衡化：通过原始图像的灰度非线性变换， 使其直方图变成均匀分布，以增加图像灰度值的动 态范围，从而达到增强图像整体对比度，使图像变 清晰的效果。
梅小明
图像平滑
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法的举例及与平均滤波法 的对比
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
第四章 图像增强
概述 图像的对比度增强 图像的直方图修正 图像平滑 图形锐化 图像的同态滤波 图像的彩色增强
第四章3遥感图像处理图像增强
5.遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换)
② 就变换后的新波段主分量而言，K—L变换后的 新波段主分量包括的信息量不同，呈逐渐减少趋 势。其中，第一主分量集中了最大的信息量，常 常占80％以上，第二、第三主分量的信息量依次 快速递减，到第n分量信息几乎为0。由于K—L变 换对不相关的噪声没有影响，所以信息减少时， 便突出了噪声，最后的分量几乎全是噪声。所以 这种变换又可分离出噪声。
基于上述特点，在遥感数据处理时，常常用K— L变换作数据分析前的预处理（数据压缩和图像增
强）。举例P125
6.遥感图像多光谱变换(Ⅱ)——缨帽变换(K—T变换)
(1)K—T变换是Kauth—Thomas变换的简称，这种变换也是 一种线性组合变换，其变换公式为：Y=BX 这里X为变换前的多光谱空间的像元矢量，y为变换后的 新坐标空间的像元矢量，B为变换矩阵。这也是一种坐标 空间发生旋转的线性变换，但旋转后的坐标轴不是指向主 成分方向，而是指向了与地面景物有密切关系的方向。 1984年，Crist和Cicone提出TM数据在K—T变换时的B值： P126 在此，矩阵为6X6，主要针对TM的1至5和第7波段，低分 辨率的热红外(第6波段)波段不予考虑。
1.遥感图像增强(工)——对比度变化1
非线性变换
直方图均衡化(histogram equalization):把原图像的直方 图变换为灰度值频率固定的直方图，使变换后的亮度级 分布均匀，图像中等亮度区的对比度得到扩展，相应原 图像中两端亮度区的对比度相对压缩。
1.遥感图像增强(工)——对比度变化1
MN
r(i, j) (m, n)t(m, n) m1 n1
将计算结果放在窗口中心的像元位置，成为新像元的灰度 值。然后活动窗口向右移动一个像元，再做同样的运算。 P117说明
数字图像处理第四章作业
第四章图像增强1.简述直方图均衡化处理的原理和目的。
拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。
原理：直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
也就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
把给定图像的直方图分布改变成“均匀”分布直方图分布目的：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
它通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过直方图均衡化，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
Matlab程序如下：clc;RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。
(完整word版)NIVisionBuilderAI入门教程第四章图像增强
第四章图像增强很多时候，我们采集到的图像并不理想，含有许多噪声、非目标区域、杂点、未完整等等，面对这种情况，进行图像处理时，如果不对原始图像进行增强处理，那么对测量结果会的精度会产生一些影响，例如寻找边缘，如果需要拟合成线的点很离散，那么，拟合出来的线很可能会“漂”的很厉害。
因此，许多情况下，我们需要对原始图像进行增强，以达到更加理想的效果。
如图4-1所示。
