数字图像处理3灰度级变换

第三章图像增强问题的引入看两个图例，分析画面效果不好的原因。亮暗差别不是很大解决问题的思路提高对比度，增加清晰度对比度的概念对比度：通俗地讲，就是亮暗的对比程度。对比度通常表现了图像画质的清晰程度。对比度的计算对比度的计算公式如下：2(,)(,)CijPij(,)||ijij即相邻像素间的灰度差(,)Pij即相邻像素间的灰度差为δ的像素分布概率其中：像素相邻：四近邻八近邻对比度的计算例1399213736066820L2222222222[(12)(262)(606)(02)LC22222222222222(111)(1225)(2463)(421)22222222222222(133)(3652)(6632)(616)2222222222(32)(262)(622)(26)]/4816.6818设图像为：图像增强图像增强的目的是为了改善画质，使图像的显示效果更加清晰。本章中主要介绍的内容包括：线性对比度展宽动态范围调整直方图均衡化处理伪彩色技术线性对比度展宽对比度展宽的目的是：通过将亮暗差异（即对比度）扩大，来把人所关心的部分强调出来。原理是，进行像素点对点的，灰度级的线性影射。该影射关系通过调整参数，来实现对亮暗差异的扩大。线性对比度展宽——实现方法设原图、处理后的结果图的灰度值分别为[f(i,j)]和[g(i,j)];要求[g(i,j)]和[f(i,j)]均在[0，255]间变化，但是g的表现效果要优于f。因为f和g的取值范围相同，所以通过抑制不重要的部分，来扩展所关心部分的对比度。线性对比度展宽——实现方法为了达到上面所提出的目的，原图（横轴上的f(i,j)）与处理后图（纵轴上的g(i,j)）的灰度影射关系可用下图表示。255abfg255gagbαγβ(i,j)(i,j)线性对比度展宽——实现方法(,)(,)((,))((,))abfijgijfijagfijbg0(,)(,)(,)255fijaafijbbfij将上面图示的影射关系，用计算公式表达即为：(1,2,...,;1,2,...,)imjn线性对比度展宽——灰级窗当256个灰度级所表示的亮暗范围内的信息量太大，没办法很好地表述时，通过开窗的方式，每次只把窗内的灰度级展宽，而把窗外的灰度级完全抑制掉。（示例）例如，CT图像的原始数据为12bit（或是16bit），要将其显示出来，则只能转换为8bit，于是有了16归并为1（或256归并为1）的需要。这时，开骨窗、肌肉窗、组织窗就可分别清晰地显示相应的内容。线性对比度展宽——灰级窗的实现方法如图所示，绘级窗实际上是线性对比度展宽的一种特殊形式。255abfg255gagbαγβ(i,j)(i,j)255abfg255β(i,j)(i,j)线性对比度展宽灰级窗动态范围调整——动态范围的概念动态范围：是指图像中所记录的场景中从暗到亮的变化范围。动态范围对人视觉的影响：由于人眼所可以分辨的灰度的变化范围是有限的，所以当动态范围太大时，很高的亮度值把暗区的信号都掩盖了。动态范围调整——动态范围调整的思路动态范围调整思路：通过动态范围的压缩可以将所关心部分的灰度级的变化范围扩大。动态范围调整方法分为以下两种：1）线性动态范围调整2）非线性动态范围调整线性动态范围调整——基本思路通过把原图中“不太黑”的像素也变成黑，把原图中“不太白”的相素也变成白的方式，来压缩动态范围，使新的图像中，关心部分的对比度可以展宽。如下图所示，将原来[0,255]范围内的亮暗变化，压缩到[a,b]范围内。黑白ab0255线性动态范围调整——实现方法按照上面的设计思路，可以得到新图与原图的对应关系如下。可以看到，线性动态范围调整的影射关系与灰级窗的相同。黑白ab0255255abfg255(i,j)(i,j)线性动态范围调整——例题1399821373360646820529260黑：02白：9703999003933606469005090600299900292270747900509070将[2,7]转换到[0,9]作用：进行亮暗限幅g(i,j)=9/5*f(i,j)-18/5C=16.9211C=26.2895非线性动态范围调整——原理提出非线性动态范围调整，是因为线性动态范围调整的分段线性影射不够光滑。非线性动态范围调整，要求可以用光滑的曲线来实现。考虑到人眼对视觉信号的处理过程中，有一个近似对数算子的环节，因此，可采用对数运算来实现非线性动态范围调整。