第四章圖像增強

• 1_圖像增強的概念
• 2_空間域增強
• • 2.1_圖像增強的點運算
  • • 2.1.1_灰度變換
    • 2.1.2_直方圖均衡化
    • 2.1.3 直方圖規定化

1_圖像增強的概念

什么是圖像增強：圖像增強是采用一系列技術去改善圖像的視覺效果,或將圖像轉換成一種更適合于人或機器進行分析和處理的形式。

---

兩種圖像增強方法：空間域增強、頻率域增強
空間域增強是直接對圖像各像素進行處理；
頻率域增強是對圖像經傅立葉變換后的頻譜成分進行處理，然后逆傅立葉變換獲得所需的圖像。

本章知識結構圖：

2_空間域增強

2.1_圖像增強的點運算

2.1.1_灰度變換

灰度變換可調整圖像的灰度動態范圍或圖像對比度，是圖像增強的重要手段之一。

線性變換
令圖像f(i，j)的灰度范圍為[a,b]，線性變換后圖像g(i，j)的范圍為[a′,b′]，如圖，g(i，j)與f(i，j)之間的關系式為：g(i,j) = d + (b’-d)/(b-a)*(f(i,j) - a)

對曝光不足或過度的圖像采用線性變換對圖像每一個像素灰度作線性拉伸。可有效地改善圖像視覺效果。

---

分段線性變換

---

非線性灰度變換
例如：對數變換和指數變換

本節總結：當變換的斜率大于1時，效果為水平拉伸（灰度等級密度減小），變換的斜率小于1時，效果為水平縮放（灰度等級密度增大）
下面的例子哪段的斜率大于1，哪段的小于1呢？

答案是：兩頭的小于1，中間的大于1

2.1.2_直方圖均衡化

由于灰度等級分布均勻，圖像動態范圍大，圖像清晰，所以本方法的思想就是通過對原圖像進行某種變換，使原圖像的灰度直方圖修正為均勻分布的直方圖

---

均衡化原理

頻率較小的某些灰度等級被合并到一個或幾個灰度等級中，即頻率小的部分被壓縮，而頻率大的部分被增強。

直方圖均衡化的實質是減少灰度等級換取對比度的擴大。

---

直方圖均衡化的兩個規則：

變化圖像趨勢不得有交叉

---

確保映射后的像素灰度在允許的范圍內

推論:

結合此圖像可知,原圖像每一個灰度值的出現次數 和 最后投影到新圖像上對應得到的新灰度值的次數相等

設原圖像上兩個灰度值a1,a2，對應均衡化之后的新圖像上兩點b1,b2，若a1<a2，則必有b1<b2（相應的若a1>a2，則必有b1>b2）

均衡化的步驟及原理（本例不采用歸一化的方法，也不采用連續的思想，因為那樣剛開始不容易理解）：

左圖為原圖像，右圖為映射圖像，其中灰度值s為原圖中灰度值r映射得到的對應點，由推論2可知：

若r_a < r，則必有s_a< s(其中s_a是r_a映射后的點)

所以有關系式，若r_k對應s_k，則${\sum }_{i=1}^{k}P(r_i)$ = ${\sum }_{i=1}^{k}P(s_i)$

由于我們盡量讓每一段的平均概率（下面簡稱為均高）都盡量如右圖的高($\frac{1}{n}$)，所以即可得到每一個對應的s_k值：
由底長 = 面積/高得
s_k = (${\sum }_{i=1}^{k}P(r_i)$) / ($\frac{1}{n}$)
但是這樣得到的s_k值是不準確的，為什么不準確呢，舉例：若灰度值為0到7，可這樣計算很有可能會出現小數的結果，所以我們每次取近似值（取距離結果最近的灰度值）

---

例題：

2.1.3 直方圖規定化

直方圖規定化是使原圖像灰度直方圖變成規定形狀的直方圖而對圖像作修正的增強方法。
通俗的說就是，你事先知道，若直方圖能改為某個形狀將會使得圖像增強效果最好，所以你就預先設定出來這個形狀，并將原圖像盡力去擬合成此形狀，但是如果直接去擬合，難度很大，所以先將設定好的直方圖和原圖像的直方圖均衡化（設定好的直方圖均衡化后會得到其逆變換公式），將原圖像的均衡化后的直方圖去擬合設定好的并均衡化的直方圖，最后利用逆變換公式進行最后一步

總結

以上是生活随笔為你收集整理的第四章图像增强的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。