图4-1 图像增强函数在图像处理中的应用在图4-1中，我们应用了一个简单的例子，寻找一条边缘。
采集图像后，我们对原始图像创建了一个ROI（Region of Interest：兴趣区域、目标区域，图中的绿色框），并对此ROI 进行滤波处理，从图中可以看到，绿色框中经过婆婆的图像与外面的图像是不一样的。
这就是图像增强的效果。
当然，例子中的原始图像效果相对较好，增强的效果显现不明显。
下面我们来看一下，图像增强函数选板具体的函数及其使用方法。
图4-2 图像增强选板增强图像中，共有六个可用函数。
利用此六个函数，我们可以在分析图像前，对图像进行预先处理，以提高图像质量。
1. Vision Assistant：Enhances image features，filters noise，extracts colors planes，and more.第一个函数为视觉助手。
在VBAI中也有一个视觉助手，不过这个视觉助手并不像NI视觉开发模块中的视觉助手功能强大，只是包含了一些图像增强的功能。
因为VBAI其它的函数选板中含有大量的分析测量函数，所以，在这个视觉助手中并没有分析测量类的函数。
利用视觉助手可以增强图像特征、过滤噪声、提取颜色平面、图像计算、形态学处理等。
因为其中的函数过多，将会在后面章节中加以详细解释，这里就一笔带过。
2. Filter Image：Prepares an image for processing so that you can extract only the information you need for processing.第二个函数为图像滤波：准备一幅图像，提取需要用于处理的信息为后面图像处理。
第四章 遥感图像处理—数字图像增强
同一景物不同波段图像之间的运算—识别地物
图像的差值运算有利于目标与背景反差较小 的信息提取。 如在红光波段，植被和水体难以区 分，在红外波段，植被和土壤难以区分，通过相 减,可以有效的区分出三种地物
2、比值运算 两幅同样行、列数的图像，对应像元的亮度值相除 (除数不为0)就是比值运算，即：
真彩色合成 假彩色合成
彩色合成的原理图
①真彩色合成
红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
真彩色合成 红光波段赋成红
真彩色合成 红光波段赋成红 绿光波段赋成绿
真彩色合成 红光波段赋成红 绿光波段赋成绿 蓝光波段赋成蓝
②假彩色合成 假彩色合成 近红外波段赋成红 红光波段赋成绿 绿光波段赋成蓝
1 图像卷积运算
数字图像的局部
模板
z1 z2 z3
z4 z5 z6 z7 z8 z9
w1 w2 w3 w4 w5 w6 w7 w8 w9
1/9
1/9 1/9
1/9 1/9 1/9 1/9 1/9 1/9
Replace with R
= w1z1 + w2z2 + ….. +w9z9
模板按像元依次向右移动，而后换行，直到整幅图 像全部处理完为止
对于亮点噪音，用中值滤波好
带有椒盐噪声的ikonos图像
中值滤波后的图像
均值平滑后的图像
3
图像锐化
（1）图像锐化的目的是突出图像中景物的边缘、线状目 标或某些亮度变化率大的部分。 （2）边缘或轮廓通常位于灰度突变或不连续的地方，具
有一阶微分最大值和二阶微分为0的特点;
锐化的方法很多，在此只介绍常用的几种：
第四章图像增强
2
图像增强所包含的主要内容： 图像增强所包含的主要内容：
灰度变换 点运算 均衡化 直方图修正法 空间域 规定化 局部运算 图像平滑 图像锐化 高通滤波 图像增强 频率域 低通滤波 同态滤波增强 假彩色增强 彩色增强 伪彩色增强 彩色变换及应用 几何畸变的消除
8
原图
变换函数曲线
9
灰度反转后
10
original image
Brightness(明暗变化)
(addition/subtraction)
contrast
= histogram stretching
其它线性变换例
11
2.分段线性变换
线性拉伸是将原始输入图像中的灰度值不加区别地 扩展。 而在实际应用中,为了突出图像中感兴趣的研究对象， 常常要求局部扩展拉伸某一范围的灰度值，或对不同 范围的灰度值进行不同的拉伸处理，即分段线性拉伸。 分段线性拉伸是仅将某一范围的灰度值进行拉伸，而 其余范围的灰度值实际上被压缩了。
