空域圖像增強(qiáng)技術(shù)

空域圖像增強(qiáng)技術(shù)第一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.1基礎(chǔ)空域增強(qiáng)的一般數(shù)學(xué)表達(dá)式：算子T操作在(x,y)的某個(gè)鄰域(neighborhood)上，例如3×3領(lǐng)域，或一輸入圖像集上第二頁(yè)，共八十四頁(yè)，編輯于2023年，星期一當(dāng)領(lǐng)域?yàn)?×1，即只包含當(dāng)前象素自己時(shí)，T成為灰度級(jí)變換函數(shù)，此時(shí)的處理成為點(diǎn)處理。當(dāng)更大的鄰域被考慮時(shí)，往往成為掩碼處理(maskprocessing)或者濾波。兩個(gè)常用的灰度級(jí)變換函數(shù)：對(duì)照度拉伸和閾值函數(shù)第三頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.2一些基本的灰度變換第四頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.2.1負(fù)變換S=L-1-r,這里圖像的灰度范圍為[0,L-1]第五頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.2.2對(duì)數(shù)變換其將使比較狹窄的低灰度級(jí)范圍變得更寬，而較寬的高灰度級(jí)范圍變得更窄，同時(shí)能夠壓縮象素值變化范圍很大的圖像，使之象素值分布范圍更小。Fourier譜(0~1.5*106)經(jīng)過(guò)對(duì)數(shù)變換后：0~6.2第六頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.2.3冪律變換c＝1，而變化時(shí)的各種變換規(guī)律第七頁(yè)，共八十四頁(yè)，編輯于2023年，星期一冪律變換的一個(gè)最好應(yīng)用是伽馬校正(Gammacorrection)被廣泛使用在圖像捕捉、打印和顯示設(shè)備上。＝2.5＝0.4第八頁(yè)，共八十四頁(yè)，編輯于2023年，星期一Gamma變換用于通常的對(duì)照度操作第九頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第十頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.2.4分段線性變換分段線性函數(shù)的主要有點(diǎn)是其形式可以任意復(fù)雜，主要缺點(diǎn)是其說(shuō)明需要更多的用戶輸入。對(duì)照度拉伸變換：分段線性函數(shù)低對(duì)照度放大約700倍的花粉SEM圖像對(duì)照度拉伸結(jié)果灰度閾值化處理第十一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一灰度切割(slicing):主要用于突出某個(gè)特定的灰度范圍，從而增強(qiáng)某個(gè)專(zhuān)門(mén)的特征，如衛(wèi)星圖像中的水團(tuán)。第十二頁(yè)，共八十四頁(yè)，編輯于2023年，星期一位平面切割(bit-planeslicing):該操作主要是為突出圖像中的某個(gè)具體的位對(duì)整個(gè)圖像外表的貢獻(xiàn)?？梢园岩桓睌?shù)字圖像分解成位平面的組合，分析圖像每個(gè)位的相對(duì)重要性，從而在圖像量化時(shí)可以幫助決定所使用的位數(shù)是否足夠，這種分解在圖像壓縮中也有很大的作用。第十三頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第十四頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.3直方圖處理直方圖是大量的空域處理技術(shù)的基礎(chǔ)，直方圖處理可以有效地用于圖像增強(qiáng)。除了能提供有關(guān)圖像的統(tǒng)計(jì)特征外，其所包含的信息還能用于其他很多的圖像處理技術(shù)，如圖像分割、圖像壓縮等。其軟件實(shí)現(xiàn)簡(jiǎn)單，可以做成固件，使其在實(shí)時(shí)圖像處理中成為最受歡迎的工具。定義：性質(zhì)：第十五頁(yè)，共八十四頁(yè)，編輯于2023年，星期一直方圖描述了每個(gè)灰度級(jí)具有的像素的個(gè)數(shù)，反映的是圖像灰度的統(tǒng)計(jì)信息，但丟失了所有這些像素點(diǎn)的空間信息，即像素點(diǎn)的相對(duì)位置。因此，任一特定的圖像有唯一的直方圖，但反之并不成立。第十六頁(yè)，共八十四頁(yè)，編輯于2023年，星期一直方圖反映的總體性質(zhì)：明暗程度、細(xì)節(jié)是否清晰、動(dòng)態(tài)范圍大小等第十七頁(yè)，共八十四頁(yè)，編輯于2023年，星期一四種典型灰度圖像的直方圖特征：(a)暗圖像；(b)亮圖像；(c)低對(duì)照度圖像；(e)高對(duì)照度圖像第十八頁(yè)，共八十四頁(yè)，編輯于2023年，星期一直方圖的計(jì)算：通過(guò)面積求直方圖（做實(shí)驗(yàn)）：第十九頁(yè)，共八十四頁(yè)，編輯于2023年，星期一直方圖的用途：1）數(shù)字化參數(shù)的選擇：2）邊界閾值的選?。豪旱诙?yè)，共八十四頁(yè)，編輯于2023年，星期一第二十一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.3.1直方圖均衡處理(equalization)用于直方圖均衡化的函數(shù)s=T(r)必須滿足兩個(gè)條件:T(r)是一個(gè)單調(diào)遞增的單值函數(shù)0＝T(r)<＝1，對(duì)0＝r<＝1;以上s和r；分別表示輸入和輸出圖像的規(guī)一化灰度，即在[0,1]范圍可以證明，概率累計(jì)分布函數(shù)就是所要的直方圖均衡函數(shù)：第二十二頁(yè)，共八十四頁(yè)，編輯于2023年，星期一在離散情況下：以上，k表示某個(gè)灰度級(jí)，L是整個(gè)灰度級(jí)的數(shù)目，在通常的8位圖像下，為256。以上的方程就是通常所說(shuō)的直方圖均衡化或者線性化。很顯然，該方程滿足前面所說(shuō)的兩個(gè)條件。特點(diǎn)：雖然不象連續(xù)情況下時(shí)輸出灰度完全滿足均勻分布，但從該方程明顯可以看出，均衡化后的圖像比原圖像所跨越的灰度級(jí)范圍更寬。另外，直方圖處理是完全“自主”性質(zhì)的，即該過(guò)程所需的參數(shù)完全來(lái)自圖像本身，不需要任何額外的參數(shù)，是一種有力的自適應(yīng)增強(qiáng)工具。。還有，該技術(shù)實(shí)現(xiàn)起來(lái)也很簡(jiǎn)單。第二十三頁(yè)，共八十四頁(yè)，編輯于2023年，星期一rjrj+rsjsj+s第二十四頁(yè)，共八十四頁(yè)，編輯于2023年，星期一例例：設(shè)圖象有64*64=4096個(gè)象素，有8個(gè)灰度級(jí)，灰度分布如表所示。進(jìn)行直方圖均衡化。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk790102385065632924512281p(rk)

