图像预处理
图像处理流程
图像处理流程图像处理是数字图像处理的一种形式，旨在改善或增强图像的质量，使得图像更加清晰、更鲜明，或者从图像中提取出特定的信息。
图像处理的流程一般包括以下几个步骤：1. 图像获取：首先需要采集图像，可以通过摄像机、扫描仪等设备来获取图像，或者从存储介质中读取图像文件。
2. 图像预处理：在进行下一步处理之前，需要对图像进行预处理。
预处理的目的主要是去除图像中的噪声，使得图像更加清晰。
常用的预处理方法包括平滑滤波、去噪、去除伪影等。
3. 图像增强：图像增强是指通过一系列的算法和方法来改善图像的质量，使得图像更容易被观察和分析。
常见的图像增强方法包括灰度变换、直方图均衡化、空间滤波等。
4. 图像分割：图像分割是将图像中的物体或区域分离开来，通常是根据图像的某些特征进行分割。
图像分割常用的方法包括阈值分割、边缘检测、区域生长等。
5. 特征提取：特征提取是从图像中提取出具有代表性的特征信息，用于描述图像的内容。
常见的特征包括纹理特征、形状特征、颜色特征等。
特征提取可以利用图像处理算法和机器学习方法来实现。
6. 物体识别和分类：特征提取之后，可以利用分类算法进行物体的识别和分类。
分类的目的是将图像中的物体归类到不同的类别中，可以通过统计、机器学习等方法来实现。
7. 结果评估和应用：最后，需要对处理结果进行评估，并根据具体的需求进行应用。
评估可以根据图像质量、识别准确率等指标来进行。
根据应用需求，可以将处理结果用于图像检索、图像分类、图像匹配等领域。
总之，图像处理流程涵盖了图像获取、预处理、增强、分割、特征提取、识别和分类等多个步骤，通过一系列的算法和方法来改善图像的质量和信息提取。
图像处理在计算机视觉、图像识别、医学影像等领域具有广泛的应用。
如何进行人脸图像的预处理以提高识别准确性
如何进行人脸图像的预处理以提高识别准确性在现代科技的发展中，人脸图像的识别应用日益普及。
然而，由于各种因素的干扰，如光线、姿势、图像质量等，人脸图像识别的准确性经常受到挑战。
为了提高人脸图像的识别准确性，进行适当的预处理是至关重要的。
人脸图像的预处理是一系列的图像处理步骤，旨在提取有效的人脸特征和减少干扰因素的影响。
以下是一些常见的人脸图像预处理方法，可帮助提高识别准确性：1. 图像尺寸调整：对于不同的人脸图像，其尺寸可能各异。
为了方便后续处理，需要将不同尺寸的图像调整为统一的尺寸。
常见的方法有裁剪或缩放图像，通常将图像调整为正方形。
2. 姿势校正：姿势是影响人脸图像识别准确性的重要因素之一。
因此，在进行人脸图像预处理时，可以尝试使用姿势校正技术。
这可以通过检测人脸关键点并对图像进行相应的旋转、翻转或仿射变换来实现。
3. 光照调整：光线的不均匀分布可能导致人脸图像的识别准确性下降。
为了解决这个问题，可以应用直方图均衡化或灰度拉伸等图像增强技术，来调整光照情况，使人脸特征更加突出。
4. 噪声滤波：人脸图像中的噪声会干扰人脸特征的提取和识别。
因此，在进行人脸图像预处理时，可以应用噪声滤波技术来减少图像中的噪声。
常用的噪声滤波方法包括中值滤波、高斯滤波等。
5. 颜色归一化：由于各种原因，不同人的肤色可能存在差异。
为了保证人脸图像的统一性，可以进行颜色归一化。
该步骤可以通过将图像转换为灰度图像或将图像像素值调整为统一的范围来实现。
这些预处理方法可以单独应用，也可以根据具体需求进行组合使用。
通过优化人脸图像的质量，可以显著提高人脸图像识别的准确性。
然而，还需注意以下几点：1. 预处理方法的选择应基于具体的应用场景。
不同的应用可能对人脸图像的预处理有不同的要求，因此需要根据具体需求来选择预处理方法。
2. 预处理应适度进行，过度的预处理可能会导致信息的损失。
因此，在进行预处理时，应注意保留有用的人脸特征，并避免过度处理图像。
图形预处理技术概述
图像预处理技术概述摘要图像预处理技术就是在对图像进行正式处理前所做的一系列操作，因为图像在传输过程和存储过程中难免会受到某种程度的破坏和各种各样的噪声的污染，导致图片丧失了本质或者偏离了人们的需求，而这就需要一系列的预处理操作来消除图像受到的影响。
总的来说图像预处理技术分为两大方面，即图像增强和图像复原技术。
图像增强技术在图像预处理中占有较大的比重，是图像处理所必须的步骤，它与图像复原的不同之处在于图像复原是以恢复图像原来的本质为目的，而图像增强是以突出人们需要的特征并且弱化不需要的特征为原理的。
图像增强的方法很多，有灰度变换、直方图修正、图像平滑去噪、伪彩色处理等等。
