圖像增強處理

1、關于圖像增強處理第一張，PPT共六十一頁，創(chuàng)作于2022年6月講解內容目的1. 熟悉并掌握本章基本概念、空間域圖像增強的原理、方法及其特點； 2. 了解頻率域圖像增強的方法及其實現過程；3.重點掌握直方圖修正方法、特點及其應用；空間域平滑、銳化和彩色增強技術。第二張，PPT共六十一頁，創(chuàng)作于2022年6月7.1圖像增強的點運算 7.1.2 灰度變換 灰度變換可調整圖像的灰度動態(tài)范圍或圖像對比度，是圖像增強的重要手段之一。黑白1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：第三張，PPT共六十一頁，創(chuàng)作于

2、2022年6月 在曝光不足或過度的情況下，圖像灰度可能會局限在一個很小的范圍內。這時在顯示器上看到的將是一個模糊不清、似乎沒有灰度層次的圖像。 下圖是對曝光不足的圖像采用線性變換對圖像每一個像素灰度作線性拉伸?？捎行У馗纳茍D像視覺效果。第四張，PPT共六十一頁，創(chuàng)作于2022年6月2分段線性變換 為了突出感興趣目標所在的灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)間，可采用分段線性變換。 設原圖像f(x,y)在0，Mf,感興趣目標的灰度范圍在a,b,欲使其灰度范圍拉伸到c,d,則對應的分段線性變換表達式為 通過細心調整折線拐點的位置及控制分段直線的斜率，可對任一灰度區(qū)間進行拉伸或壓縮。第五張，PPT

3、共六十一頁，創(chuàng)作于2022年6月 第六張，PPT共六十一頁，創(chuàng)作于2022年6月3非線性灰度變換 當用某些非線性函數如對數函數、指數函數等，作為映射函數時，可實現圖像灰度的非線性變換。對數變換 對數變換的一般表達式為 這里a,b,c是為了調整曲線的位置和形狀而引入的參數。當希望對圖像的低灰度區(qū)較大的拉伸而對高灰度區(qū)壓縮時，可采用這種變換，它能使圖像灰度分布與人的視覺特性相匹配。f (i,j)g(i,j)第七張，PPT共六十一頁，創(chuàng)作于2022年6月指數變換 指數變換的一般表達式為 這里參數a,b,c用來調整曲線的位置和形狀。這種變換能對圖像的高灰度區(qū)給予較大的拉伸。g (i,j)f (i,j)

4、第八張，PPT共六十一頁，創(chuàng)作于2022年6月7.1.3 直方圖修整法 灰度直方圖反映了數字圖像中每一灰度級與其出現頻率間的關系,它能描述該圖像的概貌。通過修改直方圖的方法增強圖像是一種實用而有效的處理技術。 直方圖修整法包括直方圖均衡化及直方圖規(guī)定化兩類。1.直方圖均衡化 直方圖均衡化是將原圖像通過某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方法。 直方圖均衡化第九張，PPT共六十一頁，創(chuàng)作于2022年6月 下面先討論連續(xù)變化圖像的均衡化問題，然后推廣到離散的數字圖像上。 設r和s分別表示歸一化了的原圖像灰度和經直方圖修正后的圖像灰度。即 （7-4） 在0,1區(qū)間內的任一個r值，都可產生

5、一個s值，且 (7-5) T(r)作為變換函數，滿足下列條件： 在0r1內為單調遞增函數，保證灰度級從黑到白的次序不變； 在0r1內，有0T(r)1，確保映射后的像素灰度在允許的范圍內。第十張，PPT共六十一頁，創(chuàng)作于2022年6月反變換關系為 （7-6） T-1(s)對s同樣滿足上述兩個條件。 由概率論理論可知，如果已知隨機變量r的概率密度為pr(r),而隨機變量s是r的函數，則s的概率密度ps(s)可以由pr(r)求出。 假定隨機變量s的分布函數用Fs(s)表示，根據分布函數定義 第十一張，PPT共六十一頁，創(chuàng)作于2022年6月 利用密度函數是分布函數的導數的關系，等式兩邊對s求導，有：

