图像增强技术基础、评价指标及其经典算法
圖像增強技術基礎、評價指標及其經典算法
轉載自：https://blog.csdn.net/zyk1120102464/article/details/78167443
圖像增強技術基礎及其經典算法
?
?
第一章 圖像的基礎知識
?
?
1.圖像信號的基本概念
?
?
1.1. 數字圖像的基本類型
?
?
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?；叶葓D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）。
?
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，可以根據這個序號能找到該像素對應的實際顏色。同時可以根據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——應用于電視傳播系統的色彩模型
④YCbCr顏色空間
⑤HIS——數據額色彩模型
?
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
?
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，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在相當寬的強度范圍內近似為常數，約等于0.02，但當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系。由于人眼的韋伯比的作用，加之當人眼適應了某種恒定的背景亮度后，對黑白的感覺范圍相應縮小，所以人眼對高亮度背景和低亮度背景中的圖像細節的敏感度比較低，而對中亮度背景中的圖像細節的敏感度比較高。因此，可以根據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（Mach band effect）"是指視覺的主觀感受在亮度有變化的地方出現虛幻的明亮或黑暗的條紋，馬赫帶效應的出現是人類的視覺系統造成的。生理學對馬赫帶效應的解釋是：人類的視覺系統有增強邊緣對比度的機制。
?
?
2.5圖像質量的評估標準與方法
?
?
2.5.1主觀評價
?
主觀直接反應人眼的感覺。
?
2.5.2客觀評價
?
通過計算恢復圖像偏離原始圖像的誤差來衡量恢復圖像的質量，最常用的有均方誤差和峰值信噪比：
?
（n代表像素的位數）
?
第二章 常用圖像增強技術
?
?
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（對數變換、冪次變換等）
?
?
1.2直方圖（Histogram）均衡
?
直方圖均衡以概率統計為基礎進行增強處理。以橫軸表示直方圖的灰度級，縱軸表示對應灰度級的像素個數，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,是調整圖像直方圖到一個預定的形狀。例如,一些圖像由于其灰度分布集中在較窄的區間，對比度很弱,圖像細節看不清楚。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，直方圖占據整個圖像灰度值的允許范圍，增加了圖像的動態范圍，細節清楚了。
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設為原始圖像灰度分布的概率密度函數,
直方圖均勻化處理實際上就是尋找一個灰度變換函數，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系；
主要是要求處理后圖像灰度分布的概率密度函數均為，即期望所有灰度級出現概率相同。累計分布函數是常用的均衡化函數。
累計分布函數能作為直方圖均衡的原因：假設下圖是一個640×480圖像的累計分布函數曲線。該曲線的低像素值和高像素值數量較少，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?；诖?#xff0c;直方圖均衡后應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曲線恰好可以實現這一點。
?
例子：
設一幅圖像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 | 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，但在邊緣區域會造成模糊效應。
?
1.3.2中值濾波
?
中值濾波是基于統計排序，在平滑噪聲時對邊緣區域的保持效果要優于鄰域均值法，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，具有旋轉不變性。一個二維圖像函數 的拉普拉斯變換是各向同性的二階導數，定義為：
為了更適合于數字圖像處理，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模板。從模板形式容易看出，如果在圖像中一個較暗的區域中出現了一個亮點，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生跳變的區域，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，使圖像變得更為清晰。由于拉普拉斯是一種微分算子，它的應用可增強圖像中灰度突變的區域，減弱灰度的緩慢變化區域。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，最終結果是在保留圖像背景的前提下，突現出圖像中小的細節信息。
?
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：
式中，D0是一個規定的非負量，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（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。
?
2.4 Butterworth高通濾波器BHPF
?
?
3.圖像客觀評價指標
?
?
3.1人眼視覺系統
?
①人眼分辨細節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，因此相對于平坦區域，人眼對圖像邊緣輪廓新的失真更加敏感。
②人眼對圖像細節的銘感度與其背景的亮度有關，對中高亮度背景情況下的細節信息較敏感，對低亮度和高亮度背景下的細節敏感度則較低。
③人眼對低頻下的噪聲敏感度要高于高頻區域，即人眼更容易感知平坦區域的噪聲，而不是邊緣區域的噪聲。
?
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量的關系：
?
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。
?
3.4歸一化信息熵
?
式中表示概率分布密度，當時，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綜合圖像質量
?
越大表示圖像質量越好。
?
?
?
總結
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