k k
变换函数T(r)可改写为 : sk = T (rk ) = ∑ Pr (rj ) = ∑
j =0 j =0
nj n
0 ≤ rk ≤ 1, k = 0,1,..., l − 1
均衡化后各像素的灰度值可直接由原图像的直 30 方图算出。
例 假定有一幅总像素为n=64×64的图像，灰度级数为8，各灰度级 分布列于表中。对其均衡化处理。
贾永红_数字图像处理-_chap4
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。 4.2.1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。
s0=1/7
s1=3/7 s2=5/7
790
1023
0.19
0.25 0.21
850
850
r3=3/7
r4=4/7 r5=5/7 r6=6/7 r7=1
656
329 245 122 81
0.16
0.08 0.06 0.03 0.02
0.81
0.89 0.95 0.98 1.00
6/7
6/7 1 1 1 s4=1 448 0.11 s3=6/7 985 0.24
0.35
0.65 0.85 1.00
z4→s1=3/7 1023 0.25
z5→s2=5/7 z6→s3=6/7 z7→s4=1 850 985 448 0.21 0.24 0.11
448
0.11
1
r0 0 z 3 3 / 7 r1 1 / 7 z 4 4 / 7 r2 2 / 7 z 5 5 / 7 r3 3 / 7 z 6 6 / 7
第四章 图像增强
图像增强是采用一系列技术去改善图像的视觉效果, 或将图像转换成一种更适合于人或机器进行分析和处理 的形式。例如采用一系列技术有选择地突出某些感兴趣 的信息，同时抑制一些不需要的信息，提高图像的使用 价值。 图像增强方法从增强的作用域出发，可分为空间域 增强和频率域增强两种。 空间域增强是直接对图像各像素进行处理； 频率域增强是对图像经傅立叶变换后的频谱成分进 行处理，然后逆傅立叶变换获得所需的图像。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
图像增强是采用一系列技术去改善图像的视觉效果, 或将图像转换成一种更适合于人或机器进行分析和处理 的形式。例如采用一系列技术有选择地突出某些感兴趣 的信息，同时抑制一些不需要的信息，提高图像的使用 价值。
图像增强方法从增强的作用域出发，可分为空间域 增强和频率域增强两种。
空间域增强是直接对图像各像素进行处理； 频率域增强是对图像经傅立叶变换后的频谱成分进 行处理，然后逆傅立叶变换获得所需的图像。
一幅图像的sk与rk之间的关系称为该图像的累积灰 度直方图。
Pr(rk)
S(rk) 1.0
rk 1.0
下面举例说明直方图均衡过程。
rk 1.0
例 假定有一幅总像素为n=64×64的图像，灰度级数为8，各灰 度级分布列于表中。对其均衡化计算过程如下：
rk
nk pr(rk)=nk/n
sk计
sk并
sk
两边积分得
r
s T (r) 0 pr (r)dr
(4.1 15)
上式表明，当变换函数为r的累积直方图函数时，能达 到直方图均衡化的目的。
对于离散的数字图像，用频率来代替概率,则变换函数
T(rk)的离散形式可表示为:
sk
T (rk )
k j0
pr (rj )
k j0
nj n
上式表明，均衡后各像素的灰度值sk可直接由原图像的 直方图算出。
讲解内容
目的
灰度变换
点运算直方图修正法
图像增强 空间域 高 局通 部滤 运波 算局图 图部像 像统锐 平计化 滑法
均衡化 规定化
频率域低通滤波
同态滤波增强
假彩色增强
彩色增强
伪彩色增强
彩色变换及应用
图像的代数运算
1. 熟悉并掌握本章基本概 念、空间域图像增强的原 理、方法及其特点；
2. 了解频率域图像增强的 方法及其实现过程；
g(i, j) a b a ( f (i, j) a) ba
(4.1 5)
在曝光不足或过度的情况下，图像灰度可能会局限 在一个很小的范围内。这时在显示器上看到的将是一个 模糊不清、似乎没有灰度层次的图像。
