文档详情

数字图像处理 PPT 第4章 图像增强.ppt

发布:2017-07-07约4.72千字共97页下载文档
文本预览下载声明
* 邻域平均和中值滤波的比较 含均匀随机噪声 3?3邻域平均 7?7邻域平均 11?11邻域平均 3?3中值滤波 5?5中值滤波 * 锐化滤波器-梯度算子法 f(x,y)在(x,y)的梯度 其模值 近似梯度模值 * 锐化滤波器-梯度算子法 Gx和Gy 用近似值: 得到直接差分算子 * 锐化滤波器-梯度算子法 Gx和Gy 用近似值: 得到Roberts算子 * 锐化滤波器-梯度算子法 Gx和Gy 用近似值: 得到Sobel算子 * 梯度锐化实例 效果 图a:Cameraman原始图像,包含有各种朝向的边缘 图b:用Sobel水平模板,它对垂直边缘有较强的响应 图c:用Sobel垂直模板,它对水平边缘有较强的响应 a b c * 锐化滤波器-拉普拉斯算子法 f(x,y)在(x,y)的拉普拉斯算子为 对数字图像 因f(x,y)离散,所以 * 锐化滤波器-拉普拉斯算子法 如果加上对角线元素,则 拉普拉斯算子模板 * 直方图均衡化 结果 原始直方图 变换函数 直方图均衡化结果 * 直方图均衡化 效果 原图 均衡化后效果图 * * 直方图均衡化 %get cdf cdf(1)=histgram(1); for i=2:256 cdf(i)=cdf(i-1)+histgram(i); end %run point operation for i=1:128 for j=1:128 k=lenna(i,j); lenna_equ(i,j)=cdf(k)*256/(128*128); end end %生成直方图均衡化后的lenna图 imwrite(lenna_equ,map,c:\temp\lenna_equ.bmp); * 效果 原图像及直方图 均衡后的图像及直方图 图像的反差大了,细节清楚了 在直方图中的表现是直方图灰度范围窄且集中在低灰度值区域。 现在直方图占据了整个图像灰度值的允许范围,增加了图像的动态范围。 原图较暗且动态范围小 直方图均衡化实质上是减少图像的灰度级以换取对比度的加大。 在均衡过程中,原来的直方图上频数较小的灰度级被归入很少几个或一个灰度级内,故得不到增强。 若这些灰度级所构成的图像细节比较重要,则需采用局部区域直方图均衡。 ? * 直方图规定化 2. 直方图规定化 (2)同样对规定图像计算能使规定的直方图均衡化: (3)将原始直方图对应映射到规定的直方图 (1)对原始图像的直方图进行均衡化: * 直方图规定化 灰度级 0 1 2 3 4 5 6 7 概率 0.0 0.00 0.00 0.15 0.20 0.30 0.20 0.15 灰度级 0 1 2 3 4 5 6 7 像素 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 例 原始图像各灰度级对应的概率分布 规定直方图概率分布 * 直方图规定化 例 直方图规定化步骤: (1)对原始直方图操作: * 直方图规定化 例 (2)对规定直方图像操作: * 直方图规定化 例 (3)映射结果: 逆变换得 * 直方图规定化 例 (4)规定化后各灰度级像素数: 规定化后的直方图 灰度级 0 1 2 3 4 5 6 7 像素 0 0 0 790 1023 850 985 448 概率 0.00 0.00 0.00 0.19 0.25 0.21 0.24 0.11 * 直方图规定化 结果 原始直方图 规定直方图 结果直方图 * 直方图规定化 效果 原始图像 规定直方图 规定化后直方图 规定化后的图像 * 直方图规定化 效果 * 图像间运算-算术运算 (1) 图像减法 图像相减的结果就可把两图的差异显示出来,可以用来增强两幅图像的差异。 * 图像间运算-图像减法 效果 - = 直方图均衡后 * 图像间运算-图像平均 (2) 图像平均 设噪声互不相关,且具有零均值 ,可用图像平均去除噪声 令 则 随N的增加,图像噪声影响减少 * 图像间运算-图像平均 效果 A原图+高斯噪声 B4幅度图平均 C4幅度图平均 D16幅度图平均 * 图像间运算-逻辑运算 两幅图与操作 两幅图或操作 与 = 或 = * 4.3 空域滤波增
显示全部
相似文档