灰度变换与空间滤波
1 引言
空间域处理方法直接以图像中的像素操作为基础。主要分为灰度变换和空间滤波两类。
灰度变换在图像的单个像素上操作,主要以对比度和阈值处理为目的。
空间滤波涉及改善性能的操作,如去除噪声,锐化图像。
空间滤波:邻域原点从一个像素向另一个像素移动,对邻域中的像素应用算子T,并在该位置产生输出。是一种邻域处理技术。
邻域和预定义的操作合称空间滤波器(空间掩模、核、模板、窗口)。
邻域大小最小为 1x1,这时为灰度变换,是点处理技术,可以实现对比度拉伸、阈值处理。
灰度变换与空间滤波可广泛用于图像增强。
增强处理是对图像进行加工,使其结果对于特定的应用比原始图像更易于处理。若以人类解译为目标,图像处理的目标以观察者的需求为准。若以机器感知为目标,通常通过给定技术进行量化。
2 基本的灰度变换函数
图像增强常用三种基本函数:线性函数(反转和恒等变换)、对数函数(对数和反对数变换)、幂律函数(n次幂和n次根变换)。
- 图像反转:反转一幅图像的灰度级。
适用于增强嵌入在图像的暗区域中的白色或灰色细节,尤其是当黑色面积在尺寸上占主导地位时。 - 对数变换
将输入中范围较窄的低灰度值映射为输出中较宽范围的灰度值。
即,扩展图像中的暗像素的值,同时压缩更高灰度级的值。反对数变幻的效果相反。 - 幂律(伽马)变换
将较窄范围的暗色输入值映射为较宽范围的输出值。 - 分段线性变换函数
- 对比度拉伸:扩展图像灰度级动态范围。
低对比度图像可由照明不足、成像传感器范围太小,甚至在图像获取过程中镜头光圈设置错误引起。 - 灰度级分层:突出图像中特定灰度范围的亮度。
输出结果是一个二值图像。把感兴趣范围内的所有灰度值显示为一个值(如1),其他灰度值显示为另一个值(如0)。 - 比特平面分层
- 对比度拉伸:扩展图像灰度级动态范围。
3 直方图处理
可用于图像增强。
归一化直方图:纵轴是某一灰度级在图像中出现的概率估计,横轴是图像中所有可能出现的灰度值按序排列。
对于暗图像,直方图分量集中在灰度级的低(暗)端。对于亮图像,直方图分量集中在灰度级的高(亮)端。
低对比度图像有较窄的直方图,集中于灰度级的中部。
高对比度的图像中直方图分量覆盖了很宽的灰度级范围,像素分布没有太不均匀,只有少量垂线比其他的高许多。(这种图像可以展示灰色调的较大变化)
直方图均衡
一幅数字图像中灰度级 r k r_k rk出现的概率近似为 p r ( r k ) = n k M N , k = 0 , 1 , 2 , 3 , . . . , L − 1 p_r(r_k)=\frac {n_k}{MN}, k=0,1,2,3,...,L-1 pr(rk)=MNnk,k=0,1,2,3,...,L−1。
MN 是图像中像素的总数, n k n_k nk是灰度为 r k r_k rk的像素个数,L是图像中可能的灰度级数量,如256。
直方图均衡通过灰度映射实现: s = T ( r ) , 0 ≤ r ≤ L − 1 s=T(r), 0 \leq r\leq L-1 s=T(r),0≤r≤L−1
r 表示待处理图像的灰度,T 是一种变换函数,使输入图像中每个具有 r 值 的像素值产生一个输出灰度值 s。
T 满足的条件:
- T ( r ) T(r) T(r) 在区间 0 ≤