第三章 图像增强
医学影像技术中的图像重建与增强
医学影像技术中的图像重建与增强第一章介绍医学影像技术的背景和意义医学影像技术是一门应用于医学领域的重要技术，它通过利用物理学、数学、计算机科学等多学科知识，将人体内部的结构和功能转化为数字图像来协助医生进行诊断和治疗。
医学影像技术的发展已经深刻地改变了医学诊断和治疗的方式，为患者提供了更准确、更安全的医疗服务。
医学影像技术中的图像重建与增强是其中的重要环节，它涉及到对影像数据的处理和优化，能够帮助医生更好地观察、分析和理解患者体内的病变情况。
因此，图像重建与增强对于提高医学影像的质量和准确性具有重要作用。
第二章图像重建技术的原理和方法图像重建是指根据已有的数据在计算机上生成一张或多张与原始图像相似的图像的过程。
在医学影像中，由于种种原因，采集到的图像数据往往存在噪声、伪影和模糊等问题，这就需要利用图像重建技术来提高图像的质量。
图像重建技术的方法主要有滤波方法和模型方法两种。
滤波方法基于对图像频谱的滤波过程，通过选择适当的滤波器来去除噪声和伪影，提高图像的清晰度。
模型方法则是通过数学模型对图像进行描述和重建，常用的方法有最小二乘重建、最大熵重建和最小剪切重建等。
第三章图像增强技术的原理和方法图像增强是指通过对图像的亮度、对比度、色调等特征进行调整，使得图像在视觉上更易于观察和分析的过程。
在医学影像中，图像增强可以提高医生对病变的观察和诊断准确性，有助于早期发现疾病并进行精确的治疗。
常用的图像增强方法包括直方图均衡化、灰度变换、滤波增强和边缘增强等。
直方图均衡化通过调整图像的像素分布来增强其对比度，使图像细节更加清晰。
灰度变换则是对图像的灰度级进行线性或非线性映射，从而改变图像的亮度和对比度。
滤波增强利用滤波器去除噪声和模糊，并增强图像的细节。
边缘增强则是通过增强图像边缘的对比度来突出图像的轮廓和结构。
第四章医学影像技术中的实际应用医学影像技术中的图像重建与增强在实际应用中发挥了重要作用。
例如，在CT扫描中，患者的图像经过重建和增强后，可以清晰地显示出各种组织和器官的细节，医生能够准确地判断病变的位置和程度。
图像处理中的图像去噪与图像增强技术
图像处理中的图像去噪与图像增强技术图像处理是一门广泛应用于多个领域的技术，其中图像去噪与图像增强技术是其中重要的两大方向。
图像去噪是指在图像处理过程中，将图像中的噪声去除，从而提高图像的质量和清晰度；而图像增强则是指通过各种算法和技术手段，改善图像的视觉效果，使得图像更加美观和易于分析。
本文将围绕图像去噪与图像增强技术展开，深入探讨它们的原理、应用与未来发展方向。
第一章：图像去噪技术1.1图像噪声的来源与分类图像噪声是指在采集、传输、存储等过程中由于各种因素引起的图像中的无意义的像素值。
图像噪声的来源主要包括传感器本身的噪声、传输过程中的干扰、存储设备的误差等。
根据噪声的性质，可以将图像噪声分为加性噪声、乘性噪声等不同类型。
1.2常用的图像去噪技术目前，常用的图像去噪技术包括空域滤波、频域滤波、小波去噪、基于深度学习的去噪等。
空域滤波是最早被应用于图像去噪的技术之一，主要包括均值滤波、中值滤波等。
频域滤波则通过利用图像的频谱信息，对图像进行滤波。
小波去噪利用小波变换的多尺度分析特性，可以有效地去除图像中的不同尺度的噪声。
基于深度学习的去噪技术则是近年来兴起的一种新技术，通过训练深度神经网络，可以实现高效的图像去噪效果。
1.3图像去噪技术的应用图像去噪技术在各个领域都有着广泛的应用。
在医学影像领域，图像去噪技术可以帮助医生更准确地诊断疾病；在无人驾驶领域，图像去噪技术可以提高驾驶辅助系统的精度和可靠性；在工业检测领域，图像去噪技术可以帮助工程师更准确地检测产品的质量等。
1.4图像去噪技术的挑战与发展方向尽管图像去噪技术取得了显著的进展，但是在实际应用中仍然存在一些挑战。
例如，对于复杂场景中的图像，传统的图像去噪技术往往效果不佳；另外，图像去噪技术的算法复杂度较高，需要大量的计算资源。
未来，如何进一步提高图像去噪技术的鲁棒性和实时性将成为重点研究方向。