0.190.250.210.160.080.060.030.02第二十五頁(yè)，共八十四頁(yè)，編輯于2023年，星期一步驟：rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk790102385065632924512281p(rk)

0.190.250.210.160.080.060.030.02例第二十六頁(yè)，共八十四頁(yè)，編輯于2023年，星期一1.由（2-2）式計(jì)算sk。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk790102385065632924512281p(rk)

0.190.250.210.160.080.060.030.02sk計(jì)算0.190.440.650.810.890.950.981.00例第二十七頁(yè)，共八十四頁(yè)，編輯于2023年，星期一rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk790102385065632924512281p(rk)

0.190.250.210.160.080.060.030.02sk計(jì)算0.190.440.650.810.890.950.981.00sk舍入1/73/75/76/76/71112.把計(jì)算的sk就近安排到8個(gè)灰度級(jí)中。例第二十八頁(yè)，共八十四頁(yè)，編輯于2023年，星期一rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk790102385065632924512281p(rk)

0.190.250.210.160.080.060.030.02sk計(jì)算0.190.440.650.810.890.950.981.00sk舍入1/73/75/76/76/7111sks1s3s5s6s7nsk7901023850985448p(sk)

0.190.250.210.240.113.重新命名sk，歸并相同灰度級(jí)的象素?cái)?shù)。例第二十九頁(yè)，共八十四頁(yè)，編輯于2023年，星期一直方圖均衡化均衡化前后直方圖比較例第三十頁(yè)，共八十四頁(yè)，編輯于2023年，星期一例：第三十一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第三十二頁(yè)，共八十四頁(yè)，編輯于2023年，星期一

直方圖均衡化實(shí)質(zhì)上是減少圖象的灰度級(jí)以換取對(duì)比度的加大。在均衡過(guò)程中，原來(lái)的直方圖上頻數(shù)較小的灰度級(jí)被歸入很少幾個(gè)或一個(gè)灰度級(jí)內(nèi)，故得不到增強(qiáng)（？！）。若這些灰度級(jí)所構(gòu)成的圖象細(xì)節(jié)比較重要，則需采用局部區(qū)域直方圖均衡。

