图像增强

目录

 

绪论

一、空域图像增强算法

（一）直接灰度变换算法

1.对数变换

2.灰度切割

（二）直方图增强

1.直方图性质

2.直方图均衡化

（三）灰度调整

（四）空域滤波增强

1.平滑滤波

（1）线性平滑滤波                    ​

（2）非线性平滑滤波

2.锐化滤波

（1）线性锐化滤波

(2)非线性锐化滤波

二、频域增强

（一）低通滤波

1.傅立叶变换低通滤波

---

绪论

• 图像增强是按特定的需求突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，带有主观色彩；
• 图像增强使处理后的图像更适合人眼视觉特性或机器分析，以便对图像实现更高级的处理和分析；
• 图像增强既希望去除噪声又希望增强边缘，但二者相矛盾，因此图像增强往往将二者折中，找到一个好的代价函数达到增强的目的
• 分为空域增强和频域增强两大类。

一、空域图像增强算法

空域：指由像素组成的空间，空域增强算法直接作用于像素值。

（一）直接灰度变换算法

1.对数变换

特点：压缩输入图像中高灰度区的对比度，扩展低灰度值区的对比度，可以使低灰度值区域的细节更容易看清。

2.灰度切割

（1）特点：增强特定范围的对比度，突出图像中特定灰度范围的亮度。

（2）方法：（a）将感兴趣的灰度级以较大值显示出来，而另外的灰度级以较小的灰度值显示；

                      （b）将感兴趣的灰度级以较大值显示出来，而其他灰度级保持不变。

（二）直方图增强

1.直方图性质

• 直方图反映了图像的整体灰度分布情况，直观上，若一幅图像其像素占有全部可能的灰度级且分布均匀，则该图像具有高对比度（最高灰度级/最低灰度级）和多变的灰度色调；
• 直方图不包含位置信息，只是反映灰度的数量，与灰度的位置无关，不同的图像可能具有相近或完全相同的直方图分布；
• 直方图具有可叠加性，一幅图像的灰度直方图等于其各个部分直方图的和；
• 直方图具有统计特性。

2.直方图均衡化

（1）优势

能够使处理后的图像的概率密度函数近似服从均匀分布，其结果扩张了像素值的动态范围；

（2）缺点

不能抑制噪声

（三）灰度调整

J=imadjust(I,[low_in high_in],[low_out high_out],gamma);

其中，[low_in,high_in]指定了输入图像需要映射的灰度范围，[low_out,high_out]指定了输出图像的灰度范围。

           通过gamma参数可以选择映射方式，gamma=1时为线性映射，gamma<1,更亮；gamma>1，更暗。

                       

（四）空域滤波增强

1.平滑滤波

平滑滤波可通过低通滤波实现，目的在于模糊图像或消除图像噪声。

分为线性平滑滤波和非线性平滑滤波。

（1）线性平滑滤波

a.均值滤波

b.高斯滤波 ：本质上属于加权均值滤波，像素点的权值由该点到中心像素距离进行高斯加权得到。

MATLAB使用fspecial函数生成滤波模板

h=fspecial(type)
h=fspecial(type, parameters)

其中，type用于指定滤波器类型，parameters是与滤波器有关的具体函数。

type	parameters	说明
average	hsize	矩形均值滤波器，hsize格式为[m,n]，用于指定矩形的大小
disk	radius	生成半径为radius的圆形滤波器
gaussian	hsize,sigma	标准偏差为sigma、大小为hize的高斯低通滤波器
laplacian	alpha	系数为alpha的二维拉普拉斯操作
log	hsize,sigma	标准偏差为sigma、大小为hsize的高斯滤波旋转对称拉普拉斯算子
motion	len,theta	按角度theta移动len个像素的运动滤波器
prewitt	无	近似计算梯度算子
sobel	无	考虑了像素点间空间位置的近似计算梯度算子

e.g. 对同一幅图像采用大小不同的均值滤波器，查看滤波效果。

I=imread('eight.tif');
subplot(221)
imshow(I);title('原图')
subplot(222)
J1=filter2(fspecial('average',3),I);
imshow(uint8(J1));title('3X3');
subplot(223)
J2=filter2(fspecial('average',5),I);
imshow(uint8(J2));title('5X5');
subplot(224)
J3=filter2(fspecial('average',7),I);
imshow(uint8(J3));title('7X7');

