• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号
登陆 注册

数字图像处理及matlab实现知识点总结 5-10 杨杰

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

第五章图像增强

两个方法：

1）空间域增强：点处理，模板处理即领域处理
2）频率域增强：高低通滤波，同态滤波

1.空间域图像增强

1）点处理

基于灰度变换

  • 灰度线性变换
    作用：对每一个像素灰度做线性拉伸
    g（x,y）=af（x,y）+b
    适用于：对曝光不足或过度的图片，即图像灰度局限在一个很小的范围。

  • 分段线性变换
    作用：增强对比度。突出关注的部分，相对抑制不受关注的灰度区间。


  • 反转变换（imcomplement）
    s=L−1−r
    作用：增强嵌入图像暗色区域的白色或灰色细节，特别是当黑色面积占主导地位时。
  • 对数变换（动态范围压缩）
    s=c∗log（1+r）
    作用：扩张较小的灰度范围，压缩数值较大的灰度范围

基于直方图（概率密度图）

反映了数字图像每一灰度级与其出现频率间的关系，它能描述该图像的概貌。

  • 直方图均衡化
    将原图像通过某种变换，得到一幅灰度直方图为均匀分布的新图像。

    1)统计原始图像的直方图：pr（rk）=nk/n,
    rk是归一化的输入图像灰度级。
    2）计算直方图累积分布曲线，
    sk=T（rk）=sum（Pr（rj））=sum（nj/n）
    3)用累积分布函数作为变换函数进行图像灰度变换。

实质：减少图像的灰度级以换取对比度的加大。


实验结果：
1）变换后趋于平坦，灰度级减少，灰度合并
2）原始图像含有像素较多的几个灰度间隔拉大了，压缩的只是像素数较少的几个灰度级，实际视觉能够接收的信息量大大增强了。

  • 直方图规定化
    1）使用情况：
    需要具有特定的直方图的图像，以便能够增强图像中某些灰度级。
    2）作用：
    使原图像灰度直方图变成规定形状的直方图而对图像作修正的增强方法。

规定化思想：

具体计算过程：

一个规定化实例：

直方图均衡化处理是直方图规定化的一个特例。

2）局部统计法

平滑滤波器

  • 局部平滑法
    假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。
    方法：
    用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。
    作用：
    信号与噪声的方差比可望提高M倍。
    主要缺点：
    在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重

效果图：

  • 超限像素平滑法
    对邻域平均法稍加改进，可导出超限像素平滑法。将f（x,y）和邻域平均g（x,y）的差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g′（x,y）.

    特点：
    这算法对抑制椒欲噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊程度也大。同局部平滑法相比，超限像元平滑法去椒盐噪声效果更好。
    效果图：
  • 空间低通滤波
    邻域平均法可看作一个掩模作用于图像f（x,y）的低通空间滤波，掩模就是一个滤波器，它的响应为H（r,s），于是滤波输出的数字图像g（x,y）用离散卷积表示为

    掩模不同，中心点或邻域的重要程度也不相同，因此，应根据问题的需要选取合适的掩模。但不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。

锐化滤波器

突出边缘和轮廓信息，增强图像的边缘或轮廓。

图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出 、清晰。

  • 梯度锐化法
    对于图像f（x,y）在（x,y）处梯度定义为：

    梯度是一个矢量，其大小和方向为：

    Roberts\Prewitt\Sobel算子

  • 拉普拉斯算子：

2.频率域图像增强

平滑滤波器

  • 理想低通滤波器
    传递函数：

    效果图：

特点：有陡峭频率的截止特性，但会产生振铃现象使图像变得模糊，具有物理不可实现性。

  • 巴特沃斯低通滤波器
    传递函数：

    效果图：

特点：传递函数比较平滑，连续性衰减，D0截止频率，没有振铃效果。

  • 指数低通滤波器
    传递函数：

    效果图：

特点：图像边缘的模糊程度较用巴特沃斯滤波产生的大些，无明显振铃效应。

  • 梯形低通滤波器
    传递函数：

    效果图：

特点：是理想低通和完全平滑的折中，性能介于理想低通和指数滤波之间，有一定模糊和振铃效应。

锐化滤波器

消除模糊，突出边缘。

- 理想高通滤波器
传递函数：

效果图：

  • 指数高通滤波器
    传递函数：

  • 梯形高通滤波器
    传递函数：

    效果图：

同态滤波器


效果图：

特点：能消除乘性噪声，能同时压缩图像的整体动态范围，并增加图像中相邻区域间的对比度。
例子：
HH代表高频增益，HL代表低频增益，一般HH>1且HL<1，

频域滤波可以很灵活的解决加性畸变问题，而无法消除乘性或卷积噪声，例如物体受到光照明暗不均的时候这时需要用同态滤波。

总结：

1）频率域法把图像看成一种二维信号，对其进行基于傅里叶变换的信号增强。采用低通滤波去掉图中噪声，高通滤波增强边缘等高频信号，使模糊图片变得清晰，空间域算法代表的有平均值法和中值滤波法等

第八章图像分割

好的图像分割具有的特征：

1）分割出来的各区域对某种性质（灰度、纹理）而言具有相似性，区域内部是连通的且没有过多小孔。
2）相邻区域对分割所依据的性质有明显的差异。
3）区域边界是明确的。

1、基于阈值的分割方法

适用于：图像的直方图具有比较明显的双峰或多峰时。
基本思想是基于图像的灰度特征来计算一个或多个灰度阈值，并将图像中每个像素的灰度值与阈值相比较，最后将像素根据比较结果分到合适的类别中。因此，该类方法最为关键的一步就是按照某个准则函数来求解最佳灰度阈值。