1、第4章 图像增强（1）,4.1 图像增强概述,图像增强（image enhancement）的定义：在图像的获取过程中，由于多种因素的影响，导致图像质量退化。图像增强是对退化图像的某些特征，如边缘、轮廓、对比度等进行强调或锐化处理。,图像增强的目的： 改善图像的视觉效果，提高图像的清晰度； 将图像转化为更适合计算机或人分析、处理的形式。 即图像增强的目的是使其比原始图像更适合于特定应用。图像增强的方法是因应用不同而不同的。,图像增强的效果评价： 图像增强的结果很难量化描述，因此没有通用的量化理论。 增强的结果往往具有针对性，一般靠人的主观感觉加以评价。 因此，图像增强方法只能有选择地使用。,4
2、.1.2 图像增强研究的内容,图像增强不是以图像的保真度为原则，而是通过处理设法有选择地突出某些感兴趣的信息，便于人或机器分析这些信息，抑制一些无用的信息，以提高图像的使用价值。 本章主要介绍灰度图像增强的基本理论和方法。,4.2 空间域单点增强,点运算是指像素值通过运算改变之后，可以改善图像的显示效果。这是一种像素的逐点运算。点运算与相邻的像素之间没有运算关系，是一种简单且十分有效的图像处理手段。 对于一幅输入图像，经过点运算将产生一幅输出图像，输出图像上每个像素的灰度值仅由相应输入像素的灰度值决定，而与像素点所在的位置无关。对比度增强、对比度拉伸或灰度变换都属于点运算。它是图像数字化软件和
3、图像显示软件的重要组成部分。,通过记录装置把一景物变成一幅图像，在成像过程中，扫描系统、光电转换系统中的很多要素，如光照的强弱、感光部件的灵敏度、光学系统的不均匀性、元器件特性的不稳定等均可引起图像亮度分布的不均匀。导致图像中的某些部分亮，某些部分暗。灰度级校正就是对图像像素进行逐点修正，降低成像的不均匀性，使整幅图像能够均匀成像。,4.2.1 灰度级校正,设理想真实的图像为f (i, j)，实际获得的含噪声的图像为g (i, j) ，则有 g (i, j)=e (i, j) f (i, j) e (i, j)是使理想图像发生畸变的比例因子。显然只要知道了e (i, j) ,就可以求出不失真图
4、像。,标定系统失真系数的方法之一是采用一幅灰度级为常数C的图像成像，若经成像系统的实际输出为gc (i, j) ，则有 gc (i, j)=e (i, j) C （4.2）从而可得比例因子： e (i, j) = gc (i, j) C -1 (4.3),将上式代入(4.1)式，就可得实际图像g(i, j)，经校正后所恢复的原始图像f (i, j)f (i, j)=C g (i, j) / gc (i, j) (4.4)由于乘了一个系数C / gc (i, j)，所以校正后有可能出现“溢出”现象，即灰度级值可能超过某些记录器件或显示设备输入信号的动态可范围，因此需再作适当的灰度变换，最后对变换
5、后的图像进行量化。,4.2.2 灰度变换,灰度变换可使图像动态范围增大，图像对比度扩展，从而使图像变得清晰，以及图像上的特征变得明显。 1线性变换令原图像f (i, j)的灰度范围为a, b，线性变换后图像g (i, j)的范围为a, b，g (i, j)与f (i, j)之间的关系为： （4.5),在嚗光不足或者过度的情况下，图像灰度可能会局限在一个很小的范围内。这时看到的图像是一个模糊不清、似乎没有灰度层次的图像。采用线性变换对图像的每一个像素灰度作线性拉伸，将有效地改善图像的视觉效果。,a,b,分段线性变换是为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区间。常用的是三段线性
6、变换，如图4.3所示。,对应的数学表达式为: 上图中对灰度区间a，b进行了线性拉伸，而灰度区间0，a和b，Mf 则被压缩。仔细调整折线拐点的位置及控制分段直线的斜率，可以对图像的任一灰度区间进行拉伸或压缩 。,例1：在MATLAB环境中，采用图像线性变换进行图像增强。应用MATLAB的函数imadjust将图像0.32550.7255灰度之间的值通过线性变换映射到0255之间。 解：在（4.5）式中各值分别取：a0.3255，b0.7255，a=0，b=255。实现的程序如下：,A=imread(pout.tif); %读入图像 imshow(A); %显示图像 J1=imadjust(A,0
