数字图像处理图像增强技术

根据讲义整理

4.1 概述和分类

图象增强技术作为一大类基本的图象处理技术，其目的是对图象进行加工，以得到具体应用来说视觉效果更“好”，更“有用”的图象。

空域方法

g(x, y) = EH[f(x, y)]

其中：f和g分别为增强前后的图象，而EH代表增强操作。如果EH是定义在每个(x, y)上的，则EH是点操作；

如果EH是定义在(x, y)的某个邻域上，则EH常称为模板操作。

点操作可看做是模板操作的一个特例。

（1）g(x, y)值仅取决于f(x, y)值，以s和t代表f和g在(x, y)位置处的灰度值，则：t = EH(s) EH就是灰度变换。

（2）g(x, y)值不仅取决于f(x, y)值，而且取决于邻域内的象素值。称为模板操作

频域方法

点击打开链接

频域空间的增强方法有两个关键：

（1）将图象从图象空间转换到频域空间所需的变换

（2）增强操作如下

4.2 空域变换增强

点操作的增强方法也叫灰度变换，常见的方法为：

（1）直接用EH操作变换

（2）借助f的直方图进行变换

（3）借助对一系列图像间的操作进行变换

4.2.1 直接灰度变换

1. 灰度求反

对图象求反是将原图灰度值翻转，简单的说就是使黑变白，使白变黑。普通黑白底片和照片的关系也就是这样。

2. 增强对比度

增强图像对比度实际上式增强各部分的反差

3. 动态图象压缩

有时原图的动态范围太大，超出某些显示设备的允许动态范围，这是可以压缩

4. 灰度切分

借助于图象的位面直接进行灰度变换

4.2.2 直方图处理

直方图表示某一个灰度级所出现的概率，只跟灰度值有关。

1. 直方图均衡化

基本思想是把原始图的直方图变换为均与分布的形式，这样就增加了象素灰度值的动态范围从而达到增强图象整体对比度的效果。

点处理增强函数t = EH(s)需要满足两个条件：

(1) EH(s)在0 <= S <= L-1范围内是1个单值单增函数；

(2)s和t的值域相同

累积分布函数

直方图均衡化的优缺点

优点：

自动增强整个图象的对比度。

缺点：

具体效果不易控制，处理的结果总是得到全局均衡化的直方图

改进：

直方图规定化方法。

实际中有时需要变换直方图，使之成为某个特定的形状，从而有选择地增强某个灰度值方位内的对比度。这是可以用比较灵活的直方图规定化方法。一般来说可以获得更好的效果。

直方图规定化

直方图规定化方法主要有3个步骤（设M和N分别为原始图和规定图中的灰度级数，且只考虑N<=M的情况）：

（1）对原始图像进行灰度均衡化

（2）规定需要的直方图，并计算能使规定的直方

 

图均衡化的变换：

（3）将第一个步骤得到的变换翻转过来，即将原始直方图对应映射到规定的直方图

映射规则

4.2.3 图象间运算

图象相减

g(x, y) = f(x, y) - h(x, y)

图象平均

4.3 空间滤波增强

4.3.1 原理与分类

空域滤波是在图象空间借助模板进行邻域操作完成的。

根据其特点一般可分成线性和非线性2类：

根据功能又主要分成平滑和锐化2类：

平滑可用低通滤波实现.平滑的目的又可分为2类。一类是模糊，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间断连接起来。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被模糊的细节。