第三十三頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.3.2直方圖匹配/規(guī)定(specification)另外，直方圖的規(guī)定沒(méi)有什么規(guī)則可循。一般，可以根據(jù)特定的增強(qiáng)任務(wù)，采用試錯(cuò)的方法來(lái)得到想要的直方圖規(guī)定。第三十四頁(yè)，共八十四頁(yè)，編輯于2023年，星期一連續(xù)灰度的直方圖原圖第三十五頁(yè)，共八十四頁(yè)，編輯于2023年，星期一連續(xù)灰度的直方圖規(guī)定第三十六頁(yè)，共八十四頁(yè)，編輯于2023年，星期一

令P(r)為原始圖象的灰度密度函數(shù)，P(z)是期望通過(guò)匹配的圖象灰度密度函數(shù)。對(duì)P(r)及P(z)作直方圖均衡變換，通過(guò)直方圖均衡為橋梁，實(shí)現(xiàn)P(r)與P(z)變換。第三十七頁(yè)，共八十四頁(yè)，編輯于2023年，星期一rjzk直方圖匹配變換公式推導(dǎo)圖示第三十八頁(yè)，共八十四頁(yè)，編輯于2023年，星期一

步驟：（1）由將各點(diǎn)灰度由r映射成s。（2）由將各點(diǎn)灰度由z映射成v。

第三十九頁(yè)，共八十四頁(yè)，編輯于2023年，星期一

步驟：（3）根據(jù)v=G(z),z=G-1(v)

