图像增强技术基础、评价指标及其经典算法
圖像增強技術(shù)基礎(chǔ)、評價指標(biāo)及其經(jīng)典算法
轉(zhuǎn)載自：https://blog.csdn.net/zyk1120102464/article/details/78167443
圖像增強技術(shù)基礎(chǔ)及其經(jīng)典算法
?
?
第一章 圖像的基礎(chǔ)知識
?
?
1.圖像信號的基本概念
?
?
1.1. 數(shù)字圖像的基本類型
?
?
1.1.1位圖
?
位圖是使用二維像素矩陣來表示的圖像，每個像素的亮度信息或者顏色信息用灰度或RGB分量表示。每一個像素值所占的比特位可以是1、4、8、16、24、位等，位數(shù)越高所包含的信息就越豐富。與其不同的是矢量圖。
?
1.1. 2.二值圖像
?
二值圖像有黑白兩種顏色構(gòu)成，也叫黑白圖像，其圖像像素值只有0和1兩個值。
?
1.1.3.灰度圖像
?
二值圖像是一種灰度圖像的特殊情況。灰度圖像在黑色和變色之間加入了2g-2個顏色深度（g表示比特位數(shù)）。
?
1.1.4.索引圖像
?
索引圖像世界上就是把像素的值作為顏色的索引序號，可以根據(jù)這個序號能找到該像素對應(yīng)的實際顏色。同時可以根據(jù)需要定義很多索引圖像，常用的有熱金屬色、偽彩圖像等。s
?
1.1.5.RGB彩色圖像
?
自然界中幾乎所有的顏色都可以有三原色（RGB）組合而成，RGB圖像應(yīng)用了這一原理。RGB圖像有紅綠藍三個分量組成，一般的RGB圖像像素每個顏色分量8位，共24位，理論上行可以合成224中不同的顏色。
?
1.2. 圖像的彩色模型
?
①RGB——加色混合色彩模型
②CMY——減色混合色彩模型
③YUV模型和YIQ模型——應(yīng)用于電視傳播系統(tǒng)的色彩模型
④YCbCr顏色空間
⑤HIS——數(shù)據(jù)額色彩模型
?
1.3. 圖像的分辨率
?
①空間分辨率：圖像的大小
②灰度級分辨率：每個像素所占的位數(shù)
?
2.人眼的視覺原理
?
?
2.1相對視敏度
?
人眼對輻射功率相同而波段不同的光產(chǎn)生的亮度感覺不同。感覺最亮的是黃綠色（波長為555nm），下圖為白天正常光照下的相對視敏度曲線
?
2.2明暗視覺
?
不同亮度下，人眼的視敏度曲線會發(fā)生變化。弱光條件下，視敏度曲線會向左移。
?
2.3對比靈敏度
?
研究表明，人眼剛能分辨的強度差ΔI是背景I的函數(shù)，有時采用相對辨別門限ΔI/I或稱之韋伯比（Weber Ratio）來表示辨別情況。ΔI/I在相當(dāng)寬的強度范圍內(nèi)近似為常數(shù)，約等于0.02，但當(dāng)照明強度過高或過低時則不成立。圖2 給出了韋伯比與照明強度的關(guān)系。由于人眼的韋伯比的作用，加之當(dāng)人眼適應(yīng)了某種恒定的背景亮度后，對黑白的感覺范圍相應(yīng)縮小，所以人眼對高亮度背景和低亮度背景中的圖像細節(jié)的敏感度比較低，而對中亮度背景中的圖像細節(jié)的敏感度比較高。因此，可以根據(jù)人眼的視覺特性對灰度圖像的直方圖進行改進，將圖像的灰度調(diào)整到人眼視覺觀察的最佳范圍，從而使圖像更有利于人眼的觀察和識別。
?
?
2.4可見度閾值和馬赫帶消影
?
可見度閾值時指人眼剛好能識別的干擾值，低于該閾值的干擾值就是覺察不來的。
所謂"馬赫帶效應(yīng)（Mach band effect）"是指視覺的主觀感受在亮度有變化的地方出現(xiàn)虛幻的明亮或黑暗的條紋，馬赫帶效應(yīng)的出現(xiàn)是人類的視覺系統(tǒng)造成的。生理學(xué)對馬赫帶效應(yīng)的解釋是：人類的視覺系統(tǒng)有增強邊緣對比度的機制。
?
?
2.5圖像質(zhì)量的評估標(biāo)準(zhǔn)與方法
?
?
2.5.1主觀評價
?
