目录
1 图像增强概述
2 空间滤波增强
2.1 空间域平滑滤波器
2.2 空间域锐化滤波器
3 频率滤波增强
3.1 频率域平滑滤波器
3.2 频率域中值滤波器
3.3 频率域锐化滤波器
3.3.1 理想高通滤波器
3.3.2 巴特沃斯高通滤波器
3.3.3 高斯高通滤波器
3.3.4 三种滤波器特性总结
4 图像的同态滤波
4.1 同态滤波原理分析
4.2 同态滤波的过程
4.3 同态滤波的应用和效果
5 图像的彩色增强
5.1 伪彩色增强
5.2 假彩色增强
5.3 真彩色增强
1 图像增强概述
1.1 图像增强的目的、评价标准
1.2 图像增强方法的分类
补充图像增强的方法:图像的彩色增强
灰度变换前面数字图像处理(2)已经介绍过,下面仅介绍应用,不再累述。
1.3 图像增强的应用
灰度变换可使图像动态范围加大,图像对比度扩展;
只改变像素灰度值,不改变像素位置。
空间域平滑滤波——空间滤波增强
频率域增强
2 空间滤波增强
图像在生成和传输过程中,往往会受到各种噪声的干扰和影响,而降低了图像质量,为后续的图像处理和分析造成障碍。
噪声反映在图像中,会使原本均匀和连续变化的灰度值突然变大或变小,形成一些虚假的边缘或轮廓。减弱、抑制或消除这类噪声而改善图像质量的方法称为图像平滑。图像平滑既可以在空间域进行,也可以在频率域进行。
图像中的大部分噪声是随机噪声,其对某一像素点的影响可以看做是孤立的。因此,噪声点与该像素点的邻近各点相比,其灰度值会有显著的不同(突跳变大或变小)。
2.1 空间域平滑滤波器
2.1.1 局部平滑法
加权平均法:既能平滑噪声,又能保证图像中的目标物不至于模糊。
2.1.2 超像素平滑法(阈值平均法)
2.1.3 空间低通滤波法(模板平滑法)
H1就是邻域平均法
平滑滤波的特点:
2.1.4 多图像平均法
利用邻域平均滤除噪声的思想,我们可以在相同条件下获取同一目标物的若干幅图像,采用多图像平均的方法来消减随机噪声。
2.2 空间域锐化滤波器
2.2.1 梯度锐化法
2.2.2 拉普拉斯锐化法
2.2.3 低频分量消减法
2.2.4 模板锐化法
锐化模板的特点:
2.2.5 图像锐化的实质
3 频率滤波增强
由于图像中的边缘细节反映在频域也是高频,因此,在低通滤波的同时,也会损失边缘信息,使图像变模糊。
平滑等价于频域低通滤波,
锐化等价于频域高通滤波;
3.1 频率域平滑滤波器
3.1.1 理想低通滤波器
3.1.2 巴特沃斯低通滤波器
矛盾的体现:越陡峭,性能越好,但是振铃现象越明显。
与理想低通滤波器对比效果:
编程例子:
3.1.3 高斯低通滤波器
3.1.4 平滑滤波器的应用
3.1.5 滤波器拓展(这里挖坑,以后详细分析)
理想通带滤波器是突变的,所以由它得到的图像中存在有较强的振铃现象(理想矩形对应无限的振铃)。巴特沃斯滤波器的传递函数由于变化比较平滑,在阶数较低的时候所得的图像中只有轻微的振铃现象产生,并且图像也很清晰(阶数越高,振铃现象越明显,并且由于它的尾部保留了较多的高频分量,所以其噪声的平滑效果要低于ILPF);指数型滤波器由于比巴特沃斯滤波器更为平滑的传递函数,所得的图像中没有振铃现象产生,但是后者的图像更为模糊一些;而梯形滤波器的性能则介于理想通带滤波器和具有平滑过渡的滤波器之间,得到的图像既有一定的模糊,也有一定振铃现象存在。
3.2 频率域中值滤波器
3.2.1 综述
3.2.2 中值滤波法的原理和窗口
3.2.3 中值滤波法的重要特性
3.2.4 使用中值滤波时的注意事项
3.3 频率域锐化滤波器
3.3.1 理想高通滤波器
3.3.2 巴特沃斯高通滤波器
3.3.3 高斯高通滤波器
3.3.4 三种滤波器特性总结
4 图像的同态滤波
原理:真实的图像除了有加性噪声外,往往还存在乘性或卷积性噪声——非线性干扰。
此时,直接用通带频域滤波的方法,将无法消减乘性或卷积性噪声。
4.1 同态滤波原理分析
4.2 同态滤波的过程
4.3 同态滤波的应用和效果
5 图像的彩色增强
通常人眼对灰度等级的区别并不敏感,一般来说人眼能分辨的灰度级介于十几级到二十几级之间,但却是可以分辨出上千种彩色。因此利用人眼的这一视觉特性,将灰度图像变成彩色图像或者改变已有彩色的分布,都可以改变图像的可分辨性,这就是彩色增强。常见的彩色增强方法可以分为伪彩色增强、假彩色增强和真彩色增强三种。
5.1 伪彩色增强
5.2 假彩色增强
与伪彩色增强不同,假彩色增强所处理的真实的自然彩色图像,或者是多光谱图像。其目的是将一种彩色变成另一种彩色,或把多光谱图像变成彩色图像。
5.3 真彩色增强
这里关键是利用了HSI颜色坐标系中的亮度和彩色种类分开的特点,结果既增加了彩色图像,又不会改变彩色种类。