一. 空间域图像增强之直方图运算
1.直方图的表示
其中 代表灰度级,n_k代表灰度级为r_k的个数。
归一化直方图
其中,p_r是原始图像灰度分布的概率密度函数,如果将r_k归一到[0,1]之间,则r_k可以看作区间[0,1]的随机变量。
直方图反映了图像的清晰程度,当直方图分布均匀时,图像最清晰
2. 直方图均衡化
利用一个灰度变换函数T:s=T(r),使得概率密度函数p_r(r)变成希望的概率密度函数p_s(s);
灰度变换函数应满足的要求:
- T(r)在[0,1]中单调递增且单值;
满足以上条件的一个重要的直方图均衡化的灰度变换函数为
直方图均衡化处理的计算步骤:
a.因为直方图是近似的概率密度函数,所以用离散灰度级进行变换时很少得到完全平坦的结果;
b.变换后灰度级减少,出现“灰度简并”的现象,造成一些灰度层次的损失;
3.直方图规定化
目的:利用直方图均衡化的原理,将直方图转换为期望的直方图的形状;
思路:
①
②求G变换的逆变换
③根据均衡化的概念,s,v都是常量(分布相同的特点),用s代替v有
④建立的r→z联系
实现:
二. 空间滤波器
1. 图像的平滑、锐化操作都是通过掩模操作来完成的;
通过掩模操作实现一种邻域运算,待处理像素点的结果由邻域的图像像素以及相应的与领域有着相同为数的子图像得到;
这些子图像被称为滤波器、掩模、核、模板或窗口;
2.掩模运算的数学含义是:卷积(或互相关)运算;
掩模子图像中的值是系数值而非灰度值;
3.空间滤波器的定义
4. 平滑空间滤波器的作用
- 模糊处理:去除图像中一些不重要的细节;
- 减小噪声;
5. 平滑空间滤波器的分类
- 线性滤波器——均值滤波器
用包含在滤波掩模邻域内的像素的平均灰度值去代替每个像素点的值,叫做均值滤波器;
例1:
例2:提取感兴趣物体而模糊图像
缺点:去除噪声的同时也钝化了图像的边和尖锐的细节;
- 非线性滤波器(统计排序滤波器)
基于滤波器所在图像区域中像素的排序,由排序结果决定的值代替中心像素的值
(1)最大值滤波器(用像素领域内的最大值代替该像素)——寻找最亮点
(2)中值滤波器(用像素领域内的中间值代替该像素)——去除噪声
优点:去除噪声的同时能够较好地保留边的锐度和图像的细节(优于均值滤波器);能够有效地去除脉冲噪声:以黑白点叠加在图像上;
(3)最小值滤波器(用像素领域内的最小值代替该像素)——寻找最暗点
(4)锐化滤波器
主要用途:突出图像中的细节,增强被模糊了的细节;
使用方法:空间微分,其中微分算子的响应程度与图像在该点的突变程度有关
微分算子在①恒定灰度区域(平坦段)、②突变的开头和结尾(阶梯与斜坡突变)和③沿着灰度级斜坡处的特性需要关注:
A.对于一阶微分:
a.平坦段微分值为零;
b.在灰度阶梯或斜坡的起点处微分值非零;
c.沿着斜坡面微分值非零;
B.对于二阶微分:
a.平坦段微分值为零;
b.在灰度阶梯或斜坡的起点处微分值非零;
c.沿着斜坡面微分值为零;
C.一阶微分与二阶微分的区别:
a. 一阶微分处理会产生较宽的边缘;
b. 二阶微分处理对细节有较强的响应,如细线和孤立点;
c.一阶微分处理对灰度阶梯有较强的响应;
d.二阶微分处理对灰度阶梯变化产生双响应;
e.图像灰度值变化相似时,二阶微分对线的响应比对阶梯强,且点比线强;
f.图像增强中二阶微分比一阶微分好,形成细节能力强,而一阶微分主要用来提取边缘;
D.基于二阶微分的图像增强——拉普拉斯算子
效果:
将原始图像与拉普拉斯图像叠加在一起可以保护拉普拉斯锐化处理的效果,同时又能复原背景信息
例如:
E.反锐化掩蔽与高频提升滤波处理
反锐化掩蔽:将图像模糊形式从原始图像中去除
F. 基于一阶微分的图像增强——梯度算子
a. Roberts交叉梯度算子
b. Prewitt 梯度算子
c. Sobel梯度算子