7、.3 0.7,); %使用此函数，将图像在0.3*2550.7*255灰度之间的值通过线性变换映射到0255之间 figure,imshow(J1); %输出图像效果图,J1=imadjust(A,0.5 0.7,); J1=imadjust(A,0.3 0.8,);,例2： A=imread(cameraman.tif); %读入图像 imshow(A); %显示图像J1=imadjust(A,0.3 0.7,); %使用此函数，将图像在0.3*2550.7*255灰度之间的值通过线性变换映射到0255之间 figure,imshow(J1); %输出图像效果图,J1=imadjust(A,
8、0.5 0.7,); J1=imadjust(A,0.3 0.8,);,2非线性灰度变换当用某些非线性函数如对数函数、指数函数等作为映射函数时，可实现图像灰度的非线性变换。对数变换的一般表达式为：其中c是比例系数。对数变换可以增强低灰度级的像素，压制高灰度级的像素。当希望对图像的低灰度级区进行较大的拉伸而对高灰度区压缩时，可采用这种变换，它能使图像灰度分布与人的视觉特性相匹配。,A=imread(pout.tif); imshow(A);A = double (A); A2=log10(1+abs(A);J=function_qutity(A2,256); J=label2rgb(J); J=
9、rgb2gray(J);figure, imshow(J);,4.2.3 灰度直方图变换,一幅图像的直方图表示该图像中不同灰度级像素出现的相对频率。是图像分析的最简单且最有用的工具之一。,A=imread(pout.tif); %读入图像 imshow(A); %显示图像 figure,imhist(A); %显示图像的直方图 J1=imadjust(A,0.3 0.7,); %使用此函数，将图像在0.3*2550.7*255灰度之间的值通过线性变换映射到0255之间 figure,imshow(J1); %输出图像效果图 figure,imhist(J1) %输出图像的直方图,灰度直方图反映
10、了数字图像中每一灰度级与其出现频率间的统计关系。 它能描述图像的概貌 ，如图像的灰度范围、每个灰度出现的频率、灰度级的分布、整幅图像的平均明暗和对比度等，为对图像进一步处理提供了重要依据。 比如，当图像灰度分布集中在较窄的区间，引起图像不够清晰时，采用直方图变换，可使图像的灰度间距拉开或使灰度分布均匀，从而增大对比度，使图像细节清晰，达到增强的目的。,直方图变换通常有直方图均衡化及直方图规定化两类。我们主要介绍直方图均衡化处理。 直方图均衡化是通过对原图像进行某种变换，使得图像的直方图变为均匀分布的直方图 ，从而达到增强的效果。,若以r和s分别表示原图像和经直方图变换后的图像灰度，r,s0,1
11、。 在0,1区间内的任一个r，经变换T(r)都可产生一个s，写成: s=T(r) T(r)为变换函数，它满足下列条件： 在0,1之间满足单调递增 (保证灰度级从黑到白的次序不变） ； 且满足0T(r) 1（保证灰度在允许的范围内）。,直方图均衡化处理,从人眼的视觉特征来考虑，一幅图像的灰度直方图如果是均匀分布的，即灰度的概率密度分布是一个常数时，感觉上图像比较协调。因此，将图像的直方图均衡化，可以满足人眼的要求。 对于连续图像，当变换函数是原图像直方图累积分布函数时，能达到直方图均衡化(直方图均匀分布)的目的。而对于离散的图像，用频率来代替概率。,例4.2 假定有一幅总像素为n6464的图像，
12、灰度级数为8，各灰度级分布列于表4.1中。试对其进行直方图均衡化。,例：在MATLAB环境中，采用直方图均衡的方法进行图像增强 。A=imread(pout.tif); I=histeq(A); %调用函数完成直方图均衡化 subplot(1,2,1),imshow(A); %直方图均衡化前的图像效果 subplot(1,2,2),imshow(I); %直方图均衡化后的图像效果 figure, subplot(1,2,1),imhist(A); %均衡化前的直方图 subplot(1,2,2),imhist(I); %均衡化后的直方图,课堂作业 已知灰度图像f（x，y）如下33矩阵所示,求经过灰度点变换后的图像g（x，y）。 f(x,y)=121 20 163;10 183 125;155 60 93。变换关系gG（f）如图所示。,