由于v,s有相同的分布，逐一取v=s，求出與r對(duì)應(yīng)的z=G-1(s)。第四十頁(yè)，共八十四頁(yè)，編輯于2023年，星期一離散灰度級(jí)情況：由（1）、（2）計(jì)算得兩張表，從中選取一對(duì)vk,sj，使vk≈sj，并從兩張表中查得對(duì)應(yīng)的rj，zk。于是，原始圖象中灰度級(jí)為rj的所有象素均映射成灰度級(jí)zk。最終得到所期望的圖象。第四十一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第四十二頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第四十三頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.3.3局部增強(qiáng)前面所說(shuō)的兩種處理技術(shù)都是全局處理，用于整體增強(qiáng)。在某些情況下，用于增強(qiáng)某個(gè)小區(qū)域細(xì)節(jié)的局部增強(qiáng)技術(shù)是需要的。局部增強(qiáng)其實(shí)就是基于鄰域的空間域操作（更詳細(xì)的討論在3.5節(jié)），前面的方法同樣可以使用，但此時(shí)處理的是一副圖像中的某個(gè)子區(qū)域。簡(jiǎn)單實(shí)例：第四十四頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.3.4直方圖統(tǒng)計(jì)量用于增強(qiáng)m是圖像平均灰度級(jí)的測(cè)度；而方差，通常表示為2，則代表了圖像的平均對(duì)照度。這兩個(gè)量的更有力的應(yīng)用是在局部增強(qiáng)中，不僅簡(jiǎn)單、靈活性大，而且局部均值和方差與圖像的外觀存在緊密的、可預(yù)測(cè)的對(duì)應(yīng)關(guān)系。例：第四十五頁(yè)，共八十四頁(yè)，編輯于2023年，星期一繞在支撐物上鎢絲的SEM圖像（放大130倍）使用統(tǒng)計(jì)量的局部增強(qiáng)結(jié)果第四十六頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.4代數(shù)和邏輯運(yùn)算增強(qiáng)邏輯操作(二進(jìn)制掩膜，binarymasking)基于點(diǎn)運(yùn)算，對(duì)兩副圖像的單個(gè)象素進(jìn)行操作（此時(shí)每個(gè)象素的值都被看成邏輯值），基本包括與、或、非三者，其他任何邏輯操作都可通過(guò)三者之間的組合來(lái)完成。邏輯操作通常用于選擇ROI(regionofinterest)，也常與形態(tài)學(xué)處理相結(jié)合。第四十七頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第四十八頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.4.1圖像加第四十九頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第五十頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第五十一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.4.2圖像減圖像減的重要作用之一是突出圖像間的差異，最成功的商業(yè)應(yīng)用是醫(yī)學(xué)圖像中的掩碼模式X光成像。第五十二頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第五十三頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.4.3圖像乘第五十四頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.4.4圖像乘第五十五頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.4.5代數(shù)運(yùn)算的應(yīng)用－平均去噪第五十六頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第五十七頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.5空間濾波第五十八頁(yè)，共八十四頁(yè)，編輯于2023年，星期一基本步驟：不過(guò)當(dāng)模板的邊界超出圖像的邊界時(shí)，要注意邊界問(wèn)題的處理，最常用的方法是填充(padding)，但其會(huì)影響圖像的邊界，影響程度隨模板尺寸的增大而增加。第五十九頁(yè)，共八十四頁(yè)，編輯于2023年，星期一也稱(chēng)做濾波器(filter)、核(kernel)、模板(template)、窗口(window)。對(duì)m×n的掩碼（通常要求m,n必須是奇數(shù)）：這里：a=(m-1)/2，b=(n-1)/2，這種線性空間濾波也通常指“把圖像與掩碼進(jìn)行卷積”，掩碼也叫“卷積掩碼”。從濾波器響應(yīng)的角度講，上式也可以簡(jiǎn)寫(xiě)稱(chēng)：第六十頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.5.1空間平滑濾波器線性平滑濾波器平滑濾波通常被用作模糊圖像和減少噪聲。模糊處理通常用在預(yù)處理階段，如在目標(biāo)抽取前用于移除小的細(xì)節(jié)，或者把線和曲線間的間隙連接起來(lái)。噪聲減少可以用可以用線性的或非線性的濾波器來(lái)完成。第六十一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一鄰域平均相當(dāng)于模板的元素全為1的情況，當(dāng)還包含其他整數(shù)時(shí)，更適合的叫法是加權(quán)平均。平均法在一定程度上抑制了噪聲，但同時(shí)也會(huì)引起模糊線性，其程度與鄰域半徑成正比。第六十二頁(yè)，共八十四頁(yè)，編輯于2023年，星期一從左至右，從上到下分別為500×500象素的原圖像，和用大小分別為3、5、9、15和35的平方平均濾波器模板對(duì)原圖像平滑的結(jié)果。第六十三頁(yè)，共八十四頁(yè)，編輯于2023年，星期一超限（基于閾值的）鄰域平均法：第六十四頁(yè)，共八十四頁(yè)，編輯于2023年，星期一b)排序統(tǒng)計(jì)濾波器是一種非線性操作，其響應(yīng)是基于模板所包含圖像區(qū)域內(nèi)象素的排序結(jié)果來(lái)定的，用得最多的是中值濾波器，此外還有最大、最小濾波器等。中值濾波對(duì)脈沖噪聲和椒鹽噪聲(salt-andpeppernoise)特別有效。第六十五頁(yè)，共八十四頁(yè)，編輯于2023年，星期一中值濾波的基本步驟：第六十六頁(yè)，共八十四頁(yè)，編輯于2023年，星期一一般來(lái)講：第六十七頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.5.2空間銳化濾波器一階導(dǎo)數(shù)和二階導(dǎo)數(shù)的特征：1)一階導(dǎo)數(shù)產(chǎn)生更厚的邊緣；2）二階導(dǎo)數(shù)對(duì)細(xì)的細(xì)節(jié)，如細(xì)線和孤立點(diǎn)的響應(yīng)更強(qiáng)；3）一階導(dǎo)數(shù)對(duì)灰度的階躍變化響應(yīng)更強(qiáng)烈，而二階導(dǎo)數(shù)則會(huì)在此產(chǎn)生雙響應(yīng)；4）二階導(dǎo)數(shù)在灰度變化相似時(shí)，其對(duì)線的響應(yīng)要強(qiáng)于階躍變化，對(duì)點(diǎn)的響應(yīng)又強(qiáng)于線。