【数字图像处理——第三章：空间域图像增强(1)】

空间域图像增强

图像增强

什么是图像增强

• 图像增强 是要突出图像中的某些信息，同时削弱或去除某些不需要信息的一种处理方法，以得到对具体应用来说视角效果更“好”，或更”有用“的图像的技术。

为什么要增强图像

• 图像在传输或者处理过程中会引入噪声或使图像变模糊，从而降低了图像质量，甚至淹没了特征，给分析带来了困难。

目的：

1. 改善图像视觉效果，提高清晰度；
2. 改善（增强）感兴趣部分（如滤除噪声、锐化目标物边缘），以提高图像可懂度。

方法：

1. 空间域处理：
   • 点处理（灰度变换、直方图均衡等）；
   • 邻域处理（平滑和锐化等）；
   • 彩色增强（伪/假/真彩色增强）
2. 频率域处理：
   • 低通滤波、
   • 高通锐化、
   • 同态增析等

注意：

1. 图像信息有损无增；
2. 图像增强一般是一个复杂图像处理系统的主要的“预处理”环节。

分类：

1. 空间域增强：对图像的像素直接处理；$g(x,y)=T[f(x,y)]$
   • f(x,y)是原图像;g(x,y)是处理后的图像
   • T是作用于f的操作，定义在(x,y)的邻域
2. 频率域增强：修改图像的傅立叶变换

点运算

$$g(x,y)=s=T[f(x,y)]=T[r]$$

• r,s分别是f(x,y)和g(x,y)在点(x,y)的灰度级

T的三种基本类型：

1. 线性（正比、反比）； 图像反转：$s=L-1-r$
2. 对数（对数、反对数）； 对数变换：$s=clog(1+r)$
3. 幂次（n次幂和n次方根）；幂次变换：$s=c{r}^n$

• 反转变换：$s=(L-1)-r$

[0,L-1]为图像的灰度级。作用：黑的变白，白的变黑。

• 对数变换：$s=clog(1+r)$

c是常数；

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，如直接使用原图，则一部分细节可能丢失；

解决办法是对原图进行灰度压缩，如对数变换。

• 幂次变换：$s=c{r}^n$

c、n是正常数；

n<1提高灰度级，在正比函数上方，使图像变量；

n>1降低灰度级，在正比函数下方，使图像变暗。

对比度拉伸：

提高图像处理时灰度级的动态范围；

图像二值化：

灰度级切片：

• 关心范围指定较高值，其他指定较低值

特点：突出目标轮廓，消除背景细节

• 关心范围指定较高值，其它保持不变

特点：突出目标轮廓，保留背景细节

位平面切片：

假设图像中每个像素的灰度级是 256 ，这可以用8位来表示。

图像是由8个1位平面组成，范围从位平面0到位平面7。

其中，位平面0包含图像中像素的最低位，位平面7包含像素的最高位。

把数字图像分解成为位平面，每一个位平面可以处理为一幅二值图像。

• 通过对特定位提高亮度，改善图像质量
• 较高位（如前4位）包含大多数视觉重要数据
• 较低位（如后4位）对图像中的微小细节有作用
• 分解为位平面，可以分析每一位在图像中的相对重要性

代数运算

• 算术运算：加、减、乘
• 逻辑运算：非、与、或、异或

加法运算的定义：
$$C(x,y)=A(x,y)+B(x,y)$$
举例：

• 去除叠加性噪声：

对于原图像f(x,y)，有一个噪声图像集 { g i ( x , y ) } , i = 1 , 2 , . . . , N \{g_i(x,y)\},i=1,2,...,N {gi​(x,y)},i=1,2,...,N

其中：$g_i(x,y)=f(x,y)+h_i(x,y)$；假设噪声$h_i(x,y)$均值为0，且互不相关，

N个图像的均值定义为：
$$g(x,y)=(1/N)\ast (g_0(x,y)+g_1(x,y)+...+g_N(x,y))$$
期望值：$E(g(x,y))=f(x,y)$

• 生成图像叠加性效果:

对于两个图像f(x,y)和h(x,y)的均值有：
$$g(x,y)=(1/2)f(x,y)+(1/2)h(x,y)$$
推广这个公式为：
$$g(x,y)=af(x,y)+bh(x,y）$$
其中a+b=1。

减法的定义：
$$C(x,y)=A(x,y)-B(x,y)$$
举例：

1. 显示两幅图像的差异，检测同一场景两幅图像之间的变化, 如：视频中镜头边界的检测
2. 去除不需要的叠加性图案
3. 图像分割：如分割运动的车辆，减法去掉静止部分，剩余的是运动元素和噪声

乘法的定义：
$$g(x,y)=f(x,y)\ast h(x,y)$$
举例：

1. 图像的局部显示（用二值模版图像与原图像做乘法）

注意：在matlab中要用点乘运算。