灰度变换是图像增强技术中的一种简单的点运算处理技术，而直方图修正则是基于灰度变换而来的能够更好的显示和处理图像，然而上述两种只能够处理一些要求不高的图像，去噪功能很弱。
而图像平滑减噪则是图像增强的主要方面，是以对图像进行平滑和去噪为目的的最常用的预处理方法，在现代社会图像预处理研究中有着举足轻重的作用。
本文先着手介绍图像预处理的基础知识和灰度变换、直方图修正这两种图像预处理方法的原理，而后重点介绍了几种噪声的模型和基于这些噪声的平滑去噪的方法及其原理，并分析其优缺点。
最后以基于中值滤波的图像平滑去噪方法为基础，提出一种自适应中值滤波算法并进行探讨。
关键词：图像预处理，图像增强，平滑去噪，中值滤波AbstractImage pre-processing technology is made before the formal processing of the image series of operations, because the image during transmission and storage process will inevitably be some degree of damage and a variety of noise pollution, resulting in pictures lost the nature of or deviation from the people's needs, which requires a series of preprocessing operations to eliminate the impact of the image. Overall image pre-processing technology is divided into twoaspects, namely, image enhancement and image restoration techniques. Image enhancement techniques to account for a large proportion of the image pre-processing is a necessary step in the image processing, image restoration is to image restoration is to restore the original image of the essence for the purpose of image enhancement is based on the prominent people need characteristics and weaken the unwanted characteristics of the principle. Image enhancement method, there are many gray level transformation, histogram equalization, image denoising, pseudo-color processing. Gray-scale transformation is the basis and foundation of the image enhancement technology basically all image enhancement and gray-scale transformation. Image denoising, image enhancement, plays an important role in modern society. This article first started to introduce the basic theory of the basic knowledge and the gray-scale transformation of the image pre-processing, after the focus of several denoising methods and principles, at the same time they also do some basic comparisons, finally, based on the median filter image denoising method based on, to explore the median filtering of room for improvement.Key Words: image pre-processing, image enhancement, image denoising, median filter第一章绪论1.1课题研究的目的意义冈萨雷斯曾在其著作中提到，视觉是人类感觉中最高级的，而图像又在人类的感知中起着重要的作用。
