资源是可以掠夺的,要么永远缩在后面用那怯弱的目光看着别人在舞台上光彩夺目,要么咬着牙狠狠的提升自己的实力,在将来的某一天一鸣惊人,受万众瞩目。——《全职法师》
前言
- 图像增强:改变图像像素的灰度值,以改变图像灰度的动态范围,增强图像的对比度。
- 增强的目的:
- 改善图像的视觉效果,提高清晰度;
- 将图像转换为一种更适合于人或机器分析处理的形式。
- 增强的目的:
- 空域法:直接对图像的像素灰度值进行操作。
- 频域法:在变换域中,对图像的变换值进行操作。
- 空域增强分为:点操作和模板操作(邻域操作)。
概念
- 在图像处理中,空域是指像素组成的空间。
- 图像的空域增强技术是指直接作用于图像像素的增强技术。
空域增强的模型
模型 | 说明 |
---|---|
g ( x , y ) = E H [ f ( x , y ) ] g(x, y)=E_H[f(x, y)] g(x,y)=EH[f(x,y)] | f ( x , y ) f(x , y) f(x,y)为原始图像, g ( x , y ) g(x ,y) g(x,y)为增强后的图像, E H E_H EH为增强操作,仅定义在每个像素点 ( x , y ) (x, y) (x,y)上。 |
基于像素的空域增强
操作类型 | 操作 | 说明 |
---|---|---|
像素点操作 | g ( x , y ) = P x y [ f ( x , y ) ] g(x, y)=P_{xy}[f(x , y)] g(x,y)=Pxy[f(x,y)] | 根据单个像素的灰度,或者像素的位置来改变该像素的灰度。 |
几何操作 | ( x ′ , y ′ ) = M ( x , y ) (x', y')=M(x, y) (x′,y′)=M(x,y) | 仅根据一个像素的位置, M M M为几何隐射函数。 |
基于模板的空域增强
操作 | 说明 |
---|---|
t = E H [ s , n ( S ) ] t=E_H[s, n(S)] t=EH[s,n(S)] | 其中, E H E_H EH定义在像素 ( x , y ) (x,y) (x,y)的某个邻域上, s s s, t t t分别为原始图像 f f f和结果图像 g g g在 ( x , y ) (x, y) (x,y)初的灰度值, n ( s ) n(s) n(s)为原始图像 f f f在以 ( x , y ) (x, y) (x,y)为中心的领域内像素的灰度值。 |
算术运算
对图像进行的算术运算是逐像素进行的,即两幅图像的对应位置的像素间进行算术运算。
加法
- 可以用于去除图像噪声(叠加多张受噪声污染程度不同的图片,取均值弱化噪声对图片的影响)
- 若噪声具有互不相关、零均值的统计特性。
- 原始图像: f ( x , y ) f(x, y) f(x,y),随机噪声: e ( x , y ) e(x, y) e(x,y)
- 噪声污染图像: g ( x , y ) = f ( x , y ) + e ( x , y ) g(x, y)=f(x, y)+e(x, y) g(x,y)=f(x,y)+e(x,y)
- M M M幅噪声污染图像相加求平均: g ˉ ( x , y ) = 1 M ∑ i = 1 M g i ( x , y ) \bar g(x,y)=\frac {1}{M}\sum_{i=1}^M{g_i(x ,y)} gˉ(x,y)=M1i=1∑Mgi(x,y)
- 生成图像叠加效果
减法
- 数字剪影
- 森林火灾
- 运动跟踪和检测
- 污染检测
- 伪印章鉴别
乘法
- 用二值模板图像与原图像做乘法进行图像的局部显示。
灰度映射
- 动态范围:是指图像中从暗到亮的变化范围。
- 动态范围对人视觉的影响:
- 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的时候,很高的亮度值把暗区的信号都掩盖了。
原理:按照某种映射规则或变换函数,将图像中的每个像素点的灰度值转化成另一灰度值。