下图是对曝光不足的图像采用线性变换对图像每一 个像素灰度作线性拉伸。可有效地改善图像视觉效果。
nsk
g(i, j) bc f (i, j)a 1
(4.1 8)
这里参数a,b,c用来调整曲线的位置和形状。这种变 换能对图像的高灰度区给予较大的拉伸。
f (i,j)
g (i,j)
4.1.3 直方图修整法
灰度直方图反映了数字图像中每一灰度级与其出现频率 间的关系,它能描述该图像的概貌。通过修改直方图的方法 增强图像是一种实用而有效的处理技术。
(4.112)
利用密度函数是分布函数的导数的关系，等式两边对s 求导，有：
Ps (s)
d ds
r
p
r
(r
)dr
pr
dr ds
pr
d ds
T 1 (s)
（4.1-13）
可见，输出图像的概率密度函数可以通过变换函数 T(r)控制原图像灰度级的概率密度函数得到,因而改善原图 像的灰度层次,这就是直方图修改技术的基础。
直方图修整法包括直方图均衡化及直方图规定化两类。
1.直方图均衡化
直方图均衡化是将原图像通过某种变换，得到一幅灰度 直方图为均匀分布的新图像的方法。
直方图均衡化
下面先讨论连续变化图像的均衡化问题，然后推广 到离散的数字图像上。
设r和s分别表示归一化了的原图像灰度和经直方图 修正后的图像灰度。即
0 r,s 1
①对数变换
对数变换的一般表达式为
g(i, j) a ln f (i, j) 1
b ln c
(4.1 7)
这里a,b,c是为了调整曲线
g(i,j)
的位置和形状而引入的参数。
当希望对图像的低灰度区较
大的拉伸而对高灰度区压缩
时，可采用这种变换，它能
使图像灰度分布与人的视觉
特性相匹配。
f (i,j)
②指数变换 指数变换的一般表达式为
（4.1-11）
T-1(s)对s同样满足上述两个条件。
由概率论理论可知，如果已知随机变量r的概率密度为
pr(r),而随机变量s是r的函数，则s的概率密度ps(s)可以由 pr(r)求出。
假定随机变量s的分布函数用Fs(s)表示，根据分布函数 定义
FS (s) s ps (s)ds r pr (r)dr
ห้องสมุดไป่ตู้g(x,
y)
[(d
c)
/(b
a)][
f
(x,
y)
a]
c
a f (x, y) b
[(M g d) /(M f b)][ f (x, y) b] d b f (x, y) M f
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。
3．非线性灰度变换
当用某些非线性函数如对数函数、指数函数等，作为 映射函数时，可实现图像灰度的非线性变换。
（4.1-9）
在[0,1]区间内的任一个r值，都可产生一个s值，且
s T (r)
(4.1-10)
T(r)作为变换函数，满足下列条件：
①在0≤r≤1内为单调递增函数，保证灰度级从黑到 白的次序不变；
②在0≤r≤1内，有0≤T(r)≤1，确保映射后的像素 灰度在允许的范围内。
反变换关系为
r T 1 (s)
2．分段线性变换
为了突出感兴趣目标所在 的灰度区间，相对抑制那些不 感兴趣的灰度区间，可采用分 段线性变换。
设原图像f(x,y)在[0，Mf],感 兴趣目标的灰度范围在[a,b],欲 使其灰度范围拉伸到[c,d],则对 应的分段线性变换表达式为
(c / a) f (x, y) 0 f (x, y) a
从人眼视觉特性来考虑，一幅图像的直方图如果是均 匀分布的，即Ps(s)=k(归一化时k=1)时，该图像色调给人的 感觉比较协调。因此将原图像直方图通过T(r)调整为均匀分 布的直方图，这样修正后的图像能满足人眼视觉要求。
因为归一化假定
Ps (s) 1
(4.1 14)
由（4.1-13）则有
ds pr (r)dr
3.重点掌握直方图修正方 法、特点及其应用；空间 域平滑、锐化和彩色增强 技术。
4.1图像增强的点运算 4.1.2 灰度变换
灰度变换可调整图像的灰度动态范围或图像对比度，是图 像增强的重要手段之一。
黑
白
1．线性变换
令图像f(i，j)的灰度范围为[a,b]，
线性变换后图像g(i，j)的范围为[a´,b´]， 如图，g(i，j)与f(i，j)之间的关系式为：