计算机图像处理的基本原理和方法
计算机图像处理的基本原理和方法计算机图像处理是通过数字图像处理技术对图像进行获取、处理、分析和干预的过程。
它是计算机视觉领域中的重要研究方向之一。
本文将详细介绍计算机图像处理的基本原理和方法。
一、图像获取图像获取是指使用数字相机、扫描仪等设备将现实中的图像转化为数字形式。
常见的图像获取方式包括光学传感器原理、电子转换和光电转换。
具体的步骤包括：1. 设置相机或扫描仪的参数，如曝光时间、ISO感光度等。
2. 对被摄物体进行定位和对焦。
3. 采集图像数据，并将其存储在计算机内存中。
二、图像预处理图像预处理是为了增强图像的质量和消除噪声，以便更好地进行后续处理和分析。
常见的图像预处理方法包括：1. 灰度化：将图像从彩色转变为灰度图像，简化计算过程。
2. 平滑滤波：通过消除图像中的高频噪声，使图像更加清晰。
3. 锐化增强：通过增强图像的边缘和细节，提高图像的观感。
三、图像增强图像增强是改善图像的视觉效果和提取图像信息的过程。
常见的图像增强方法包括：1. 空域增强：对图像的每个像素进行操作，如直方图均衡化、灰度拉伸等。
2. 频域增强：利用频域滤波器对图像进行增强，如傅里叶变换、小波变换等。
3. 借助机器学习技术进行图像增强，如深度学习和卷积神经网络等。
四、图像分割图像分割是将图像分成若干个互不重叠的区域的过程。
图像分割可以提取出感兴趣的目标，为后续处理和分析提供基础。
常见的图像分割方法包括：1. 基于阈值的分割：通过设定阈值来将图像分成不同的区域。
2. 区域生长法：从种子点开始，根据像素邻域的相似性递归合并区域。
3. 基于边缘的分割：提取图像的边缘信息，将边缘作为分割的依据。
五、目标识别与分类目标识别与分类是将图像中的目标对象识别和分类的过程。
常见的目标识别与分类方法包括：1. 特征提取：通过提取目标对象的特征信息，如形状、纹理、颜色等，作为分类的依据。
2. 机器学习算法：使用分类算法，如支持向量机、决策树和随机森林等，对目标对象进行分类。
计算机视觉图像预处理
21
4.1 图像坐标变换
• 4.2.1 灰度映射原理 • 4.2.2 灰度映射示例
22
4.2.1 灰度映射原理
基于图像像素的点操作 映射函数
灰度级到灰 度级的变换， 与位置无关
23
4.2.2 灰度映射示例
灰度映射技术的关键是根据增强要求设计映射函数
扩展低灰度范围 压缩高灰度范围
图像求反
• 5. 变换级连
例：平移旋转反平移
10
4.1.1 基本坐标变换
• 5. 变换级连
平移（50, 50） 尺度（1.4, 1.4） 旋转30°
11
4.1.1 基本坐标变换
• 6. 基本坐标变换小结
12
4.1.1 基本坐标变换
• 7. 其他变换
1 0.5 0
斜切（扭曲） 0 1 0
0 0 1
13
4.1.2 几何失真校正
a = 1----相当于复制 b ≠0: 灰度偏置
32
• 练习题：
– 4.1 – 4.2
作业
计算机视觉
The end！
34
计算机视觉
计算机视觉——图像预处理
1
• 图像预处理的目的：
纠正几何失真 提高视觉质量
降低噪声干扰
图像坐标变换 灰度映射
直方图修正 空域滤波
2ห้องสมุดไป่ตู้
第4章 图像预处理
• 4.1 图像坐标变换 • 4.2 灰度映射 • 4.3 直方图修正 • 4.4 空域滤波
3
4.1 图像坐标变换
• 4.1.1 基本坐标变换 • 4.1.2 几何失真校正
4
4.1.1 基本坐标变换
• 1. 变换的表达
图像处理技术的数据处理与预处理方法
图像处理技术的数据处理与预处理方法图像处理技术是计算机科学中重要的研究领域之一，它涉及将数字图像转化为更易于分析、更容易理解的形式。
数据处理和预处理是图像处理的重要组成部分，它们涉及对原始图像数据进行处理，以获得更好的视觉效果和更准确的分析结果。
本文将介绍图像处理技术中常用的数据处理和预处理方法。
数据处理方法包括图像增强、图像降噪和图像压缩等。
图像增强是通过改变图像的亮度、对比度、色彩饱和度等属性来使图像更加清晰、明亮和有吸引力。
常用的图像增强方法包括直方图均衡化、灰度拉伸和滤波器等。
直方图均衡化可以通过重新分配图像像素的灰度级来扩展图像的动态范围，从而增强图像的对比度和细节。
灰度拉伸是通过线性变换来拉伸图像的灰度范围，以增强图像的对比度。