6、（7-8） 可見，輸出圖像的概率密度函數可以通過變換函數T(r)控制原圖像灰度級的概率密度函數得到,因而改善原圖像的灰度層次,這就是直方圖修改技術的基礎。 從人眼視覺特性來考慮，一幅圖像的直方圖如果是均勻分布的，即Ps(s)=k(歸一化時k=1)時，該圖像色調給人的感覺比較協調。因此將原圖像直方圖通過T(r)調整為均勻分布的直方圖，這樣修正后的圖像能滿足人眼視覺要求。 因為歸一化假定 由（7-8）則有 第十二張，PPT共六十一頁，創(chuàng)作于2022年6月兩邊積分得 上式表明，當變換函數為r的累積直方圖函數時，能達到直方圖均衡化的目的。 對于離散的數字圖像，用頻率來代替概率,則變換函數T(rk)的離

7、散形式可表示為: 上式表明，均衡后各像素的灰度值sk可直接由原圖像的直方圖算出。第十三張，PPT共六十一頁，創(chuàng)作于2022年6月 一幅圖像的sk與rk之間的關系稱為該圖像的累積灰度直方圖。rkPr(rk)rkS(rk)1.01.01.0下面舉例說明直方圖均衡過程。第十四張，PPT共六十一頁，創(chuàng)作于2022年6月原圖像的直方圖均衡后圖像的直方圖第十五張，PPT共六十一頁，創(chuàng)作于2022年6月直方圖均衡化示例 第十六張，PPT共六十一頁，創(chuàng)作于2022年6月2.直方圖規(guī)定化 在某些情況下，并不一定需要具有均勻直方圖的圖像，有時需要具有特定的直方圖的圖像，以便能夠增強圖像中某些灰度級。直方圖規(guī)定化方

8、法就是針對上述思想提出來的。直方圖規(guī)定化是使原圖像灰度直方圖變成規(guī)定形狀的直方圖而對圖像作修正的增強方法。 可見，它是對直方圖均衡化處理的一種有效的擴展。直方圖均衡化處理是直方圖規(guī)定化的一個特例。 對于直方圖規(guī)定化，下面仍從灰度連續(xù)變化的概率密度函數出發(fā)進行推導，然后推廣出灰度離散的圖像直方圖規(guī)定化算法。 假設pr(r)和pz(z)分別表示已歸一化的原始圖像灰度分布的概率密度函數和希望得到的圖像的概率密度函數。第十七張，PPT共六十一頁，創(chuàng)作于2022年6月 首先對原始圖像進行直方圖均衡化，即求變換函數：假定已得到了所希望的圖像，對它也進行均衡化處理，即它的逆變換是這表明可由均衡化后的灰度得到

9、希望圖像的灰度。 若對原始圖像和希望圖像都作了均衡化處理，則二者均衡化的ps(s)和pv(v)相同，即都為均勻分布的密度函數。由s代替v 得 z=G-1(s)第十八張，PPT共六十一頁，創(chuàng)作于2022年6月 這就是所求得的變換表達式。根據上述思想，可總結出直方圖規(guī)定化增強處理的步驟如下：對原始圖像作直方圖均衡化處理；按照希望得到的圖像的灰度概率密度函數pz(z)，求得變換函數G(z)；用步驟得到的灰度級s作逆變換z= G-1(s)。 經過以上處理得到的圖像的灰度級將具有規(guī)定的概率密度函數pz(z)。 采用與直方圖均衡相同的原始圖像數據（6464像素且具有8級灰度），其灰度級分布列于表中。給定的

10、直方圖的灰度分布列于表中。 對應的直方圖如下： 原圖像的直方圖 規(guī)定化直方圖 第十九張，PPT共六十一頁，創(chuàng)作于2022年6月 原圖像的直方圖 規(guī)定的直方圖 規(guī)定化后圖像的直方圖 利用直方圖規(guī)定化方法進行圖像增強的主要困難在于要構成有意義的直方圖。圖像經直方圖規(guī)定化，其增強效果要有利于人的視覺判讀或便于機器識別。第二十張，PPT共六十一頁，創(chuàng)作于2022年6月下面是一個直方圖規(guī)定化應用實例。 圖(C)、(c)是將圖像(A)按圖(b)的直方圖進行規(guī)定化得到的結果及其直方圖。通過對比可以看出圖(C)的對比度同圖（B)接近一致，對應的直方圖形狀差異也不大。這樣有利于影像融合處理，保證融合影像光譜特性