                                            

均值滤波器虽然考虑了邻域点的作用，但未考虑空间位置的影响。实际上，邻域内离某点越近的点，对该点的影响越大，可以采用加权均值滤波模板，例如将模板的加权系数通过对二维高斯函数采样得到，相应的滤波器称为高斯滤波器。

1	2	1
2	4	2
1	2	1

（2）非线性平滑滤波

非线性平滑滤波最常用的是中值滤波器，即把邻域中图像的像素按灰度级进行排序，然后选中间值作为滤波结果。

B=medfilt2(A)
B=medfilt2(A,[m n])
B=medfilt2(A,[m n],padopt)

其中，[m n]指定滤波模板的大小，默认大小为3*3；padopt用于指定图像矩阵A的边缘的延拓形式。

中值滤波器在细节保持方面较均值滤波器有所提高。

2.锐化滤波

（1）线性锐化滤波

线性高通滤波器模板：

-1	-1	-1
-1	8	-1
-1	8	-1

拉普拉斯算子：中心系数大于0，其余系数小于0，所有系数之和为0。当拉普拉斯模板在图像中滑动时，对灰度变化较小或没有变化的区域，其滤波输出较小或为0。

e.g. 使用拉普拉斯算子对一幅图像高通滤波。

I=imread('blobs.png');
h=fspecial('laplacian');
J=filter2(h,I);
subplot(121)
imshow(I);title('原图');
subplot(122)
imshow(J);title('拉普拉斯滤波')

                                           

(2)非线性锐化滤波

• 均值滤波器可以模糊图像，其在计算过程中进行求和，在数学上对应积分；
• 非线性锐化滤波器在数学上通过微分实现，其中梯度算子是最常用的微分算子，刻画了图像沿某个方向上的灰度变化率。
• 常用的空域非线性锐化滤波算子有sobel算子、prewitt算子、log算子（拉普拉斯高斯算子），这些算子的定义主要是基于微分的基本概念。

e.g.分别使用不同的非线性锐化滤波器对图像进行滤波

I=imread('blobs.png');
h1=fspecial('sobel');
J1=filter2(h1,I);
h2=fspecial('prewitt');
J2=filter2(h2,I);
h3=fspecial('log');
J3=filter2(h3,I);
subplot(221)
imshow(I);title('原图');
subplot(222)
imshow(J1);title('sobel算子')
subplot(223)
imshow(J2);title('prewitt算子')
subplot(224)
imshow(J3);title('log算子');

                                      

默认的sobel算子和prewitt算子均为求解水平细节，即在竖直方向上进行微分计算，可通过将这两个算子的模板转置来实现竖直细节的提取。

h2_2=h2';
J2_2=filter2(h2_2,I);
figure
subplot(131)
imshow(J2);title('水平细节')
subplot(132);
imshow(J2_2);title('竖直细节')
subplot(133);
imshow(or(J2,J2_2),[]);title('全细节')

                 

二、频域增强

     频域增强是将图像先变换到其他空间，然后利用该空间的特点对变换域的数据进行处理，最后再转换为原来的图像空间中。

     频域增强主要分为3步：

1. 选择合适的变换方法，将图像变换到频域空间；
2. 依据处理目标，在频域空间对变换系数进行处理；
3. 将处理后的结果进行反变换，得到增强后的图像。

（一）低通滤波

信号或图像的能量主要集中在低频和中频，而噪声常出现在高频，所以，使用低通滤波器可以达到去噪的目的。

1.傅立叶变换低通滤波

......