第二章：图像增强技术2.1图像增强技术的分类图像增强技术根据不同的目的，可以分为对比度增强、边缘增强、细节增强等不同类型。
数字图像处理 -习题2增强-噪声-几何变换-频域变换
第三章图像增强一.填空题1. 我们将照相机拍摄到的某个瞬间场景中的亮度变化范围，即一幅图像中所描述的从最暗到最亮的变化范围称为____动态范围__。
2.所谓动态范围调整，就是利用动态范围对人类视觉的影响的特性，将动态范围进行__压缩____，将所关心部分的灰度级的变化范围扩大，由此达到改善画面效果的目的。
3. 动态范围调整分为线性动态范围调整和__非线性调整___两种。
4. 直方图均衡化把原始图的直方图变换为分布均匀的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。
基本思想是：对图像中像素个数多的灰度值进行__展宽_____，而对像素个数少的灰度值进行归并，从而达到清晰图像的目的。
5. 数字图像处理包含很多方面的研究内容。
其中，__图像增强_的目的是将一幅图像中有用的信息进行增强，同时将无用的信息进行抑制，提高图像的可观察性。
6. 灰级窗，是只将灰度值落在一定范围内的目标进行__对比度增强___，就好像开窗观察只落在视野内的目标内容一样。
二.选择题1. 下面说法正确的是：（B ）A、基于像素的图像增强方法是一种线性灰度变换；B、基于像素的图像增强方法是基于空间域的图像增强方法的一种；C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计算复杂较高；D、基于频域的图像增强方法比基于空域的图像增强方法的增强效果好。
2. 指出下面正确的说法：（D ）A、基于像素的图像增强方法是一种非线性灰度变换。
B、基于像素的图像增强方法是基于频域的图像增强方法的一种。
C、基于频域的图像增强方法由于常用到傅里叶变换和傅里叶反变换，所以总比基于图像域的方法计算复杂较高。
D、基于频域的图像增强方法可以获得和基于空域的图像增强方法同样的图像增强效果。
3.指出下面正确的说法：（D ）①基于像素的图像增强方法是一种非线性灰度变换。
②基于像素的图像增强方法是基于空域的图像增强方法的一种。
人工智能算法在图像处理中的应用
人工智能算法在图像处理中的应用第一章：引言人工智能算法在图像处理中的应用是当今科技发展的热点之一。
随着计算机科学的快速发展，人工智能算法在图像处理领域的应用变得越来越广泛。
本文将从图像识别、图像增强和图像生成三个方面探讨人工智能算法在图像处理中的具体应用。
第二章：图像识别图像识别是人工智能算法在图像处理中的重要应用之一。
以深度学习为代表的人工智能算法，通过构建复杂的神经网络模型，能够实现高精度的图像识别。
在图像识别领域，人工智能算法能够识别出图像中的物体、人脸、文字等，从而实现自动化的图像分析和标记。
此外，人工智能算法还能够通过对图像特征的提取和学习，实现图像内容的语义理解和分类，为图像搜索和图像检索提供良好的支持。
第三章：图像增强图像增强是人工智能算法在图像处理中的另一个重要应用。
人工智能算法能够通过图像修复、图像去噪、图像超分辨率等技术，提高图像的质量和清晰度。
以生成对抗网络（GAN）为代表的人工智能算法，通过训练生成器网络和判别器网络的对抗过程，能够生成更加真实和清晰的图像。
此外，人工智能算法还能够通过图像色彩校正、图像对比度增强等技术，改善图像的视觉效果，提高图像的观赏性和可辨识度。
第四章：图像生成图像生成是人工智能算法在图像处理中的另一个重要应用。
人工智能算法能够通过学习大量的图像数据，生成新的图像内容。
以生成对抗网络（GAN）为代表的人工智能算法，通过生成器网络生成具有艺术性和创造性的图像。
此外，人工智能算法还能够通过图像风格迁移、图像合成等技术，将不同风格的图像进行融合和转换，创造出独特的图像效果。
第五章：应用案例本章将介绍几个实际应用人工智能算法的案例，展示其在图像处理中的功能和潜力。
首先，人脸识别技术在安防领域得到了广泛应用，能够实时监测和识别出人群中的可疑人物。
其次，自动驾驶技术中的图像处理算法，能够识别道路和交通标志，实现智能导航和自主驾驶。
