前面图像处理主要使用单一增强法;为达到令人满意的效果,对于给定任务需要采用多种互补的图像增强技术。
使用教材上的人体骨骼图片实验;目的是通过图像锐化突出骨骼的更多细节来增强图像。
由于灰度图像的动态范围很窄并且有很高的噪声内容,所以很难对其进行增强。
对此采取的策略是:
首先用拉普拉斯法(Laplace)突出图像中的小细节img1,-->梯度法(Sobel)突出其边缘img2,
平滑(blur)过的梯度图img2将用于掩蔽拉普拉斯图像img1--->使用灰度(gama)变换来增大图像的动态范围
原始图像a: 图像b,原图像使用拉普拉斯算子(1,1,1,1,-8,1,1,1,1)标定后的图像
图像c, 由图像a和图像b相加得到的结果,图b噪声就很大,导致图c噪声也很大;降低噪声可选中值滤波;但中值滤波是非线性滤波,可能改变图像性质。所以医学上不可接受。
另一种方法是使用原图像梯度操作的平滑形式所形成的模板。
因为拉普拉斯算子是二阶微分,在增强细节方面他是最好的。但它会产生比梯度操作更多的噪音。尤其在平滑区域,非常明显。
梯度变换在灰度变化的区域(斜坡或台阶)的平均响应要比拉普拉斯操作的平均响应更强烈。梯度操作对噪声和小细节的响应比拉普拉斯弱。而且可以通过均值滤波对其平滑处理。
思路是对梯度图像进行平滑处理并用拉普拉斯图像与他相乘。
平滑后的梯度图像可以看成模板图像。
相乘会保留灰度变化强烈区域的细节,同时降低灰度变化平坦区域的噪音。将拉普拉斯和梯度操作的优点相结合。
将结果加到原图像得到最终的锐化图像。
图像d:图a经sobel算子处理后的结果,该图像的边缘比拉普拉斯清晰很多
图像e:使用5x5均值滤波过的Sobel图像 图像f:由c和e相乘得到的掩蔽图像</