第六十八頁(yè)，共八十四頁(yè)，編輯于2023年，星期一第六十九頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.5.2.1二階導(dǎo)數(shù)增強(qiáng)－Laplacian算子具有各向同性特征的線性變換算子:Laplacian算子（相當(dāng)于線性高通濾波器）離散實(shí)現(xiàn)：其具有90度旋轉(zhuǎn)不變性，當(dāng)對(duì)角方向的不變性（45度方向）也加上時(shí)，即得到如下右圖的掩碼：第七十頁(yè)，共八十四頁(yè)，編輯于2023年，星期一通過(guò)把原圖像與銳化處理結(jié)果相減，可以既保留銳化效果，同時(shí)能恢復(fù)圖像的背景特征。第七十一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一反銳化掩膜和高提升濾波（unsharpmaskingandhigh-boostfiltering)見(jiàn)教材p132，自學(xué)第七十二頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.5.2.2一階導(dǎo)數(shù)增強(qiáng)－梯度算子在不再特殊說(shuō)明時(shí)，通常把梯度矢量的幅度稱(chēng)為梯度。其具有旋轉(zhuǎn)不變性。實(shí)際實(shí)現(xiàn)時(shí)通常采用如下近似：盡管其計(jì)算簡(jiǎn)單，也能反映灰度變化，但喪失了各向同性特征一階導(dǎo)數(shù)算子的數(shù)字近似：a)Robert交叉梯度算子b)Sobel梯度算子第七十三頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3×3掩模圖：第七十四頁(yè)，共八十四頁(yè)，編輯于2023年，星期一一階導(dǎo)數(shù)檢測(cè)隱形眼鏡邊緣缺陷第七十五頁(yè)，共八十四頁(yè)，編輯于2023年，星期一3.6空間增強(qiáng)方法的聯(lián)合應(yīng)用（實(shí)驗(yàn)）Frequently,agivenenhancementtaskwillrequireapplicationofseveralcomplementaryenhancementtechniquesinordertoachieveanacceptableresult.Theimageshownleftisanuclearwholebodybonescan,usedtodetectdiseasessuchasboneinfectionandtumors.Theobjectiveistoenhancethisimagebysharpeningitandbybringingoutmoreoftheskeletaldetail.Thenarrowdynamicrangeofthelowgraylevelsandhighnoisecontentmakethisimagedifficulttoenhance.第七十六頁(yè)，共八十四頁(yè)，編輯于2023年，星期一TheStrategyUtilizetheLaplaciantohighlightfinedetailUtilizethegradienttoenhanceprominentedgesCombineLaplacianandgradienttogetthedetail-enhancedandnoise-compressedimageIncreasethecontrastoflowgraylevelsbyusingagray-leveltransformation.第七十七頁(yè)，共八十四頁(yè)，編輯于2023年，星期一LaplacianEnhancementArathernoisysharpenedimageisexpected.Medianfilterisincapableofremovingnoiseinsuchmedicalimages第七十八頁(yè)，共八十四頁(yè)，編輯于2023年，星期一SmoothedGradientasaMaskTheresponseofthegradienttonoiseandfinedetailislowerthantheLaplacian’sandcanbeloweredfurtherbysmoothingthegradientwithanaveragingfilter.WecansmooththegradientandmultiplyitbytheLaplacianenhancedimage.Inthiscasethesmoothedgradientmaybeviewedasamaskimage.5x5boxsmoothmaskimage第七十九頁(yè)，共八十四頁(yè)，編輯于2023年，星期一TheSharpenEnhancedImageThefinalsharpenenhancedimagecanbeobtainedfromthesumoforiginalimageandthesharpenedimagewhichcomesfromtheproductofLaplacianenhancedimageandthesmoothedSobelgradient.addtotheoriginalsharpenenhancedimageLaplacianenhancedsmoothedSobelgradientsharpenedimagestrongedgesandtherelativelackofvisiblenoise第八十頁(yè)，共八十四頁(yè)，編輯于2023年，星期一ContrastStretchandthefinalResultThefinalstepinthisenhancementtaskistoincreasethecontrastofthesharpenedimage.Thereareanumberofgrayleveltransformationfunctionsthatcanaccomplishthisobjective.Thedarkcharacteristicsoftheimageslendthemselvestoapower-lawtransformation.Significantnewdetailisvisibleintheresult,includingthefaintdefinitionoftheoutlineofthebody,andofbodytissue.c=1

γ=0.5第八十一頁(yè)，共八十四頁(yè)，編輯于2023年，星期一OverviewoftheProcessingFlowintheLastExampleOriginalimageLaplacianenhancedSobelgradientBoxfiltersmoothedSharpendedSharpenenhancedPower-lawstretchOutputThewayinwhichtheresultsareuseddependsontheapplicationandtheuser.Enhancedimagesarequiteusefulinhighlightingdetailsthatcanserveascluesforfurtheranalysisintheoriginalimageorsequenceofimages.Therearemanyareasinwhichtheenhancedresultmayindeedbethefinalproduct,andtheprincipalobjectiveofenhancementistoobtainanimagew