滤波器方法包括均值滤波器、中值滤波器和高斯滤波器等，它们可以去除图像中的噪声和伪像，使图像更清晰。
图像处理的预处理方法包括图像去噪、图像对齐和图像分割等。
图像去噪是通过抑制或去除图像中的噪声，以改善图像质量。
常用的图像去噪方法包括均值滤波、中值滤波和小波去噪等。
对于局部噪声，均值滤波器可以通过计算像素周围区域的平均值来抑制噪声。
中值滤波器可以通过计算像素周围区域的中值来去除噪声。
小波去噪是基于小波变换的方法，它利用小波变换的多尺度分解特性来提取图像中的噪声，并去除它们。
图像对齐是指将多幅图像进行准确的位置对齐，以便进行后续的处理和分析。
图像分割是将图像划分成不同的区域或对象，以便进行单独的处理和分析。
常用的图像分割方法包括阈值分割、边缘检测和区域生长等。
图像处理的数据处理和预处理方法还涉及图像特征提取和图像重建等技术。
图像特征提取是指从原始图像中提取有用的信息或特征，以便进行图像分析和识别。
常用的图像特征包括颜色、纹理和形状等。
图像重建是指通过图像处理技术从低质量的图像重建出高质量的图像。
图像重建常用的方法包括插值、超分辨率和深度学习等。
总之，图像处理技术的数据处理和预处理方法对于获取更好的视觉效果和更准确的分析结果至关重要。
《envi图像预处理》课件
几何校正
目的：消除图像中的几何变形 方法：使用控制点进行校正 控制点选择：选择具有明显特征的点 校正结果：得到无变形的图像
图像增强
亮度调整：提高图像亮度，使图像更清晰 对比度调整：增强图像对比度，使图像细节更明显 锐化处理：提高图像锐度，使图像边缘更清晰 色彩调整：调整图像色彩，使图像色彩更丰富
实例1：图像去噪处理，对 比处理前后的图像质量
实例4：图像融合处理，对 比处理前后的图像融合效果
Part Six
envi图像预处理的 未来发展
envi图像预处理技术的发展趋势
智能化：利用深度 学习、人工智能等 技术，实现图像的 自动预处理
高效化：提高图像 预处理的速度和效 率，降低计算成本
多样化：开发更多 类型的预处理算法， 满足不同应用场景 的需求
envi图像预处理在地理信息系统中的应用
地理信息系统（GIS）：用于管理、分析和显示地理数据
Envi图像预处理：对遥感图像进行预处理，提高图像质量
应用：在GIS中，预处理后的遥感图像可以用于地形分析、土地利用分类、植被监测 等
优势：预处理后的遥感图像可以提高GIS分析的准确性和效率
envi图像预处理在环境监测中的应用
遥感图像处理：用于提取地物信息， 如土地利用、植被覆盖等
工业检测：用于产品质量检测，如 缺陷检测、尺寸测量等
添加标题
添加标题
添加标题
添加标题
医学图像处理：用于疾病诊断和治 疗，如CT、MRI等
军事侦察：用于战场侦察和情报分 析，如目标识别、地形分析等
Part Five
envi图像预处理的 效果评估
envi图像预处理
,
汇报人：
目录
01 添 加 目 录 项 标 题 03 e n v i 图 像 预 处 理
图像预处理
3. 选择式掩模平滑
邻域平均法在消除噪声的同时，不可避免地带来了平均化的缺憾，使尖 锐变化的边缘变得模糊。考虑到图像中⺫目目标物体和背景一一般都具有不 同的统计特性，即具有不同的均值和方方差，为保留一一定的边缘信息， 可采用用自自适应的局部平滑滤波。 选择式掩模平滑法取5×5窗口口，在窗口口内以中心心像素f(i,j)为基准点，制 作4个五边形、4个六边形、1个边⻓长为3的正方方形，共9种形状的屏蔽 窗口口，分别计算每个窗口口内的平均值及方方差，采用用方方差最小小的屏蔽窗 口口进行行平均化，也称自自适应平滑。
对比比度指亮度的最大大值和最小小值之比比，可通过增加原图 中某两个灰度值间的动态范围来实现。 1）全域线性变换 设原图像f(x,y)的灰度范围为[a,b]，希望变换后图像 g(x,y) 的灰度范围扩展至至[c,d]，使曝光不充分的图像中黑黑的 更黑黑，白白的更白白，从而而提高高图像的灰度对比比度。
0≤f(x,y)＜a a≤f(x,y)＜b b＜f(x,y)
2. 直方方图的均衡化
• 均衡化：使图像的直方方图均匀分布的处理过程 • 基本思想：把原始图像的直方方图变换为均匀分布的形 式，增加像素灰度值的动态范围，增强图像整体上的 对比比度。
∑
•直方方图均衡化以累积分布函数为变换函数。
具体步骤：
1）列出图像灰度rk 。 2）求各图像灰度的像素数。 3）原始图像直方方图归一一化处理。 4）计算累积分布函数值
6 122 0.03 0.98
6/7=0.8 6
7 81 0.02 1.00 1 7
量化级 新灰度 级 rk! sk 新像素 数 新直方方
0 1 0!1 0 0