典型灰度映射
名称 | 作用 | 模型描述 | 表达式 |
---|---|---|---|
图像求反 | 将原图灰度值翻转,黑变白、白变黑。 | 假设原始图像任意像素点的灰度值为 s s s,经过灰度映射后的灰度值为 t t t,且灰度映射前后的灰度值取值范围为 [ 0 , L − 1 ] [0 , L-1] [0,L−1] | t = ( L − 1 ) − s t=(L -1) - s t=(L−1)−s |
分段线性增强 | 增强感兴趣的灰度区域,相对抑制不感兴趣的灰度区域。 | 利用分段函数增强图像细节之间的对比度。 | |
对数变换 | 原图动态范围太大,超出某些显示设备的允许动态范围,需要压缩其动态范围。 | 常采用对数变换实现动态范围的压缩。 | t = C l o g ( 1 + ∣ s ∣ ) t=Clog(1 + \vert s \vert) t=Clog(1+∣s∣) |
幂律(伽马)变换 | 与对数变换类似,部分 γ \gamma γ值的幂律曲线将较窄范围的暗色输入值映射为较宽范围的输出值;相反地,对于输入高灰度值也成立。 | C C C和 γ \gamma γ为正常数,注意 γ > 1 \gamma>1 γ>1和 γ < 1 \gamma<1 γ<1的幂律变换效果完全相反。 | t = c × s γ t=c\times s^{\gamma} t=c×sγ |
灰度切割 | 增强特定范围的对比度,用来突出图像中特定灰度范围的亮度。 | 对感兴趣的灰度级以较大的灰度值显示,其它的为较小的灰度级显示。 | t = { t 2 S 1 ≤ S ≤ S 2 t 1 其 他 t=\begin{cases}t_2 & \text S_1 \leq S \leq S_2 \\t_1 & \text 其他 \end{cases} t={ t2t1S1≤S≤S2其他 |
对感兴趣的灰度级以较大的灰度值显示,其它不变。 | t = { t 2 S 1 ≤ S ≤ S 2 S 其 他 t=\begin{cases}t_2 & \text S_1 \leq S \leq S_2 \\S & \text 其他 \end{cases} t={ t2SS1≤S≤S2其他 | ||
阈值化处理 | 阈值化处理,也即阈值变换,目的在于将感兴趣的物体从背景中分离出来。 | 阈值化处理需要指定一个阈值 t h r e s h o l d threshold threshold,根据这个阈值修改图像的像素值,最终产生一个黑白图像。 | t = { 0 S < S 1 L − 1 S ≥ S 1 t=\begin{cases}0 & \text S < S_1 \\L-1 & \text S \geq S_1 \end{cases} t={ 0L−1S<S1S≥S1 |
位图切割 | 假设图像的像素由 8 8 8位(比特)表示其灰度值,则图像可以看成由 8 8 8个单独的1比特平面(简称为位面)组成,其范围从最低有效位的位面0 到最高有效位的位面7。每个位面均为二值图像,且位面图像中像素的灰度值等于相应有效位的取值。位面 0 0 0表示最低位面,仅包含图像中像素的最低位;位面 7 7 7表示最高位面,仅包含图像中像素的最高位。 | 将图像各像素的灰度值除以各有效位的权值 2 i 2^i 2i( i i i为有效位的序数,从0计数)。如果商的整数部分为奇数,则该灰度值在相应位面中映射为 1;如果商的整数部分为偶数,则映射为 0,即可得到每个位面的二值图像。 | t = { 1 f l o o r ( 像 素 值 / 2 i ) = 奇 数 ( i , 位 面 序 数 ) 0 f l o o r ( 像 素 值 / 2 i ) = 偶 数 t=\begin{cases}1 & \text floor(像素值/2^i)=奇数(i,位面序数) \\0 & \text floor(像素值/2^i)=偶数 \end{cases} t={ 10 |