图像噪声 图像增强方法分类 基于灰度变换的图像增强方法 基于直方图的图像增强方法 空间域滤波增强技术 频域滤波增强 彩色增强

1. 第六章 图像增强 • 图像噪声 • 图像增强方法分类 • 基于灰度变换的图像增强方法 • 基于直方图的图像增强方法 • 空间域滤波增强技术 • 频域滤波增强 • 彩色增强

2. 图像噪声 • 图像增强是数字图像处理的基本内容之一，其目的是根据应用需要突出图像中的某些“有用”信息，削弱或去除不需要的信息，以达到扩大图像中不同物体特征之间的差别。 • 图像增强算法并不能增加原始图像的信息，而是通过某种技术手段有选择地突出对某一具体应用有价值的信息。

3. 对于数字图像处理而言，噪声是指图像中的非本源信息。因此，噪声会影响人的感官对所接收的信源信息的准确理解。对于数字图像处理而言，噪声是指图像中的非本源信息。因此，噪声会影响人的感官对所接收的信源信息的准确理解。

4. 1. 图像噪声的产生 • 在图像形成过程中，图像数字化设备、电气系统和外界影响将使得图像噪声的产生不可避免 。

5. 2. 图像噪声分类 图像噪声按其产生的原因可分为外部噪声和内部噪声。一般情况下，数字图像中常见的外部干扰主要包括如下几种： • 设备元器件及材料本身引起的噪声。如磁带、磁盘表面缺陷所产生的噪声; • 系统内部设备电路所引起的噪声，包括电源系统引入的交流噪声，偏转系统和箝位电路引起的噪声等; • 电器部件机械运动产生的噪声。如数字化设备的各种接头因抖动引起的电流变化所产生的噪声，磁头、磁带抖动引起的抖动噪声等;

6. 3. 图像噪声特点 • 叠加性； • 分布和大小的不规则性； • 噪声与图像之间具有相关性；

7. 图像增强方法分类 • 图像增强的定义 • 图像增强的目的 • 图像增强的技术方法

8. 图像增强的定义 按我们的需要突出一幅图像中的某些“有用”信息，同时削弱另外一些“无用”信息的图像处理方法。 返回

9. 图像增强（突出边界）

10. 图像增强（消除噪声） 返回

11. 图像增强的目的 • 通过对图像的处理，使图像比处理前 • 更适合一个特定的应用。也就是为了某种应用目的去改善图像的质量。 • 改善图像的视觉效果。 • 突出图像的特征，便于计算机处理。 返回

12. 图像增强的技术方法 主要有空域处理法和频域处理法 （1）空域处理法：直接在图像所在的二维空间进行处理，即直接对每一像元的灰度值进行处理。 （2）频域处理法：将图像从空间域变换到频率域对图像进行处理。

13. 直接灰度变换 直方图均衡化 灰度变换 直方图修正法 直方图规定化 图像的代数运算 空间域 图像平滑 空域滤波 图像锐化 图像增强 高通滤波 频率域 低通滤波 带通、带阻滤波 图6.1 图像增强的主要内容 返回

14. 基于灰度变换的图像增强方法 基于空间域灰度变换的图像增强方法是一种点处理方法。 点处理实际上是灰度到灰度的映射过程，设输入图像每个像元的灰度值为A (x ,y)，输出图像的灰度值为B (x ,y)，表示为： B (x ,y)=f [A(x,y)]， 显然点运算不会改变图像内像素点之间的空间关系。

15. 基于空域灰度变换的图像增强方法 • 直接灰度变换 • 基于图像的直方图进行灰度变换 • 对两个以上的图像进行代数运算实现灰度变换 返回

16. 直接灰度变换 直接灰度变换 按比例线性拉伸 线性拉伸 分段线性拉伸 对数扩展 非线性拉伸 指数扩展

17. 线性拉伸：是将输入图像的灰度值的动态范围按线性关系公式拉伸扩展到指定范围。包括按比例线性拉伸和分段线性拉伸。线性拉伸：是将输入图像的灰度值的动态范围按线性关系公式拉伸扩展到指定范围。包括按比例线性拉伸和分段线性拉伸。 （1）按比例线性拉伸:将原始图像的灰度范围不加区别的扩展。 255 g b’ a’ f 0 a b 48 218 255

19. 提高对比度举例

20. 灰度动态范围较窄 观察直方图分布

21. 对比度拉伸 灰度动态范围变宽

22. 灰度动态范围变宽 观察直方图分布

24. 255 216 23 0 48 196 255

25. 非线性拉伸：是在整个灰度值范围内按照统一的非线性拉伸：是在整个灰度值范围内按照统一的 变换函数来实现对不同灰度值区间的扩展与压缩。 常用的有按对数函数扩展和按指数函数扩展。 按对数函数变换：低灰度区扩展，高灰度区压缩。

26. 按指数函数变换：高灰度区扩展，低灰度区压缩。按指数函数变换：高灰度区扩展，低灰度区压缩。

27. 原始图象

28. 非线性灰度变换对数效应

29. 非线性灰度变换指数效应 返回

30. 水泥微观结构图 基于直方图的图像增强方法 灰度直方图：数字图像中每一灰度级与它出现的频率之间的统计，可以理解为描述各个灰度级的像素出现多少的统计图示。若用横坐标表示灰度级，纵坐标表示频率，就可以看出图像中灰度的分布情况，例： 与左图对应的直方图

32. 较暗图象的直方图 P (r k) r k

33. 较亮图象的直方图 P (r k) r k

34. 对比度较低图象的直方图 P (r k) r k

35. 目的 直方图均衡化 原理及基本算法 基于灰度直方图的图像增强 应用举例 目的 直方图规定化 原理及处理步骤 应用举例

36. 直方图均衡化 1) 目的 将原始图像的直方图变为均衡分布的形式，即将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像。 图像均衡化处理后，图像的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。

37. 对比度较高图象的直方图 P (r k) r k

44. 直方图均衡化 2. 原理 首先假定连续灰度级的情况，推导直方图均衡化变换公式，令r 代表灰度级，P ( r )为概率密度函数。r 值已归一化，最大灰度值为1。

45. 连续灰度的直方图非均匀分布

46. 连续灰度的直方图均匀分布

47. 直方图均衡化 目标 直方图均衡化

48. 要找到一种变换 S=T ( r )使直方图变平直，为使变换后的灰度仍保持从黑到白的单一变化顺序，且变换范围与原先一致，以避免整体变亮或变暗。必须规定： （1）在0≤r≤1中，T(r)是单调递增函数，且0≤T(r)≤1； （2）反变换r=T-1(s),T-1(s)也为单调递增函数，0≤s≤1。

49. 直方图均衡化变换公式推导图示 sj+s sj rj+r rj

50. 考虑到灰度变换不影响像素的位置分布，也不会增减像素数目。所以有考虑到灰度变换不影响像素的位置分布，也不会增减像素数目。所以有