再次，虚拟现实和增强现实技术中的图像生成算法，能够生成逼真的虚拟场景和增强现实效果，提升用户的沉浸感和体验度。
图像处理-第三章
1 1 1 8 7 2 255 2 3 3 3 3 255 4 3 3 3 3 255 4 3 3 4 5 255 2 3 4 6 7
4 3 3 6 8 8
6.某位同学编了个程序，直接用对数变换：s=log2(1+r)，对256灰度级 的数字图像进行增强，发现结果图像显示出来基本是全黑的，请问 他可能忽略了什么问题?如何解决? 7.己知一幅图像如下，试写出分别用3×3的均值滤波器和中值滤波器 处理的结果(可以不考虑位于图像边界的像素)。
4.一幅大小为64*64的图像，灰度级为8，图像中各灰度级像素数目和 概率分布如下，请用直方图均衡化对该图像进行增强，并画出处理前 后的直方图。
0
1
2 530
3 370
4 280
5 206
6 150
7 80
1450 1030
5.有一幅图像由于声，并将处理后的图像画出来。
4 4 4 4 4 4
4 17 17 17 17 4
4 17 30 30 17 4
4 17 30 30 17 4
4 17 17 17 17 4
4 4 4 4 4 4
8.对同样的场景采集了4幅图像，下面显示了这4幅图 像的直方图，你能否根据直方图说出这4幅图像各 有什么特点?哪幅图像的效果最好?
9.图像的减法常可用在图像处理中，但在差值图像中会有负值出现，要 显示这种图像需要某种标度，请指出两种标度方法。 10.请给出两种3×3的可用于平滑线性滤波掩模。 11.拉普拉斯算子在图像增强中有很重要的应用。(1)请给出对于二元图 像函数f(x，y)的拉普拉斯变换的定义。(2)请给出两个考虑了对角线 方向的拉普拉斯掩模。(3)请写出使用拉普拉斯算子对图像增强的基 本方法。
图像预处理技术
上述线性变换对图像中每一个像素灰度作线性拉伸，可使图像中相邻像
素灰度的差值增加，进而有效改善图像视觉效果。
3.1 图像的灰度变换
3.1.1线性变换
在 Matlab 环境中，采用函数 imadjust( )对图像进行灰度值
线性变换，常用语法有：
素”的赋值操作。
g( x , y )
d
g ( x, y)
d c
f x , y a c
ba
c
a
b
灰度变换曲线
f ( x , y)
3.1 图像的灰度变换
3.1.1线性变换
将灰度值小于a 的像素的灰度值全部映射为c ，将灰度值大于b的像素的
灰度值全部映射为d。
在曝光不足或过度的情况下，图像的灰度可能会局限在一个很小的范围
3.2 图像的几何变换
3.2.4插值
2） 双线性插值
在该方法中输出像素的值是它在输入图像中 2×2 的邻域采
样点的加权平均值，它根据某像素周围 4 个像素的灰度值在水
平和垂直两个方向上对其插值。
对于一个目的像素，设置坐标通过反向变换得到的浮点坐
标为 ( + , + )，其中 、均为非负整数，、为 区间的
直方图均衡化的基本思想是把原始图像的直方图变换为均匀分布的形式，这
样就增加了像素灰度值的动态范围，从而可达到增强图像整体对比度的效果。
3.1 图像的灰度变换
3.1.4直方图均衡化
I=imread('mengwa.jpg'); %载入原始图像
I1=rgb2gray(I);
figure,imshow(I1);
15-16第三章图像处理技术(3.7 图像增强)
3.7 图像增强
3）空域滤波增强 空域滤波是在图像空间借助模板进行邻域操作完成，根 据其特点可分成线性滤波和非线性滤波两类。各种空域滤波 器根据功能可分成平滑和锐化滤波器。平滑滤波器可用低通 滤波实现。平滑的目的又可分为两类，一类是模糊化，目的 是在提取较大的目标前去除太小的细节或将目标内的小断点 连接起来。另一类是消除噪声。锐化可用高通滤波实现，锐 化的目的是为了增强模糊的细节。
可以证明，图像直方图的累积分布函数满足上述两 个条件并能将变换后的灰度值均匀地分布在灰度级范围 内
3.7 图像增强
