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nk出现的次数为h(k)=nk(k=0,1,2,…,L-1),则概率Pr(k)=nk/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:
Hhp(u,v)=1-Hlp(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。