主觀直接反應(yīng)人眼的感覺。
?
2.5.2客觀評價
?
通過計算恢復(fù)圖像偏離原始圖像的誤差來衡量恢復(fù)圖像的質(zhì)量，最常用的有均方誤差和峰值信噪比：
?
（n代表像素的位數(shù)）
?
第二章 常用圖像增強技術(shù)
?
?
1.空域圖像增強
?
?
1.1灰度變換
?
空域增強方法可表示為
?
表示增強后的圖像，表示增強前的圖像；表示增強操作。若是定義在每個上的，是點操作。常見的變換有：
?
1.1.1線性變換
?
?
1.1.2非線性變換（對數(shù)變換、冪次變換等）
?
?
1.2直方圖（Histogram）均衡
?
直方圖均衡以概率統(tǒng)計為基礎(chǔ)進行增強處理。以橫軸表示直方圖的灰度級，縱軸表示對應(yīng)灰度級的像素個數(shù)，就可得到圖像的直方圖，直方圖提供了原圖的灰度值分布情況和整體描述；通過改變直方圖的形狀可以達到增強圖像對比度的效果。
基于直方圖的灰度變換,是調(diào)整圖像直方圖到一個預(yù)定的形狀。例如,一些圖像由于其灰度分布集中在較窄的區(qū)間，對比度很弱,圖像細節(jié)看不清楚。如：
此時,可采用圖像灰度直方圖均衡化處理,使得圖像的灰度分布趨向均勻,圖像所占有的象素灰度間距拉開,加大圖像反差，改善視覺效果,達到增強目的。增強后的圖像如下：
直方圖灰度變換后，直方圖占據(jù)整個圖像灰度值的允許范圍，增加了圖像的動態(tài)范圍，細節(jié)清楚了。
直方圖均勻化處理的思路：
①將原始圖像灰度級歸一化在之間，即；
②設(shè)為原始圖像灰度分布的概率密度函數(shù),
直方圖均勻化處理實際上就是尋找一個灰度變換函數(shù)，使變化后的灰度值，且歸一化為；
再建立原象素與新象素之間的映射關(guān)系；
主要是要求處理后圖像灰度分布的概率密度函數(shù)均為，即期望所有灰度級出現(xiàn)概率相同。累計分布函數(shù)是常用的均衡化函數(shù)。
累計分布函數(shù)能作為直方圖均衡的原因：假設(shè)下圖是一個640×480圖像的累計分布函數(shù)曲線。該曲線的低像素值和高像素值數(shù)量較少，所以曲線的兩端較為平坦；而在中間灰度值的像素較多，所以曲線較為陡峭。基于此，直方圖均衡后應(yīng)該能使中間值的像素被拉伸，其它灰度值的像素被壓縮。而圖中的累計分布函數(shù)曲線恰好可以實現(xiàn)這一點。
?
例子：
設(shè)一幅圖像64*64=4096個像素(即N=4096)，共有8個灰度級(0-7)，采用累計分布函數(shù)均衡化灰度級。
分布情況如下：
| 灰度級 | r0=0 | r1?=1/7 | r2?=2/7 | r3?=3/7 | r4?=4/7 | r5?=5/7 | r6?=6/7 | r7?=1 |
| 像素數(shù) | 790 | 1023 | 850 | 656 | 329 | 245 | 122 | 81 |
| 概率 | 0.19 | 0.25 | 0.21 | 0.16 | 0.08 | 0.06 | 0.03 | 0.02 |
計算新的圖像：
?
1.3空域濾波
?
?
1.3.1鄰域均值濾波
?
用于平滑噪聲，但在邊緣區(qū)域會造成模糊效應(yīng)。
?
1.3.2中值濾波
?
中值濾波是基于統(tǒng)計排序，在平滑噪聲時對邊緣區(qū)域的保持效果要優(yōu)于鄰域均值法，但計算時間較長。
?
1.3.3拉普拉斯模板
?