直方图均衡化的实现步骤为: ➢ 统计图像各灰度值的计数，即得到图像的直方图。 ➢ 计算图像各灰度值的累积分布函数值。 ➢ 遍历原图像，对于图像中每个像素，都用该像素灰 度值对应的累积分布函数值与最大灰度值(如8位灰度图 像，这个最大值为5)的乘积来替换它。
3.7 图像增强
锐化(高通)滤波器:它能减弱或消除傅里叶空间的低 频分量，但不影响高频分量。因为低频分量对应图像中 灰度值缓慢变化的区域，因而与图像的整体特性，如整 体对比度和平均灰度值等有关，高通滤波器将这些分量 滤去可使图像锐化。
3.7 图像增强
① 平滑滤波器
图6、平滑滤波
a、均值滤波
3.7 图像增强
3.7 图像增强
图2、空域滤波与频域滤波的比较
3.7 图像增强
1、空域图像增强 空域法是直接对图像中的像素进行处理，从根本上说是 以图像的灰度映射变换为基础的。 以下将主要从空域变换、图像代数、空域滤波二个方面 进行展开，使读者对于使用空域点对点变换和直方图修正变 换来增强图像有一个系统深人的了解。其中空域变换包括直 接灰度变换和直方图处理，前者属于点对点变换，后者属于 直方图修正变换；图像代数是一种点对点变换；空域滤波实 际是一种频率域处理转化为空间域点对点模板预算的增强算 法。
MATLABImageProcessing图像处理入门教程
MATLABImageProcessing图像处理入门教程MATLAB图像处理入门教程第一章：图像处理基础知识图像处理是指对于数字图像进行各种操作和处理的过程。
在本章中，我们将介绍一些基础的图像处理知识。
1.1 数字图像表示数字图像是由像素组成的二维数组，每个像素表示图像中的一个点。
每个像素的值表示该点的亮度或颜色。
1.2 MATLAB中的图像表示在MATLAB中，图像可以用二维矩阵表示，其中每个元素对应一个像素的亮度或颜色值。
常见的图像格式包括灰度图像和彩色图像。
1.3 图像读取和显示使用MATLAB的imread函数可以读取图像文件，imshow函数可以显示图像。
第二章：图像预处理在进行实际的图像处理之前，通常需要对图像进行预处理，以提取感兴趣的信息或减少噪声。
2.1 图像平滑平滑操作可以减少图像中的噪声。
常见的平滑方法包括均值滤波和高斯滤波。
2.2 边缘检测边缘检测可以找到图像中的边缘区域。
常用的边缘检测算法包括Sobel算子和Canny算子。
2.3 图像分割图像分割可以将图像划分为不同的区域，以便后续的处理。
常见的图像分割算法包括阈值分割和区域生长算法。
第三章：图像增强图像增强可以提高图像的质量和清晰度，使图像更易于理解和分析。
3.1 直方图均衡化直方图均衡化可以增强图像的对比度，使图像的灰度值分布更均匀。
3.2 锐化锐化操作可以增强图像的边缘和细节。
常见的锐化算法包括拉普拉斯算子和Sobel算子。
3.3 噪声去除噪声去除可以降低图像中的噪声，使图像更清晰。
常见的噪声去除方法包括中值滤波和小波去噪。
第四章：图像分析图像分析可以从图像中提取出感兴趣的特征或对象。
4.1 特征提取特征提取可以从图像中提取出具有代表性的特征，可以用于图像分类和识别。
4.2 图像匹配图像匹配可以找到图像中相似的区域或对象。
常见的图像匹配方法包括模板匹配和特征点匹配。
4.3 图像识别图像识别可以根据图像的特征和模式来判断图像中的对象或场景。
- 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)。
图像处理
直方图的定义表示：
nk P ( rk ) N
N为一幅图像的总像素数，nk是第k级灰 度的像素数，rk表示第k个灰度级，P(rk) 表示该灰度级出现的相对频数。
1 2 3 4 5 6 6 4 3 2 2 1 1 6 6 4 6 6 3 4 5 6 6 6 1 4 6 6 2 3 1 3 6 4 6 6
返回
图像处理 具有二峰性的灰度图的2值化
返回
四、直方图均衡化
1、基本思想
图像处理
直方图均衡化，又叫做直方图均匀化。其目 的是使所有灰度级出现的相对频数(概率)相同， 此时图像所包含的信息量最大。
设变量r代表要增强图像中像素的灰度级,变量 s 代表新图像中的灰度级。为了研究方便 , 将 r 、 s 归一化,则： 0 r 1 ，0 s 1
