主講：蘇菡 susuhan@sicnu.edu.cn 圖象增強(qiáng)技術(shù)概述 目標(biāo)：“視覺(jué)”效果更好，圖象保真度不是首要目標(biāo) 方法： 空間域增強(qiáng)：直接處理圖象的象素 頻率域增強(qiáng)：修改圖象的傅立葉變換 評(píng)價(jià)：高度主觀 視覺(jué)解釋：觀察者 機(jī)器感知：機(jī)器識(shí)別 方法分類(lèi) 空間域處理 全局運(yùn)算：在整個(gè)圖象空間域進(jìn)行 局部運(yùn)算：在與象素有關(guān)的空間域進(jìn)行 點(diǎn)運(yùn)算：對(duì)圖象作逐點(diǎn)運(yùn)算 頻域處理 在圖象的Fourier變換域上進(jìn)行處理 圖像增強(qiáng)的一個(gè)應(yīng)用 背景知識(shí) 空間域增強(qiáng)指增強(qiáng)構(gòu)成圖象的象素值 空域技術(shù)基于灰度級(jí)映射變換 映射變換的類(lèi)型取決于增強(qiáng)準(zhǔn)則的選取 象素點(diǎn)(x,y)的3x3鄰域 灰度變換 一種最簡(jiǎn)單的空域變換技術(shù) 點(diǎn)處理 對(duì)比度增強(qiáng)的灰度變換系數(shù) 一些基本的灰度變換 把原始灰度值按照一定的準(zhǔn)則映射到目標(biāo)灰度值 計(jì)算機(jī)實(shí)現(xiàn)：建立映射表 常用的方法: 線性變換 圖像反轉(zhuǎn) 分段線性變換 對(duì)數(shù)以及反對(duì)數(shù)變換 冪次變換 三種基本類(lèi)型的函數(shù) 圖象反轉(zhuǎn) 對(duì)數(shù)變換 s = c log(1+r) 壓縮圖象灰度的動(dòng)態(tài)范圍 典型運(yùn)用是傅立葉譜的顯示 冪次變換 大于1 小于1 等于1 一個(gè)典型運(yùn)用：伽馬校正 冪次變換用于對(duì)比度增強(qiáng) 冪次變換用于對(duì)比度增強(qiáng) 分段線性函數(shù) 對(duì)比度拉伸:提高圖象的灰度級(jí)的動(dòng)態(tài)范圍 通過(guò)細(xì)心調(diào)整折線拐點(diǎn)的位置及控制分段直線的斜率，可對(duì)任一灰度區(qū)間進(jìn)行拉伸或壓縮。 獲取變換函數(shù)的方法之一 灰度切割 應(yīng)用： 增強(qiáng)特征(衛(wèi)星圖象中大量的水) 增強(qiáng)X射線圖象中的缺陷 兩種基本切割方式 用算術(shù)、邏輯操作增強(qiáng) 多幅圖象間的運(yùn)算 算術(shù)運(yùn)算 加法：常用 減法：常用 乘法 除法 邏輯運(yùn)算 與運(yùn)算:常用作模板，從一幅圖象中分離出一幅子圖象(感興趣的區(qū)域：ROI) 或運(yùn)算：同上 非運(yùn)算 圖象減法處理：增強(qiáng)圖象之間的差異 圖象相減在醫(yī)學(xué)上的運(yùn)用 在運(yùn)動(dòng)檢測(cè)上的運(yùn)用 算法設(shè)計(jì)應(yīng)注意的問(wèn)題 直接計(jì)算差值圖象，象素值的差值在-255 ~255 標(biāo)定方法： 方法一：每個(gè)象素值加255，再除2 方法二：找出最小值；每個(gè)象素值減去這個(gè)最小值； 乘以系數(shù)255/max; 加法運(yùn)用的例子：圖象平均處理 空間濾波基礎(chǔ) 示意圖 線性濾波的通用公式 對(duì)于一個(gè)尺寸為m*n的模板，假設(shè)m = 2a + 1, n = 2b + 1, a,b 為非負(fù)整數(shù)， 在M*N的圖象f上，用m*n大小的濾波器模板進(jìn)行線性濾波由下式給出： 3*3空間濾波摸板 非線性濾波 同樣基于鄰域處理，模板移動(dòng)機(jī)理同線性濾波 非線性濾波不能用線性濾波通式表達(dá) 程序?qū)崿F(xiàn)應(yīng)考慮的問(wèn)題 模板移出圖象邊界 應(yīng)對(duì)策略： 限制模板中心點(diǎn)移動(dòng)范圍 邊緣處部分濾波 擴(kuò)大圖象 補(bǔ)0或則常值 復(fù)制邊緣象素 兩個(gè)3*3的平滑濾波器掩模 模糊的一種運(yùn)用： 中值濾波去噪 Sobel應(yīng)用 空間銳化濾波基礎(chǔ) 微分的性質(zhì)： 一階微分： 二階微分： 一階微分會(huì)產(chǎn)生較寬的邊緣，二階對(duì)細(xì)線和孤立點(diǎn)較好，并能保持細(xì)節(jié) 感興趣的微分性質(zhì)：恒定灰度區(qū)域(平坦區(qū)域)，突變的開(kāi)頭和結(jié)尾(斜坡起始點(diǎn)/終點(diǎn))；斜坡處 幾類(lèi)典型邊緣處的微分性質(zhì) 一些結(jié)論： 一階微分處理通常會(huì)產(chǎn)生較寬的邊緣 二階微分對(duì)細(xì)節(jié)有較強(qiáng)的響應(yīng)，如細(xì)線和孤立點(diǎn) 一階微分處理對(duì)階梯狀灰度級(jí)變化有較強(qiáng)的響應(yīng) 二階微分對(duì)階梯狀灰度級(jí)變化產(chǎn)生雙響應(yīng) 1 1 1 1 1 1 1 1 1 模 板 圖像的空間域平滑 任何一幅原始圖像，在其獲取和傳輸?shù)冗^(guò)程中，會(huì)受到各種噪聲的干擾，使圖像惡化，質(zhì)量下降，圖像模糊，特征淹沒(méi)，對(duì)圖像分析不利。 為了抑制噪聲改善圖像質(zhì)量所進(jìn)行的處理稱圖像平滑或去噪。它可以在空間域和頻率域中進(jìn)行。本節(jié)介紹空間域的幾種平滑法。 4.5.1局部平滑法 局部平滑法是一種直接在空間域上進(jìn)行平滑處理的技術(shù)。假設(shè)圖像是由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關(guān)性，而噪聲則是統(tǒng)計(jì)獨(dú)立的。因此，可用鄰域內(nèi)各像素的灰度平均值代替該像素原來(lái)的灰度值，實(shí)現(xiàn)圖像的平滑。 設(shè)有一幅N×N的圖像f(x,y)，若平滑圖像為g(x,y),則有 式中x,y=0,1,…,N-1； s為(x,y)鄰域內(nèi)像素坐標(biāo)的集合； M表示集合s內(nèi)像素的總數(shù)。 可見(jiàn)鄰域平均法就是將當(dāng)前像素鄰域內(nèi)各像素的灰度平均值作為其輸出值的去噪方法。 (m+1,n+1) (m+1,n) (m+1,n-1) (m,n+1) (m,n) (m,n-1) (m-1,n+1) (m-1,n) (m-1,n-1) 例如，對(duì)圖像采用3×3的鄰域平均法，對(duì)于像素 (m,n)，其鄰域像素如下： 則有： 其作用相當(dāng)于用這樣的模板同圖像卷積。

總結(jié)

以上是生活随笔為你收集整理的matlab 超限像素平滑法,matlab超限像素平滑法_图像增强技术.ppt的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。