空间域图像增强

图像增强图像增强图像增强定义对图像进行加工处理，以得到对于具体应用来说视觉效果更“好”、更“有用”的图像--清华大学章毓晋将原来不清晰的图像变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。-百度百科3图像增强是采用一系列技术去改善图像的视觉效果,或将图像转换成一种更适合于人或机器进行分析和处理的形式。-北师大如采用一系列技术有选择地突出某些感兴趣的信息，同时抑制一些不需要的信息，提高图像的使用价值4图像增强方法从增强的作用域出发，可分为空间域增强和频率域增强两大类：空间域增强是直接对图像各像素进行处理频率域增强是对图像经傅立叶变换后的频谱成分进行处理，然后逆傅立叶变换获得所需的图像点运算空间域局部统计法图像平滑局部运算图像锐化图像增强高通滤波频率域低通滤波同态滤波增强假彩色增强彩色增强伪彩色增强彩色变换及应用图像灰度变换均衡化直方图修正法规定算化的代数运6空间域增强空间域增强是指增强构成图像的像素空间域方法直接进行像素操作，输入一幅或多幅图像，然后输出处理的结果（图像）g(x,y)=T[f(x,y)]g(x,y)=T[f1(x,y),f2(x,y),f3(x,y)...]T的输入是像素(x,y)的邻域，输出是图像g中像素(x,y)的值7空间域增强点(x,y)的邻域一般是以(x,y)为中心的正方形或者矩形子图像。常用的是正方形邻域，一般以奇数大小为边长，如1x1,3x3,5x5,7x7子图像的中心从一个像素向另一个像素移动，T利用邻域中的像素值计算得到输出像素空间域增强的简化形式：灰度变换s=T(r)r是f(x,y)在任意点(x,y)的灰度级s是g(x,y)在任意点(x,y)的灰度级9若干基本灰度变换图像复制图像反转幂次变换对数变换10图像反转灰度级范围为[0,L-1]的图像反转s=L-1-r用于处理嵌入于图像暗色区域的白色或者灰色细节11对数变换对灰度级取对数，可以将高动态范围的图像压缩到低动态范围，以便更好地观察图像细节高动态范围图像的问题是:在一般的显示设备上无法显示如此大的动态范围，标准显示的动态范围只有255个灰度级别，而高动态范围能有多达106或更多的灰度级别12对数变换下图是某图的傅里叶变换频谱，值范围是0~1.5x106s=clog(1+r)左图是线性变换到255范围内；右图是取对数变换左图是线性变换到255范围内；右图是取对数变换14幂次变换幂次变换也称为伽马变换,0scrc(),0scrc15幂次变换很多用于图像获取、打印和显示的各种装置根据幂次规律产生响应不同的设备响应曲线不一样，修正幂次响应的过程称为伽玛校正16幂次变换阴极射线管CRT装置的电压——强度响应，是一个指数变化范围在1.8～2.5的幂函数左边输入的是线性灰度图，CRT显示该图会较暗，如果在显示之前先进行伽玛校正，则CRT的显示会接近原图17幂次变换例118幂次变换例219分段线性函数对比拉伸灰度切割位图切割20对比拉伸对比拉伸的思想是提高图像处理时灰度级的动态范围点(r1,s1)和(r2,s2)的位置控制了变换函数的形状若r1=s1,r2=s2，则变换为一线性函数，恒等变换r1=r2,s1=0,s2=L-1，则变为阈值函数21对比拉伸22灰度切割在图像中提高特定灰度范围的亮度，而同时降低其他灰度范围的亮度，以增强显示感兴趣的灰度范围区域（如卫星图像中的大量的水，或者是X射线图中的缺陷）23灰度切割24位图切割不提高灰度范围的亮度，而是强调特定位平面，来调整图像显示假设一幅256级别灰度的图像，每个像素由8个位（一个字节）构成25位图切割在这些位平面中，较高位的数据包含了在视觉上很重要的大多数数据，而较低位平面给出了图像的细微细节应用举例，灰度阈值变换：1）0－127灰度级的像素统一映射为灰度级02）128－255灰度级的像素统一映射为灰度级255直接使用位平面7的二值图像即可26位图切割27直方图下图是一幅图像的灰度直方图直方图的计算式为28直方图29直方图处理直方图均衡化30直方图规定化31图(c)是将图像(A)按图(b)的直方图进行规定化得到的结果及其直方图。通过对比可以看出图(C)的对比度同图（B)接近一致，对应的直方图形状差异也不大。这样有利于影像融合处理，保证融合影像光谱特性变化小32直方图处理33直方图处理均衡化规定化34直方图处理局部增强技术：前面讨论的直方图均衡化和规定化是全局性的方法有时，图像只是在某些局部区域的细节需要增强处理，此时可以将直方图的计算区从整幅图像调整到像素的方形邻域35直方图处理36直方图处理使用统计法增强图像：从直方图获得本幅图像或者本区域像素值的统计参数令r是像素灰度值，p(r)是归一化直方图分量，可以把p(r)看成是灰度级r出现的频率，并近似看作概率估计值37直方图处理均值：n阶矩：二阶矩（方差）：邻域计算：10()Liiimrpr10()()()Lnniiirrmpr120()()()Lniiirrmpr22,,(,)()xyxyxySstSststSrmpr,,(,)()xyxySstststSmrpr38直方图处理基于局部统计量的增强像素均值：对应局部的像素亮度像素方差：对应局部的亮度对比方案：增强较暗的区域，保持具有适当对比度的像素，同时保持亮的区域39012(,)(,)(,)xyxySGGSGEfxyifmkMgxykDkDfxy40增强图像－代数运算在图像处理中，算术运算和逻辑操作主要是以像素对像素的方式在两幅或者多幅图像之间进行（逻辑非除外）将像素值视作二进制串，使用逻辑运算来处理：逻辑非可以实现图像反转功能与、或操作通常作为模板，从一幅图像中提取子图像41算数运算：图像减法设有两幅图像f(x,y)和h(x,y),两者的差图像定义为：当用一幅包含目标的图像减去背景图像，则差图像就是只包含目标的图像，这有助于我们去除不太