图像处理 如何改善降质或退化图像？
改善的方法有两类： 1、图像增强。不考虑图像降质原因,只将图像中 感兴趣部分加以处理或突出有用图像特征,改善后图 像不一定逼近原图像。如提取图像中目标物轮廓、 衰减各类噪声、将黑白图像转变彩色图像等。 2、图像复原。考虑图像降质原因，设法补偿降质 因素，使改善后图像尽可能逼近原始图像。 从图像质量来看，图像增强主要目的是提高图像可 懂度。图像复原主要目的是提高图像逼真度。
式中a,b,c,d这些分割点可根据用户不同需要确定。
图像处理
例：假设输入图像f(x,y)的灰度范围为[0,250]， 其中大部分像素的灰度分布在区间[60,167]，很 小部分灰度超过此区间，为改善增强效果将灰度 范围扩展至[32,230]，求变换后图像g(x,y)的表 达式？
32 0 f ( x , y ) 60 230 32 g( x , y ) [ f ( x , y ) 60] 32 60 f ( x , y ) 167 167 60 230 167 f ( x , y ) 250
图像处理
假设原图像灰度为f(i,j),处理后图像灰度为g(i,j), 处理前后图像灰度分布范围都为[0，255]。
原图中重要景物的 灰度分布在[fa , fb] 范围内,对比度线性 展宽目的是使处理 后重要景物灰度分 布在[ga , gb]范围内
图像处理
计算公式如下：
ga f (i , j ) f a gb ga g( i , j ) [ f (i , j ) f a ] c fb fa 255 gb [ f ( i , j ) f ] d b 255 f b
图像处理
3.3
3.3.1 灰级窗
什么是灰级窗? 灰级窗,实际上是通过一个映射关系,只将灰度值 落在一定范围内的目标进行增强,而其它内容对观 测不造成影响.
灰级窗与灰级窗切片
假设原图像灰度为f(i,j),处理后图像灰度为g(i,j) 。 原图中重要景物的灰度分布在[fa , fb]。 经过灰级窗处理，将原图中灰度分布在[fa , fb] 范围内像素值映射到[0 , 255]范围内。
整体偏暗
整体偏亮
图像处理
数字图像与直方图不是一一对应。一幅图像只对 应一个直方图，但一个直方图可对应多个不同图 像。
图像处理
一幅图像可分为多个子区，则多个子区直方图 之和等于对应全图直方图。
图像处理 彩色图的灰度直方图
将每个像素点分解为R,G,B 三基色分量，绘制对应每个 像素点的对应各基色分量的 灰度直方图。
图像处理
直方图性质
Couple图像及 其直方图
2 . 边界阈值选取
图像处理
假设某图像的灰度直方图具有二峰性，则表 明这个图像的较亮的区域和较暗的区域可以较好 地分离，取谷底一点为阈值点，可以得到好的二 值处理的效果。
频率 物体
背景 阈值 灰度级
根据直方图选择进行二值化阈值
图像处理 灰度图具有二峰性
图像处理
第三章
图像增强
矿大信电学院 王利娟
图像处理
问题提出： 什么是图像降质或图像退化？ 如何改善降质或退化图像？ 什么是图像增强？
图像增强处理方法的分类？
图像增强处理的主要方法？
图像处理 什么是图像降质或退化？
在图像的形成、传输或变换的过程中， 由于受多种因素的影响，如光学系统失真、 系统噪声、曝光不足或过量、相对运动等， 往往使图像与原始景物之间或图像与原始图 像之间产生某种差异，这种差异称为图像降 质或退化。
图像处理
图像处理
3.4.2 非线性动态范围调整
当用某些非线性变换函数作为灰度变换的变换函 数时,可实现图像灰度的非线性变换。 对数变换的一般形式：
ln[ f ( x , y ) 1] g ( x , y) a b. ln c
指数变换的一般形式：
g( x , y ) b
c[ f ( x , y ) a ]
图像处理
0 0 f (i , j ) f a g( i , j ) 255 f a f ( i , j ) f b 0 f f ( i , j ) 255 b
图像处理
3.4 动态范围调整