11、變化小。第二十一張，PPT共六十一頁，創(chuàng)作于2022年6月模 板7.2 圖像的空間域平滑 第二十二張，PPT共六十一頁，創(chuàng)作于2022年6月 任何一幅原始圖像，在其獲取和傳輸等過程中，會受到各種噪聲的干擾，使圖像惡化，質量下降，圖像模糊，特征淹沒，對圖像分析不利。 為了抑制噪聲改善圖像質量所進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行。本節(jié)介紹空間域的幾種平滑法。7.2.1局部平滑法 局部平滑法是一種直接在空間域上進行平滑處理的技術。假設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性，而噪聲則是統計獨立的。因此，可用鄰域內各像素的灰度平均值代替該像素原來的灰度值，實

12、現圖像的平滑。 第二十三張，PPT共六十一頁，創(chuàng)作于2022年6月 設有一幅NN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）鄰域內像素坐標的集合； M表示集合s內像素的總數。 可見鄰域平均法就是將當前像素鄰域內各像素的灰度平均值作為其輸出值的去噪方法。 第二十四張，PPT共六十一頁，創(chuàng)作于2022年6月(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，對圖像采用33的鄰域平均法，對于像素（m,n)，其鄰域像素如下：則有：第二十五張，PPT共六十一頁

13、，創(chuàng)作于2022年6月 其作用相當于用這樣的模板同圖像卷積。 設圖像中的噪聲是隨機不相關的加性噪聲，窗口內各點噪聲是獨立同分布的，經過上述平滑后，信號與噪聲的方差比可望提高M倍。 這種算法簡單，但它的主要缺點是在降低噪聲的同時使圖像產生模糊，特別在邊緣和細節(jié)處。而且鄰域越大，在去噪能力增強的同時模糊程度越嚴重。如圖7.2.1(c)和(d)。 第二十六張，PPT共六十一頁，創(chuàng)作于2022年6月(a)原圖像 (b) 對(a)加椒鹽噪聲的圖像(c)33鄰域平滑 (d) 55鄰域平滑 為克服簡單局部平均法的弊病，目前已提出許多保邊緣、細節(jié)的局部平滑算法。它們的出發(fā)點都集中在如何選擇鄰域的大小、形狀和方

14、向、參加平均的點數以及鄰域各點的權重系數等，下面簡要介紹幾種算法。第二十七張，PPT共六十一頁，創(chuàng)作于2022年6月7.2.2 超限像素平滑法 對鄰域平均法稍加改進，可導出超限像素平滑法。它是將f(x,y)和鄰域平均g(x,y)差的絕對值與選定的閾值進行比較，根據比較結果決定點（x,y）的最后灰度g(x,y)。其表達式為 這算法對抑制椒鹽噪聲比較有效，對保護僅有微小灰度差的細節(jié)及紋理也有效?？梢婋S著鄰域增大，去噪能力增強，但模糊程度也大。 同局部平滑法相比，超限像元平滑法去椒鹽噪聲效果更好。第二十八張，PPT共六十一頁，創(chuàng)作于2022年6月(a)原圖像 (b)對(a)加椒鹽噪聲的圖像(c)33

15、鄰域平滑 (d) 55鄰域平滑(e)33超限像素平滑(T=64)(f)55超限像素平滑(T=48)第二十九張，PPT共六十一頁，創(chuàng)作于2022年6月7.2.3 灰度最相近的K個鄰點平均法 該算法的出發(fā)點是：在nn的窗口內，屬于同一集合體的像素，它們的灰度值將高度相關。因此，可用窗口內與中心像素的灰度最接近的K個鄰像素的平均灰度來代替窗口中心像素的灰度值。這就是灰度最相近的K個鄰點平均法。 較小的K值使噪聲方差下降較小，但保持細節(jié)效果較好；而較大的K值平滑噪聲較好，但會使圖像邊緣模糊。 實驗證明，對于33的窗口，取K=6為宜。7.2.4 最大均勻性平滑 為避免消除噪聲引起邊緣模糊，該算法先找出環(huán)