空域滤波增强主要是利用模板卷积，主要步骤为：

（1）将模板在图中漫游，并将模板中心与图中某个象素位置重合；

（2）将模板上系数与系数与末班下对应象素相乘

（3）将所乘的结果相加

（4）将和（模板的输出响应）赋值给原始图

4.3.2 平滑滤波器

1. 线性平滑滤波器

2. 非线性平滑滤波器（G2）

中值滤波器

工作步骤

（1）将模板在图中漫游

（2）读取灰度值

（3）将灰度值从小到大排成1类；

（4）找出这些值里排在中间的1个；

（5）这个中间值赋值给模板中心。

通常相对邻域平均效果要好些

中值滤波器实际上是百分比滤波器的一个特例

百分比滤波器的工作步骤与上面类似

（1）最大值滤波器：百分比去最大，可检测图像中最亮的点。

（2）最小值滤波器：百分比最小，检测图像中最暗的点。

（3）中值滤波器：百分比取50%。

4.3.2 锐化滤波器

1. 线性锐化滤波器（G3）——最常用的线性高通滤波器

高频增强滤波器

高通滤波器的效果也可以用原始图减去低通图得到：

Highpass = Original - Lowpass

如果把原始图乘以1个放大系数A，再减去低通图就可构成高频增强滤波器：

High boost = A*Original - Lowpass = (A-1) * Original + Highpass

（1）当A = 1，就是普通的高通滤波器。

（2）当A > 1，原始图的一部分与高通图相加，恢复了部分高通滤波时丢失的低频分量

2. 非线性锐化滤波器（G4）

邻域平均可以模糊图像，而平均对应微分可以锐化图象。图象处理中最常用的微分方法是利用梯度。对一个连续数f(x, y)，其梯度是1个矢量（需要用2个模板分辨沿x和y方向计算）：

4.4 频域增强

4.4.1 原理和分类

其主要步骤有：

 

（1）计算待增强图的傅里叶变换，得到F(u, v);

（2）将其余1个（根据需要设计的）转移函数H(u, v)相乘；

（3）再将结果傅里叶反变换可以得到增强的图

常用频域增强方法有：低通滤波，高通滤波，带通和带阻滤波，同态滤波

4.4.2 理想低通滤波器

"振铃（ring）"现象

如果使用上述“非物理”（不能用实际的电子器件实现）的理想滤波器，其输出图像会变得模糊和有“振铃”现象出现。

2. 巴特沃斯低通滤波器（Butterworth）

4.4.3 高通滤波器

1. 理想高通滤波器

2. 巴特沃斯高通滤波器（Butterworth）

4.4.4 带通和带阻滤波器

4.4.5 同态滤波器

照度分量对应于低频，反射分量对应于高频，。。。

4.5 局部增强

局部增强常用于一些要求特定增强效果的场合：

（1）可借助将图象分成子图像再对每个子图像增强。

直方图变换是空域增强中常用方法，也可用于局部增强。

（2）也可在对整幅图增强时直接利用局部信息以达到不同局部不同增强的目的

均值是一个平均亮度的测度，而方差是一个反差的测度。

因为A(x, y)樊碧玉均方差，所以在图像中对比度较小的区域得到的增益反而较大，这样就可以取得局部增强的效果。

最后将m(x, y)加回去恢复原来的平均灰度值。

4.6 彩色增强

4.6.1 伪彩色增强（从无彩色到有彩色）

一种常用的彩色增强方法对原来灰度图像中不同灰度值的区域赋予了不同的颜色以更明显的区分它们。因为这里原图没有颜色，因此成为伪彩色。有三种方式进行着色：

1. 亮度切割

2. 从灰度到彩色的变换

3. 频域滤波

4.6.2 真彩色增强（从有彩色到有彩色）

在屏幕上显示彩色图一定要借用RGB模型，但HSI模型在许多处理中有其独特的优点。

（1）在HSI模型中，亮度分量与色度分量是分开的。

H：色调（Hue）和S：饱和度——构成色度分量；I：密度——构成亮度分量

需要指出：尽管对RGB各分量直接使用对灰度图的增强方法可以增加图中的可视细节亮度，但得到的增强图中的色调可能没有意义。

（2）在HSI模型中，色调和饱和度的概念与人类感知系统联系。

一种简便常用的真彩色增强方法的基本步骤为：

（1）RGB分量转换为HSI分量

（2）利用灰度图增强的方法增强其中的I分量

（3）再将结果转换为RGB分量表示