非线性动态范围调整示例非线性动态范围调整——实现方法设原图为[f(i,j)]，处理后的图像为[g(i,j)]，则影射关系为：10(,)log(1(,))gijcfij非线性动态范围调整——例题13998213733606468205292603599943585580868940749480g(i,j)=9*log(f(i,j)+1)作用：将暗的部分扩展，而将亮的部分抑制。C=16.9211C=18.7632直方图均衡化——基本原理直方图均衡化方法的基本思想是，对在图像中像素个数多的灰度级进行展宽，而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。因为灰度分布可在直方图中描述，所以该图像增强方法是基于图像的灰度直方图。设f、g分别为原图像和处理后的图像。求出原图f的灰度直方图，设为h。显然，在[0,255]范围内量化时，h是一个256维的向量。直方图均衡化方法实现——1.求直方图例1399821373360646820529260f注：这里为了描述方便起见，设灰度级的分布范围为[0,9]。[3,2,4,4,1,1,4,1,2,3]h直方图均衡化方法实现——1.求直方图1）求出图像f的总体像素个数Nf=m*n(m,n分别为图像的长和宽）2）计算每个灰度级的分布概率，即每个像素在整个图像中所占的比例。hs(i)=h(i)/Nf(i=0,1,…,255)直方图均衡化方法实现——2.计算原图的灰度分布概率例[3,2,4,4,1,1,4,1,2,3]hhs=h/25[3/25,2/25,4/25,4/25,1/25,1/25,4/25,1/25,2/25,3/25]hs直方图均衡化方法实现——2.计算原图的灰度分布概率=[0.12,0.08,0.16,0.16,0.04,0.04,0.16,0.04,0.08,0.12]灰度级0123456789设图像各灰度级的累计分布hp。0()()ipskhihk0,1,2,...,255i直方图均衡化方法实现——3.计算原图灰度的累计分布例直方图均衡化方法实现——3.计算原图灰度的累计分布hs=[0.12,0.08,0.16,0.16,0.04,0.04,0.16,0.04,0.08,0.12]hp=[0.12,0.20,0.36,0.52,0.56,0.60,0.76,0.80,0.88,1.00]直方图均衡化方法实现——4.计算原、新图灰度值的影射关系新图像g的灰度值g(i,j)为255()(,)0(,)0(,)0hpkfijgijfij():(,)((,)0)phkfijfij的累计概率分布例直方图均衡化方法实现——4.计算原、新图灰度值的影射关系hp=[0.12,0.20,0.36,0.52,0.56,0.60,0.76,0.80,0.88,1.00]9*hp=[0,1.80,3.24,4.68,5.04,5.40,6.84,7.20,7.92,9.00]影射关系：新图[0,2,3,5,5,5,7,7,8,9]原图[0,1,2,3,4,5,6,7,8,9]例f2599832575570757830539370g1399821373360646820529260C=16.92119*hpC=15.8421注：请同学们思考一下，为什么均衡化后的对比度还降低了？直方图均衡化方法实现——4.计算原、新图灰度值的影射关系直方图均衡化方法实现——5.原、新图灰度直方图比较01234567890123456789f的灰度直方图g的灰度直方图直方图均衡化方法效果示例直方图均衡化方法——比较例f’1599844545580868840448480g1399822323360646620226260C=16.68429*hpC=17.1974直方图均衡化方法——比较例f1399821373360646820529260C=16.9211f’1399822323360646620226260C=16.6842()[3,2,4,4,1,1,4,1,2,3]hf(')[3,1,7,4,1,0,6,0,1,2]hf结论：原图的灰度分布均衡性越差，均衡化后的效果越好。伪彩色增强方法——基本原理由于人眼分辨不同彩色的能力比分别不同的灰度级的能力强，因此，把人眼无法区别的灰度变化，施以不同的彩色来提高识别率，这便是伪彩色增强的基本依据。伪彩色增强方法——基本思路要由灰度图像生成一幅彩色图像是一个一到三的影射。显然由少信息量获得多信息量必然是基于估计原理。也就是说，对未知的部分，通过各种手段进行合理的估计。研究的目的不同，则给出的灰度到彩色的估计影射方法也随之不同。伪彩色增强方法——分类伪彩色增强方法大致可以分为以下三类：1.基于灰度变换的伪彩色方法2.基于灰度调色板的伪彩色方法3.基于区域分割的伪彩色方法谢谢大家作业P513(1),(2),(3)不要求计算对比度。