16、繞圖像中每像素的最均勻區(qū)域，然后用這區(qū)域的灰度均值代替該像素原來的灰度值。第三十張，PPT共六十一頁，創(chuàng)作于2022年6月7.2.5 有選擇保邊緣平滑法 該方法對圖像上任一像素(x,y)的55鄰域，采用9個掩模，其中包括一個33正方形、4個五邊形和4個六邊形。計算各個掩模的均值和方差，對方差進行排序，最小方差所對應的掩模區(qū)的灰度均值就是像素（x,y) 的輸出值。 該方法以方差作為各個區(qū)域灰度均勻性的測度。若區(qū)域含有尖銳的邊緣，它的灰度方差必定很大，而不含邊緣或灰度均勻的區(qū)域，它的方差就小，那么最小方差所對應的區(qū)域就是灰度最均勻區(qū)域。因此有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區(qū)域邊界的細節(jié)。

17、另外，五邊形和六邊形在（x,y）處都有銳角，這樣，即使像素（x,y）位于一個復雜形狀區(qū)域的銳角處，也能找到均勻的區(qū)域。從而在平滑時既不會使尖銳邊緣模糊，也不會破壞邊緣形狀。第三十一張，PPT共六十一頁，創(chuàng)作于2022年6月例如，某像素55鄰域的灰度分布如圖4.2.4，經計算9個掩模區(qū)的均值和方差為 最小方差為0，對應的灰度均值3，采用有選擇保邊緣平滑，該像素的輸出值為3。7.2.6 空間低通濾波法 鄰域平均法可看作一個掩模作用于圖像f(x,y)的低通空間濾波，掩模就是一個濾波器，它的響應為H(r,s)，于是濾波輸出的數字圖像g(x,y)用離散卷積表示為均值443234233對應的方差54717

18、17283123260364214 7324841434215343216第三十二張，PPT共六十一頁，創(chuàng)作于2022年6月常用的掩模有 掩模不同，中心點或鄰域的重要程度也不相同，因此，應根據問題的需要選取合適的掩模。但不管什么樣的掩模，必須保證全部權系數之和為單位值，這樣可保證輸出圖像灰度值在許可范圍內，不會產生“溢出”現象。 第三十三張，PPT共六十一頁，創(chuàng)作于2022年6月7.2.7 中值濾波 中值濾波是對一個滑動窗口內的諸像素灰度值排序，用中值代替窗口中心像素的原來灰度值，因此它是一種非線性的圖像平滑法。例：采用13窗口進行中值濾波原圖像為：2 2 6 2 1 2 4 4 4 2 4處

19、理后為： 2 2 2 2 2 2 4 4 4 4 4 它對脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護邊緣少受模糊。但它對點、線等細節(jié)較多的圖像卻不太合適。 對中值濾波法來說，正確選擇窗口尺寸的大小是很重要的環(huán)節(jié)。一般很難事先確定最佳的窗口尺寸，需通過從小窗口到大窗口的中值濾波試驗，再從中選取最佳的。 第三十四張，PPT共六十一頁，創(chuàng)作于2022年6月原圖像 中值濾波一維中值濾波的幾個例子（N=5） 離散階躍信號、斜升信號沒有受到影響。離散三角信號的頂部則變平了。對于離散的脈沖信號，當其連續(xù)出現的次數小于窗口尺寸的一半時，將被抑制掉，否則將不受影響。第三十五張，PPT共六十一

20、頁，創(chuàng)作于2022年6月 一維中值濾波的概念很容易推廣到二維。一般來說，二維中值濾波器比一維濾波器更能抑制噪聲。 二維中值濾波器的窗口形狀可以有多種，如線狀、方形、十字形、圓形、菱形等（見圖）。 不同形狀的窗口產生不同的濾波效果，使用中必須根據圖像的內容和不同的要求加以選擇。從以往的經驗看，方形或圓形窗口適宜于外輪廓線較長的物體圖像，而十字形窗口對有尖頂角狀的圖像效果好。 第三十六張，PPT共六十一頁，創(chuàng)作于2022年6月 圖(a)為原圖像；圖(b)為加椒鹽噪聲的圖像；圖(c)和圖 (d)分別為33、55模板進行中值濾波的結果。 可見中值濾波法能有效削弱椒鹽噪聲，且比鄰域、超限像素平均法更有效