所谓动态范围，是一幅图像中所描述的从最暗到最 亮的变化范围。 人眼在某一时刻可以分辨的亮度变化范围是有限的。 所谓动态范围调整，就是利用动态范围对人类视觉 的影响的特性，将动态范围进行压缩，将所关心部 分的灰度级的变化范围扩大，由此达到改善画面效 果的目的。
级窗切片；动态范围调整)
直方图修正法
（直方图均衡化；直方图规定化）
同态滤波方法
伪彩色处理
图像处理
3.2 对比度线性展宽
也称为分段线性变换。
目的：将感兴趣的灰度范围线性扩展，相对抑制 那些不感兴趣的灰度区域。 使得画面中所期望观察的对象因对比度不足而不 够清晰时，通过对比度展宽方法获得对画质的改 善。
rk 1 nk 5
2 4
3 5
4 6
5 6 2 14
nk（表示频数）
rk
灰度直方图示意图
二、直方图的性质
图像处理
直方图不能反映图像像素空间位置信息。 直方图反映图像的大致描述，如图像的灰度范围、 灰度级的分布、整幅图像的平均亮度等。 P(rk) P(rk)
0
150 255 r
0
150
255 r
图像处理
什么是图像增强？
指不考虑图像降质原因，利用各种数学 方法和变换手段提高图像中人们感兴趣部分 或有用的图像特征的清晰度。处理后图像不 一定逼近原图像，提高了图像的可懂度。
图像处理 图像增强处理方法的分类？
增强图像中的某些特定信息
图像处理 图像增强处理的主要方法
灰度变换(对比度线性展宽；灰级窗与灰
所谓灰级窗切片,是指将所需要检测的目标与画面 中其他的部分分离开,目标部分置为白(黑),而非目 标部分置为白(黑)。 假设原图像灰度为f(i,j),处理后图像灰度为g(i,j) 。原图 中重要景物的灰度分布在[fa , fb]。 经过灰级窗切片处理，将原图中灰度分布在[fa , fb]范 围内像素值映射到 255，在此范围外的像素值映射到 0。
图像处理
解：分段线性关系灰度变换式为：
图像处理
10 f ( x, y) 0 f ( x , y ) 50 50 245 10 g( x , y ) [ f ( x , y ) 50] 10 50 f ( x , y ) 200 200 50 255 245[ f ( x , y ) 200] 245 200 f ( x , y ) 255 255 200 1 f ( x, y) 0 f ( x , y ) 50 5 47 [ f ( x , y ) 50] 10 50 f ( x , y ) 200 30 2 [ f ( x , y ) 200] 245 200 f ( x , y ) 255 11
1
a,b,c参数用于调整曲线位置和形状。
图像处理
对数变换
对数变换压 缩图像高灰 度区，扩展 图像低灰度 区。
图像处理
对数变换图像
图像处理
指数变换 指数变换压 缩图像低灰 度区，扩展 图像高灰度 区。
图像处理
指数变换图像
图像处理
3.5 直方图均衡化方法
一、直方图的概念——灰度直方图
灰度直方图是灰度级的函数，表示的是数字图像 中每一灰度级与其出现频数（该灰度上出现像素 的数目）间的统计关系。 即：横坐标表示灰度级，纵坐标表示频数（该灰 度级出现像素的数目） 或：横坐标表示灰度级，纵坐标表示相对频数 （该灰度级上像素出现的概率）
1 3 10 10 8
2.5 3.5 7 7 5 2 5 6 4 4.5 2
2 3 6 2
1 6 8 10
3 0 2 2
7 6 0 6
3 4 5 0
3
3.5 5 3
2.5
5 6 7
3.5
2 3 3
5.5 3.5
图像f(x,y)
图像g(x,y)
图像处理
若原图像f(x,y)灰度范围在[0,Mf]范围内，其 中大部分像素的灰度级分布在区间[a,b]，很小部
图像处理
0 0 f (i , j ) f a 255 g( i , j ) [ f (i , j ) f a ] f a f (i , j ) f b fb fa 0 f b f (i , j ) 255
图像处理
3.3.2 灰级窗切片
图像处理
3.4.1 线性动态范围调整
假定原图像f(x,y)灰 度范围为[a,b]，希 望变换后图像g(x,y) 的灰度范围Βιβλιοθήκη 展至 [c,d]，则线性变换 可表示为