拉普拉斯模板主要用于圖像銳化，缺點是對噪聲比較敏感。
拉普拉斯算子是最簡單的各向同性微分算子，具有旋轉(zhuǎn)不變性。一個二維圖像函數(shù) 的拉普拉斯變換是各向同性的二階導(dǎo)數(shù)，定義為：
為了更適合于數(shù)字圖像處理，將該方程表示為離散形式：
另外，拉普拉斯算子還可以表示成模板的形式，如下圖所示。（a）表示離散拉普拉斯算子的模板，（b）表示其擴展模板，（c）則分別表示其他兩種拉普拉斯的實現(xiàn)模板。從模板形式容易看出，如果在圖像中一個較暗的區(qū)域中出現(xiàn)了一個亮點，那么用拉普拉斯運算就會使這個亮點變得更亮。因為圖像中的邊緣就是那些灰度發(fā)生跳變的區(qū)域，所以拉普拉斯銳化模板在邊緣檢測中很有用。一般增強技術(shù)對于陡峭的邊緣和緩慢變化的邊緣很難確定其邊緣線的位置。但此算子卻可用二次微分正峰和負峰之間的過零點來確定，對孤立點或端點更為敏感，因此特別適用于以突出圖像中的孤立點、孤立線或線端點為目的的場合。同梯度算子一樣，拉普拉斯算子也會增強圖像中的噪聲，有時用拉普拉斯算子進行邊緣檢測時，可將圖像先進行平滑處理。
圖像處理中的拉普拉斯算子
圖像銳化處理的作用是使灰度反差增強，從而使模糊圖像變得更加清晰。圖像模糊的實質(zhì)就是圖像受到平均運算或積分運算，因此可以對圖像進行逆運算，如微分運算能夠突出圖像細節(jié)，使圖像變得更為清晰。由于拉普拉斯是一種微分算子，它的應(yīng)用可增強圖像中灰度突變的區(qū)域，減弱灰度的緩慢變化區(qū)域。因此，銳化處理可選擇拉普拉斯算子對原圖像進行處理，產(chǎn)生描述灰度突變的圖像，再將拉普拉斯圖像與原始圖像疊加而產(chǎn)生銳化圖像。拉普拉斯銳化的基本方法可以由下式表示：
這種簡單的銳化方法既可以產(chǎn)生拉普拉斯銳化處理的效果，同時又能保留背景信息，將原始圖像疊加到拉普拉斯變換的處理結(jié)果中去，可以使圖像中的各灰度值得到保留，使灰度突變處的對比度得到增強，最終結(jié)果是在保留圖像背景的前提下，突現(xiàn)出圖像中小的細節(jié)信息。
?
2.頻域圖像增強
?
?
2.1理想低通濾波器ILPF（Idea Low-Pass Filter）
?
傳遞函數(shù)：
式中，D0是一個規(guī)定的非負量，理想低通濾波器的截止頻率；代表從頻率平面的原點到點的距離，
?
2.2巴特沃思低通濾波器BLPF（Butterworth Low-Pass Filter）
?
傳遞函數(shù)（n階）:?，
H(u,v)降到1/2時取為截止頻率D0。
?
2.3高斯低通濾波器
?
?
與巴特沃思低通濾波器一樣，高斯低通濾波器也能避免振鈴效應(yīng)。
?
2.4 Butterworth高通濾波器BHPF
?
?
3.圖像客觀評價指標(biāo)
?
?
3.1人眼視覺系統(tǒng)
?
①人眼分辨細節(jié)的能力與相對亮度成正比，而不是取決于整體亮度，這也是韋伯定律的基礎(chǔ)，因此相對于平坦區(qū)域，人眼對圖像邊緣輪廓新的失真更加敏感。
②人眼對圖像細節(jié)的銘感度與其背景的亮度有關(guān)，對中高亮度背景情況下的細節(jié)信息較敏感，對低亮度和高亮度背景下的細節(jié)敏感度則較低。
③人眼對低頻下的噪聲敏感度要高于高頻區(qū)域，即人眼更容易感知平坦區(qū)域的噪聲，而不是邊緣區(qū)域的噪聲。
?
3.2歸一化灰度差
?
歸一化灰度差NID用來描述絕對亮度值與視頻圖像質(zhì)量的關(guān)系：
?
為人眼視覺的最佳平均灰度值127，為視頻圖像的灰度均值。
?
3.3歸一化對比度
?
?
分別是第個圖像分塊上的最大值和最小值，為視頻圖像分塊個數(shù)。
?
3.4歸一化信息熵
?
式中表示概率分布密度，當(dāng)時，零。顯然，均有均勻分布直方圖的圖像具有最大的信息熵，僅有一個灰度值的圖像的信息熵最小。因此歸一化的信息上NE表示為+
?
?
3.5綜合圖像質(zhì)量
?
越大表示圖像質(zhì)量越好。
?
?
?
總結(jié)
以上是生活随笔為你收集整理的图像增强技术基础、评价指标及其经典算法的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： jekyll 完整安装教程
- 下一篇： 苹果手机邮箱imap服务器没有响应,Ap