21、。第三十七張，PPT共六十一頁，創(chuàng)作于2022年6月7.3 圖像空間域銳化第三十八張，PPT共六十一頁，創(chuàng)作于2022年6月 在圖像的識別中常需要突出邊緣和輪廓信息。圖像銳化就是增強圖像的邊緣或輪廓。 圖像平滑通過積分過程使得圖像邊緣模糊，圖像銳化則通過微分而使圖像邊緣突出、清晰。 7.3.1 梯度銳化法 圖像銳化法最常用的是梯度法。 對于圖像f(x，y)，在(x，y)處的梯度定義為 梯度是一個矢量，其大小和方向為 第三十九張，PPT共六十一頁，創(chuàng)作于2022年6月 對于離散圖像處理而言，常用到梯度的大小，因此把梯度的大小習慣稱為“梯度”。并且一階偏導數采用一階差分近似表示，即 fx =f(x

22、 +1 ，y)-f(x，y) fy=f(x，y +1)-f(x，y) 為簡化梯度的計算，經常使用 grad(x，y)=Max(|fx|，|fy|) (7.3-4) 或 grad（x，y）=|fx|+|f y| (7.3-5) 除梯度算子以外，還可采用Roberts、Prewitt和Sobel 算子計算梯度，來增強邊緣。 Roberts對應的模板如圖7.3.2所示。差分計算式如下 fx =|f(x+1,y+1)-f(x,y)| fy =|f(x+1,y)-f(x,y+1)| -1-111 圖4.3.2 Roberts梯度算子第四十張，PPT共六十一頁，創(chuàng)作于2022年6月 為在銳化邊緣的同時減少

23、噪聲的影響，Prewitt從加大邊緣增強算子的模板大小出發(fā)，由2x2擴大到3x3來計算差分，如圖(a)所示。 (a)Prewitt 算子 (b)Sobel算子 Sobel在Prewitt算子的基礎上，對4-鄰域采用帶權的方法計算差分，對應的模板如圖(b)。 根據梯度計算式就可以計算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，就可根據不同的需要生成不同的梯度增強圖像。 -101-1-1-1-101 -1-2-1-101000-202000-101111-101121第四十一張，PPT共六十一頁，創(chuàng)作于2022年6月 第一種輸出形式 g(x,y)=grad(x,y) (7.3-

24、7) 此法的缺點是增強的圖像僅顯示灰度變化比較徒的邊緣輪廓，而灰度變化比較平緩或均勻的區(qū)域則呈黑色。 第二種輸出形式 式中T是一個非負的閾值。適當選取T，可使明顯的邊緣輪廓得到突出，又不會破壞原來灰度變化比較平緩的背景 第三種輸出形式 它將明顯邊緣用一固定的灰度級LG來表現。 第四十二張，PPT共六十一頁，創(chuàng)作于2022年6月 第四種輸出形式 此方法將背景用一個固定的灰度級 LB來表現，便于研究邊緣灰度的變化。 第五種輸出形式 這種方法將明顯邊緣和背景分別用灰度級LG和LB表示，生成二值圖像，便于研究邊緣所在位置。 第四十三張，PPT共六十一頁，創(chuàng)作于2022年6月第四十四張，PPT共六十一頁

25、，創(chuàng)作于2022年6月7.3.2 Laplacian增強算子 Laplacian 算子是線性二階微分算子。即 2f(x，y)= 對離散的數字圖像而言，二階偏導數可用二階差分近似，可推導出Laplacian算子表達式為 2f(x，y)= f(x+1，y)+f(x-1，y)+ f(x，y+1)+f(x，y-1)-4f(x，y) Laplacian增強算子為： g(x，y)=f(x，y)- 2f(x，y) =5f(x，y)- f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)0101-41010Laplace算子0-10-15-10-10增強算子第四十五張，PPT共六十一頁，

26、創(chuàng)作于2022年6月其特點是：1、在灰度均勻的區(qū)域或斜坡中間2f(x，y)為0，增強圖像上像元灰度不變；2、在斜坡底或低灰度側形成“下沖”；而在斜坡頂或高灰度側形成“上沖”。 0 -1 0 -1 1 1 H1= -1 5 1 H2= -1 9 1 0 -1 0 -1 1 1 7.3.3 高通濾波法 高通濾波法就是用高通濾波算子和圖像卷積來增強邊緣。常用的算子有：第四十六張，PPT共六十一頁，創(chuàng)作于2022年6月7.4圖像的頻率域增強 圖像增強的目的主要包括：消除噪聲，改善圖像的視覺效果；突出邊緣，有利于識別和處理。前面是關于圖像空間域增強的知識，下面介紹頻率域增強的方法。 假定原圖像為f(x，