3/7=0.4 4/7=0.5 5/7=0.7 3 7 1
- 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)。
Image Processing
引言
点运算
点运算主要是针对图像的像素进行加、减、乘、 除运算。 能够有效的改进图像的直方图分布。
几何运算
主要包括图像的平移、缩放、旋转、扭曲校正等。 是最常见的图像处理手段。
引言
图像在转换和传送过程中，总要造成某 些降质。比如：
在摄像时，光学系统的失真、大气流动会使图 像模糊； 在图像的数字化过程中（扫描、采样、量化）， 会引入噪声； 在传输过程中，由于噪声污染，图像的质量会 有所下降。
（e）15*15均值滤波
（f）36*35均值滤波
观察6幅图，总结邻 域平均模板大小对滤波结 果的影响。
高斯平滑滤波器
高斯平滑滤波器-1
根据高斯函数选择邻域内各像素的权值
(i 2 j 2 ) 2 2 j] e
g[i,
高斯平滑滤波器…2
高斯函数具有五个重要的性质: • 旋转对称性
在各个方向上的平滑是一致的
• 灰度级变换的应用之二
对比度拉伸——提高、降低对比度
255 255
降低对比度
提高对比度
P1 48 P2 218 255 0 128 255 142
0
直接灰度变换
通过灰度变换函数 将图像各灰度映射 为新的值
g (x, y) Mg d
c O a b Mf f (x , y)
c f ( x, y ) a d c g ( x, y ) [ f ( x, y ) a ] c b a M g d [ f ( x, y ) b ] d M f b
-3 -2 -1 0 1 2 3 -3 .011 .039 .082 .105 .082 .039 .011 -2 .039 .135 .287 .368 .287 .135 .039 -1 .082 .287 .606 .779 .606 .287 .082 0 1 .105 .082 .368 .287 .779 .606 1.000 .779 .779 .606 .368 .287 .105 .082 2 .039 .135 .287 .368 .287 .135 .039 3 .011 .039 .082 .105 .082 .039 .011
(a) 原始信号 （b）均值滤波，（c）中值滤波．
尖顶边缘滤波示意图
边缘保持滤波器
算法：
对每一个像素点[i,j]取适当大小邻域，分别计算该邻域 的四个子区域灰度分布均匀度，然后将均匀度最小的子区 域的均值赋予该像素点。
V
f 2 (i, j) (
1
f (i, j))2 / N
０ １ １ ０ ０ １ ０ ０
如：下面情况中，一个点的邻域定义为以该点 为中心的一个圆内部或边界上点的集合。
邻域运算与点运算一起构成最基本、最重 要的图象处理工具。
非线性滤波
中值滤波器
（1）取邻域 （2）按亮度 值大小排列 像素点 （3）选排序 像素的中间 值作为中心 点的新值
中值滤波
中值滤波的原理 用一个N×N的窗口（N=3，5，7…）在图像上 滑动，把窗口中像素的灰度值按升/降次序 排列，取排列在正中间的灰度值作为窗口中 心所在像素的灰度值。 性质 是一种非线性滤波，对消除脉冲噪声十分有效。 在去除噪音的同时，可以比较好地保留边的锐 度和图像的细节
• 直方图均衡化：转变直方图成均匀分布
直方图修正 直方图均衡化
图像中的脉冲噪声模型
在图像传输过程中，经常会受到各种噪声的干扰， 在进行进一步的边缘检测、图像分割、特征提取、 模式识别等处理前，需要采用适当的方法尽量减 少噪声 最常见的图像噪声：脉冲噪声 特点：
噪声点的取值与图像信号本身无关 椒盐噪声 随机值脉冲（加性）噪声
中值滤波
主要用途：钝化图像、去除噪音 计算公式：R = mid {zk | k = 1,2,…,9}
最大值滤波
主要用途：寻找最亮点 计算公式：R = max {zk | k = 1,2,…,9}
最小值滤波
主要用途：寻找最暗点 计算公式：R = min {zk | k = 1,2,…,9}
最大值滤波
-1 7 26 55 71 55 26 7
0 10 33 71 91 71 33 10
1 2 3 7 4 1 26 12 4 55 26 7 71 33 10 55 26 7 26 12 4 7 4 1
（3）规范化，使权值之和为1
1 1 2 2 2 1 1
2 2 3 4 5 5 6 6 6 5 5 4 3 2 2 2 3 4 5 7 7 8 8 8 7 7 5 4 3 2
线性滤波
均值滤波器
每一个像素值用其局部邻域内 所有像素值的加权均值置换
