图像增强——MOOC学习笔记（3）

图像增强的目的：
①改善图像的视觉效果，或者使图像更适合于人或机器进行分析处理
②通过图像增强，可以减少图像中的噪声，提高目标与背景的对比度
③强调或抑制图像中的某些细节

图像增强方法的分类
处理的作用域：空间域方法、频率域方法
1）空间域方法：在图像二维平面上，直接对像素值进行处理
2）频率域方法：对图像作Fourier（傅里叶）变换，在变换域处理，再作逆变换得到增强图像
其他方法：小波变换和Retinex

空间域增强是指在空间域中，通过线性或非线性变换来增强构成图像的像素。增强的 主要分为点处理和模板处理两大类。
空间域增强——基于灰度变换的图像增强
灰度变换：将一个灰度区间映射到另一个灰度区间的变换称为灰度变换。
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。
空间域增强——非线性变换

基于直方图处理的图像增强
1.灰度图像的直方图
灰度级直方图是图像的一种统计表达，它反映了该图中不同灰度级出现的统计概率。
设图像具有L个灰度级，图像中像素点的个数为n，它的第k个灰度级n_k出现的次数为h(k)=n_k（k=0,1,2,…,L-1），则概率P_r(k)=n_k/n


2.直方图均衡化
1）基本思想：
把原始图像的直方图变换为均匀分布的形式，从而增加图像灰度的动态范围，达到增强图像对比度的效果。经过均衡化处理的图像，其灰度级出现的概率相同，此时图像的熵最大，图像所包含的信息量最大。
2）方法

（3）示例



空间滤波增强
空间域滤波增强采用模板处理方法对图像进行滤波，去除图像噪声或增强图像的细节。
分析：任何一副原始图像，在其获取和传输等过程中会受到各种噪声的干扰，使图像模糊，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。
方法：
空间域平滑滤波器
（1）局部平滑法：是一种直接在空间域上进行平滑处理的技术。相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。

（2）超限像素平滑法：对邻域平均法稍加改进，可导出超限像素平滑法。它是将f(x,y)和邻域平均g(x,y)的差的绝对值与选的的阈值进行比较，根据比较结果决定点(x,y)的最后灰度g’(x,y)。其表达式为：

这种算法对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊程度也大。
（3）空间低通滤波法：邻域平均法可看做一个掩模作用于图像f(x,y)的低通空间滤波，掩模就是一个滤波器，它的响应为h(i,j)，于是滤波输出的数字图像g(x,y)用卷积公式表示为：

空间域锐化滤波器
定义：
图像锐化就是增强图像的边缘或轮廓。
图像平滑通过积分过程使得图像边缘模糊。
图像锐化则通过微分而使图像边缘突出、清晰。
（1）梯度锐化法

对于离散图像处理而已，一阶偏导数采用一阶差分近似表示
f’x=f(x+1,y)-f(x,y)
f’y=f(x,y+1)-f(x,y)
简化梯度的计算：


（2）拉普拉斯算子


（3）低频分量消减法


频率域平滑滤波器
关键在于设计频域（变换域）滤波器的传递函数H(u,v)。 G(u,v)=H(u,v)F(u,v)
（1）理想低通滤波器


（2）Butterworth低通滤波器


（3）高斯低通滤波器

频率域锐化滤波器
频率域锐化为了消除模糊，突出边缘。
采用高通滤波器让高频成分通过，使低频成分削弱，再经过傅里叶逆变换得到边缘锐化的图像。
高通滤波器的传递函数可由下面的关系式得到：
H_hp(u,v)=1-H_lp(u,v)
（1）理想高通滤波器

（2）Butterworth高通滤波器
（3）高斯高通滤波器

理想高通滤波器有明显振铃现象。
Butterworth高通滤波器较平滑，边缘失真小，二阶只有轻微振铃现象。
高斯高通滤波器没有振铃现象，完全平滑。