27、y)，經傅立葉變換為F(u，v)。頻率域增強就是選擇合適的濾波器H(u,v)對F(u,v)的頻譜成分進行處理，然后經逆傅立葉變換得到增強的圖像g(x,y)。 頻率域增強的一般過程如下： DFT H(u，v) IDFTf(x，y) F(u，v) F(u，v)H(u，v) g(x，y) 濾波第四十七張，PPT共六十一頁，創(chuàng)作于2022年6月 圖像的平滑除了在空間域中進行外，也可以在頻率域中進行。由于噪聲主要集中在高頻部分，為去除噪聲改善圖像質量，濾波器采用低通濾波器H(u,v)來抑制高頻成分，通過低頻成分，然后再進行逆傅立葉變換獲得濾波圖像，就可達到平滑圖像的目的。常用的頻率域低濾波器H(u,v)

28、有四種：1理想低通濾波器 設傅立葉平面上理想低通濾波器離開原點的截止頻率為D0，則理想低通濾波器的傳遞函數為 由于高頻成分包含有大量的邊緣信息，因此采用該濾波器在去噪聲的同時將會導致邊緣信息損失而使圖像邊模糊。 7.4.1頻率域平滑第四十八張，PPT共六十一頁，創(chuàng)作于2022年6月2Butterworth低通濾波器 n階Butterworth濾波器的傳遞函數為： 它的特性是連續(xù)性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續(xù)性。因此采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度大大減小，沒有振鈴效應產生。 第四十九張，PPT共六十一頁，創(chuàng)作于2022年6月3指數低通濾波器 指數低通濾

29、波器是圖像處理中常用的另一種平滑濾波器。它的傳遞函數為： 采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度較用Butterworth濾波產生的大些，無明顯的振鈴效應。 第五十張，PPT共六十一頁，創(chuàng)作于2022年6月 4. 梯形低通濾波器 梯形低通濾波器是理想低通濾波器和完全平滑濾波器的折中。它的傳遞函數為： 它的性能介于理想低通濾波器和指數濾波器之間，濾波的圖像有一定的模糊和振鈴效應。第五十一張，PPT共六十一頁，創(chuàng)作于2022年6月7.4.2 頻率域銳化 圖像的邊緣、細節(jié)主要位于高頻部分，而圖像的模糊是由于高頻成分比較弱產生的。頻率域銳化就是為了消除模糊，突出邊緣。因此采用高通濾波器讓

30、高頻成分通過，使低頻成分削弱，再經逆傅立葉變換得到邊緣銳化的圖像。常用的高通濾波器有： 1）理想高通濾波器 二維理想高通濾波器的傳遞函數為 第五十二張，PPT共六十一頁，創(chuàng)作于2022年6月2）巴特沃斯高通濾波器 n階巴特沃斯高通濾波器的傳遞函數定義如下 H(u，v)=1/1+( D0/D(u，v)2n 3）指數濾波器 指數高通濾波器的傳遞函數為第五十三張，PPT共六十一頁，創(chuàng)作于2022年6月4）梯形濾波器 梯形高通濾波器的定義為 四種濾波函數的選用類似于低通。理想高通有明顯振鈴現象，即圖像的邊緣有抖動現象；Butterworth高通濾波效果較好，但計算復雜，其優(yōu)點是有少量低頻通過，H(u，v)是漸變的，振鈴現象 不明顯；指數高通效果比Butterworth差些，振鈴現象不明顯；梯形高通會產生微振鈴效果，但計算簡單，較常用。 一般來說，不管在圖像空間域還是頻率域，采用高頻濾波不但會使有用的信息增強，同時也使噪聲增強。因此不能隨意地使用。 第五十四張，PPT共六十一頁，創(chuàng)作于2022年6月7.5 彩色增強技術 人眼的視覺特性 ： 分辨的灰度級介于十幾到二十幾級之間 ； 彩色分辨能力可達到灰度分辨能力的百倍以上。 彩色增強技術是利用人眼的視覺特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩色的分布，改善圖像的可分辨性。彩色增強方法可分為偽彩色增強和假彩色增強兩類。7.5.1 偽彩