1 h[i, j ] M
( k ,l )N
f [k , l ]
(a) 原始图像
(b)高斯噪声
被高斯噪声所污染的图像
3X3窗口
7X7窗口
均值滤波器的效果
（a）原图像 （b）3*3均值滤波 （c）5*5均值滤波 （d）9*9均值滤波
6 ８ 10 13 15 17 19 19 19 17 15 13 10 8 6
5 7 10 12 14 16 17 18 17 16 14 12 10 7 5
5 ７ 9 10 13 14 15 16 15 14 13 10 9 7 5
4 5 7 9 11 12 13 13 13 12 11 9 7 5 4
3 4 6 7 9 10 10 11 10 10 9 7 6 4 3
2 3 4 5 7 7 8 8 8 7 7 5 4 3 2
2 2 3 4 5 5 6 6 6 5 5 4 3 2 2
15X15高斯滤波模板
邻域运算
输出图象中每个象素是由对应的输入象素 及其一个邻域内的象素共同决定时的图 象运算。 通常邻域是远比图象尺寸小的一规则形状。
引言
为了改善图像的质量，有两种方法：
图像的增强
不考虑次要信息图像降质的原因，只将图像中感兴趣 的特征有选择的突出，而衰减； 特点：能提高图像的可读性，但改善后的图像不一定 逼近原始图像，如衰减各种噪声、突出目标的轮廓 等。 图像的复原 针对图像降质的原因，设法去补偿降质因素，从而使 改善后的图像尽可能的逼近原始图像。
图像中的脉冲噪声模型
椒盐噪声：
黑图象上的白 点，白图象上 的黑点
图像中的脉冲噪声模型
随机值 脉冲 （加性） 噪声： 噪声灰 度值均 匀分布 于0-255 间
邻域平均法
大部分图像噪声，如由敏感元件、传输通道、 整量化器等引起的噪声，多半是随机性的， 它们对某一像素点的影响，我们可以看作 是孤立的，因此，和邻近各点相比，该点 灰度值将有显著的不同。 基于以上分析，我们可以用所谓的邻域平均 方法来消除噪声
最小值滤波
中值滤波消除雀斑 中值滤波消除雀斑
a
b
c
d
e
f
g
图4-24 噪声平滑实验图像 （a） Lena原图； （b） 高斯噪声； （c） 椒盐噪声； (d) 对(c)平均平滑； (e) 对(b)平均平滑； (f) 对(b)5×5中值滤波； (g) 对(c)5×5中值滤波
边缘保持滤波器
消除噪声，保留边缘
• 单调递减
邻域的影响随着距离的增加而减弱
• 付氏频谱是单瓣的
保留所需信号
高斯平滑滤波器…3
• 参数σ调节平滑程度
在过平滑与欠平滑之间取得平衡
• 可分离性
降低计算复杂度
高斯平滑滤波器…4
模板设计方法: •直接法
高斯平滑滤波器-5
直接法：
直接根据高斯函数的离散值计算模板权值
（1）计算离散值
i , j
g[i,
(i 2 j 2 ) 2 2 j ] ce .
g[i, j ] c
(i 2 j 2 ) 2 2 e .
2=2，n=7 ó
高斯平滑滤波器-6
（2）放大，取整 3
-3 1 4 7 10 7 4 1
-2 4 12 26 33 26 12 4
1 2 2 4 2 2 1
3 4 6 7 9 10 10 11 10 10 9 7 6 4 3
2 2 4 8 4 2 2
4 5 7 9 11 12 13 13 13 12 11 9 7 5 4
2 4 8 16 8 4 2
2 2 4 8 4 2 2
5 7 9 10 13 14 15 16 15 14 13 10 9 7 5
引言
图像增强的两大应用
改善图像的视觉效果 突出图像的特征，便于计算机处理 方法
（1）灰度变换
（2）直方图修正
线性：均值滤波器 ，高斯平滑滤波器
（3）滤波
非线性：中值滤波 边缘保持滤波
直接灰度变换
灰度级变换的应用之一
亮度调整——加亮、减暗图像
255 218
255
32
128 255 128 255
直接灰度变换
1 2 2 4 2 2 1
5 7 10 12 14 16 17 18 17 16 14 12 10 7 5
1 1 2 2 2 1 1
6 8 10 13 15 17 19 19 19 17 15 13 10 8 6 6 8 11 13 16 18 19 20 19 18 16 13 11 8 6
7X7 高斯滤波模板
邻域平均法
邻域平均（矩形邻域和圆形邻域）
把图像分成若干个N×N的窗口,对每个窗口内像素组成 的点集,进行加平均然后输出的方法
邻域平均法
邻域平均法
邻域平均法的平均作用，会引起模糊现象，模 糊程度与邻域半径成正比。 处理办法：超限邻域平均法
如果某个像素的灰度值大于其邻域像素的平均值， 且达到一定水平，则判断该像素为噪声，继而用邻 域像素的均值取代这一像素值。