重要的背景信息，而提取出比较感兴趣的目标物(,)(,)(,)gxyfxyhxy42图像减法43图像减法掩膜式X光成像法：在注入碘元素之前拍摄的背景图像，注入碘元素后拍摄的图像减去掩膜图像脊柱利用图像减法消除背景45图像减法减法处理中的问题：出现负数处理办法，使用对比度拉伸(,)(,)(,)gxyfxyhxy(,)255,255gxy(,)((,)255)/2gxygxy46图像减法减法处理中的问题：出现负数有效利用灰度级范围(,)(,)(,)gxyfxyhxy(,),gxyminmax(,)((,))255/gxygxyminmax47图像加法图像加法可以在两幅或者多幅图像中进行，注意在执行加法后需要取平均值注意上式中左右图像均为g，只是下标不一样，因为图像加法通常是在相同场景的不同时刻的图像之间进行11(,)(,)kiigxygxyK48图像加法-去噪如果对一场景进行拍摄，但结果图像可能会被噪声污染，这可以通过图像加法解决假设图像被噪声污染，该噪声均值为0，方差为，显然方差越大，噪声越强(,)(,)(,)gxyfxyxy(,)xy49根据式(,)(,)221xygxyK11(,)(,)kiigxygxyK(,)(,)Egxyfxy当K增加时，在结果图像中各像素点的噪声影响会越来越小，因此会越来越趋近于原始图像f(x,y)50原图像和噪声图像平均后图像与原图像的差值及差图像直方图8/16/64/128幅图像取平均图像加法-叠加效果图像加法还可以产生图像叠加效果对于两个图像f(x,y)和h(x,y)的均值有：g(x,y)=1/2f(x,y)+1/2h(x,y)可以推广为：g(x,y)=αf(x,y)+βh(x,y)，其中α+β=1利用图像加法，可以得到各种图像合成的效果，也可以用于两张图片拼接乘法的定义C(x,y)=A(x,y)*B(x,y)主要应用举例图像的局部显示（目标提取）用二值蒙板图像与原图像做乘法算数运算——乘法×＝非的定义g(x,y)=255-f(x,y)主要应用举例：获得一个阴图像获得一个子图像的补图像逻辑运算——1、非利用图像非，得到阴图像利用图像非，获得一个子图像的补图像=与运算的定义g(x,y)=f(x,y)∧h(x,y)主要应用举例求两个子图像的相交子图=逻辑运算——2、与利用与运算和模板，提取感兴趣的子图像或运算的定义g(x,y)=f(x,y)vh(x,y)主要应用举例合并子图像=逻辑运算——3、或异或运算的定义g(x,y)=f(x,y)⊕h(x,y)主要应用举例获得相交子图像=逻辑运算——4、异或62图像增强－空间域平滑任何一幅图像，在获取和传输的过程中，会受到各种噪声的干扰，使图像质量下降，特征被淹没，对图像分析造成影响。为了抑制噪声，改善图像质量所进行的处理称为图像噪声去除，简称去噪因为去噪的过程往往使图像中的尖锐信号被修整或抹平，因此大部分去噪算法又称为图像平滑算法63空间域平滑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。它可以在空间域和频率域中进行11111111191模板64空间域平滑本节介绍空间域的几种平滑法局部平滑法超限像素平滑法灰度最相近的K个邻点平均法梯度倒数加权平滑法最大均匀性平滑有选择保持边缘平滑法空间低通滤波法多幅图像平均法中值滤波65局部平滑法局部平滑法是一种直接在空间域上进行平滑处理的技术假设图像是由许多灰度恒定的小块组成，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66局部平滑法设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有式中x,y=0,1,…,N-1；s为（x,y）邻域内像素坐标的集合；M表示集合s内像素的总数。可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法,1(,)(,)ijsgxyfijM67局部平滑法例如，对图像采用3×3的邻域平均法，对于像素（m,n)，其邻域像素如下：(m-1,n-1)(m-1,n)(m-1,n+1)(m,n-1)(m,n)(m,n+1)(m+1,n-1)(m+1,n)(m+1,n+1)则有：19(,)(,)iZjZgmnfminj68局部平滑法其作用相当于用这样的模板同图像卷积。设图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高M倍11111111191H空间域图像处理模板在待处理图像的每个像素上进行处理，处理的依据是其周边像素值的线性组合以周边像素集合作为邻域，取出各像素的值f(i,j)，乘以相应的加权系数w(i,j)，最后求和得到处理后的像素值7071空间域图像处理模板加权系数值构成的权值矩阵常被称为：模板：template掩膜：mask卷积核：kernel滤波器：filter(,)(,)(,)(,)absatbabsatbwstfxsytgxywst72局部平滑法n=3和n=5时，图像中有轻微模糊；n=9，图像更模糊，某些圆圈与背景融合较多；（噪声明显减少字母锯齿状边界与圆圈都平滑了）n=15和35时，图像非常模糊，小尺寸物体就被抹去了73局部平滑法该算法简单，但是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。邻域越大，在去噪能力增强的同时模糊程度越严重平滑算法对白噪声（高斯噪声）有效，对椒盐噪声效果一般甚至较差。对于椒盐噪声，非线性的处理技术更有效74局部平滑法(a)原图像(b)加椒盐噪声的图像(c)3×3邻域平滑(d)5×5邻域平滑75改进方法为克服简单局部平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。这些算法