图像改善

第六章图像改善图像退化与复原图像增强6.1图像退化与复原为了改善图像的质量，人们在空间域和变换域分别采用了相应的处理方法。图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目，即根据退化原因，分析引起退化的环境因素，建立相应的数学模型，并且按照图像降质的逆过程恢复图像。6.1图像退化与复原h(x,y)f(x,y)+g(x,y)n(x,y)图6.1退化过程的输入和输出的关系求退化函数的方法有估计法、逆滤波、维纳滤波、约束最小二乘方滤波、中值滤波(,)(,)*(,)(,)(,)(,)(,)(,)gxyfxyhxynxyGuvFuvHuvNuv6.1图像退化与复原图像增强图像增强引言空域处理点运算增强直方图增强彩色图像增强空域模板滤波频域处理频域滤波从频域规范产生空域模板图像增强引言图像增强的应用及分类图像处理的最基本的目的之一是改善图像改善图像最常用的技术就是图像增强图像增强有两大类应用第一类是改善图像的视觉效果突出图像的特征，便于计算机处理图像增强按作用域分为两类，即空间域和频域处理空域处理是直接对图像进行处理频率域则是在图像的某个变换域内，对图像的变换系数进行运算，然后通过逆变换获得图像增强的效果。图像降质的原因1图像传输等过程中，由于信道带宽的限制所造成的图像模糊，相当于g=[h]f其中，f和g分别表示原始图像和模糊后的图像，h为信道的冲击响应。2图像中的噪声干扰加性噪声：g=f+n乘性噪声：g=f+v1f量化噪声：量化时带来的噪声盐粒、胡椒面噪声背景干扰：入射光的不均匀性造成图像f(m,n)的畸变图像降质的原因3信好减弱，对比度下降4成像条件欠缺，获取图像的清晰度偏低归纳起来，图像质量退化的原因：对比度问题：对比度局部或全部偏低，影响图像视觉噪声干扰问题：使图像蒙受干扰和破坏清晰度下降问题：使图像模糊不清，甚至严重失真图像增强的目的及应用范围针对图像的退化和不足，改善图像的质量以较好地满足实际的需要，是图像增强的目的。图像增强并不去估计图像实际退化的过程和实际退化因素而加以矫正，而只是考虑图像退化的一般性质，加以修正，以求得一般的或平均的图像质量改进。例如：边沿锐化去模糊、平滑去噪声、直方图修正对比度增强等。灰度变换增强图像什么是灰度变换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灰度变换的作用灰度变换可使图像的动态范围加大，图像对比度扩展，图像清晰，特征明显，是图像增强的重要手段灰度级变换的应用亮度调整、对比度拉伸空域处理——灰度变换增强灰度变换的分类线性变换，非线性变换线性变换原始图像：f(x,y),灰度范围：[a,b]变换后图像:g(x,y),灰度范围:[a0,b0]000(,)(,)bagxyafxyaba空域处理——灰度变换增强图6.2灰度变换f(x,y)g(x,y)分段线性变换为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间，可以采用分段线性变换。(,),0(,)(,)(,),(,)(,),(,)gfffgcfxyfxyaadcgxycfxyaafxybbamddfxybbfxymmbabcdmm空域处理——灰度变换增强f(x,y)g(x,y)非线性灰度变换ln[(,)1](,)lnfxygxyabc利用对数函数、指数函数作为映射函数时，可以实现图像的非线性灰度变换。对数函数变换和指数函数变换分别表示为[(,)](,)1cfxyagxyb灰度变换的应用之一对比度调整局部提高、局部降低对比度灰度变换的应用之一亮度调整直方图修正法—直方图均衡直方图均衡化一种自动调节图像对比度质量的算法使用的方法是灰度变换：s=T(r)基本思想是通过灰度级r的概率密度函数p(rk),求出灰度变换函数T(r)直方图均衡化的技术要点：公理：直方图p(rk)为常数的图像对比度最好目标：寻找一个灰度变换函数T(r)，使结果图像的直方图p(sk)为一个常数。空间域处理——图像的直方图图6.3直方图均衡化空间域处理——图像的直方图图6.3直方图均衡化例6.1：直方图均衡化计算。设有一幅大小为64*64的8bit灰度图像，直方图均衡化的计算步骤如下：序号运算1列出原始图像灰度级fk,k=0,1,2,……(8种)）2统计原始直方图各灰度级像素nk3计算原始直方图nk/n4计算累积直方图gk5取整tk=int[(N-1)gk+0.5]（此处N=8）6确定映射对应关系(fk-tk)7统计新直方图各灰度级像素nk8计算新直方图nk/n表6.1直方图均衡化计算步骤序号步骤和结果1012345672750103578063632026019012530.180.250.190.160.080.060.050.0340.180.430.620.780.860.920.971.051345566660-10-11-33,4-55,6,7-670750010357809565750800.1800.250.190.240.140直方图均衡缺陷虽然直方图方法满足了对偏暗或者偏亮图像的均衡,但仍然存在缺点:①变换后图像的灰度级减少,某些细节消失;②某些图像,如直方图有高峰,经处理后对比度不自然地过分增强;③可能由于过分增强噪声,灰度严重失真。OriginalimageHistogramequalizationOriginalimageBBHEOriginalimageHistogramequalizationOriginalimageBBHE图像过增强双直方图均衡为了改进直方图均衡的缺点，出现了双直方图均衡。即选择一个合适的灰度阈值，将原图像划分为2个子图，分别进行均衡。设灰度级gray为门限，将原图像f分解为2个子图像f1与f2，原图像中所有灰度值小于等于门限的构成子图f1，原图像中灰度值大于门限的构成子图f2。对2个子图f1和f2分别统计直方图，f1在灰度fmin到gray范围中进行均衡，f2在灰度gray+1到fmax范围中进行均衡。OriginalimageHistogramequalizationOriginalimageBBHE(a)原图(b)直方图增强(c)原图(d)双直方图增强abcdOriginalimageHistogramequalizationOriginalimageBBHEabcd(a)原图(b)直方图增强(c)原图(d)双直方图增强直方图规定化直方图规定化是一种借助直方图变换来增强图像的方法，它将原始图像直方图转换为期望的直方图，从而达到预先确定的增强效果。直方图增强的优点是自动地增强整个图像的对比度，处理结果总是得到全局均衡化的直方图。实际应用中有时需要变换直方图使之成为某个特定的形状，以便有选择地增强某个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化方法。正确的选择规定化的增强函数，可获得比直方图均衡化处理更好的效果。例6.2:直方图规定化的处理过程。设一幅图像大小为64*64,灰度级为8级。表6.2所示为原始直方图的数据，表6.3所示为均衡化处理后的直方图数据，表6.4所示为规定的直方图数据。rk01/72/73/74/75/76/71nk790102385065632924512281nk/n0.190.250.210.160.080.060.030.02表6.2原始直方图数据直方图规定化图6.5直方图规定化频域滤波原理