數(shù)字圖像處理與Python實現(xiàn)-課件第五章-圖像增強

數(shù)字圖像處理2022-2023-2課程內(nèi)容入門認識第7章圖像壓縮第8章圖像分割基本操作應用第9章圖像水印第10章指紋識別第11章深度學習綜合案例2第五章圖像增強技術5.1圖像增強技術分類5.2直接灰度變換法5.3直方圖修正法5.4鄰域增強5.5頻域增強5.1圖像增強技術分類點運算算法鄰域增強算法（5.4）圖像增強灰度圖像增強彩色圖像增強空域圖像增強頻域圖像增強直接對圖像像素對圖像變換后的系數(shù)圖像平滑圖像銳化均值濾波、中值濾波直接灰度變換方法（5.2）基于直方圖的灰度變換（5.3）圖像平滑圖像銳化一二階微分算子低通濾波高通濾波帶通與帶阻濾波同態(tài)濾波作用域處理對象5.2.1線性拉伸法全段線性拉伸法全段線性拉伸法(按一種線性關系）分段線性拉伸法（多種線性關系）原圖像：灰度范圍

[a,b]內(nèi)，變換后：灰度范圍[c,d]內(nèi)，變換關系為：

g(m,n)=k[f(m,n)-a]+c討論：[a,b]和[c,d]的取值關系

d-c=b-a，則k=1，改變位置

對于b>a，d<c成立，則k<0，明暗取反尤其當k=-1時，g(m,n)即為f(m,n)的取反5.2直接灰度法線性拉伸法非線性拉伸法分段線性拉伸法abcdMfMg

f(x,y)

g(x,y)5.2.1線性拉伸法5.2.1線性拉伸法分段線性拉伸法(a)擴展感興趣的，犧牲其他

(b)擴展感興趣的，壓縮其他分析下面兩種拉伸曲線的效果：(a)原圖

(b)擴展動態(tài)范圍5.2.2非線性拉伸法指數(shù)對數(shù)如指數(shù)函數(shù)、對數(shù)函數(shù)、平方函數(shù)、閾值函數(shù)或幾種非線性函數(shù)的組合等g(x,y)=bC[f(x,y)-a]g(x,y)=loga[f(x,y)]5.2.2非線性拉伸法對數(shù)典型應用--傅里葉頻譜，其頻譜值的范圍很大，圖像顯示系統(tǒng)往往不能呈現(xiàn)出；如此大范圍的值，造成很多細節(jié)在顯示時丟失，5.2.2非線性拉伸法對數(shù)點運算算法鄰域增強算法（5.4）圖像增強灰度圖像增強彩色圖像增強空域圖像增強頻域圖像增強直接對圖像像素對圖像變換后的系數(shù)圖像平滑圖像銳化均值濾波、中值濾波直接灰度變換方法（5.2）基于直方圖的灰度變換（5.3）圖像平滑圖像銳化一二階微分算子低通濾波高通濾波帶通與帶阻濾波同態(tài)濾波作用域處理對象5.3.1灰度直方圖對每個灰度值，統(tǒng)計在圖像中具有該灰度值的像素個數(shù)，并繪制成圖形5.3直方圖修正法圖像的灰度像素數(shù)統(tǒng)計圖，不可逆變換：直方圖是多對一的映射結(jié)果，即多個圖像可以生成相同的直方圖，因此反映相鄰點之間的關系。反映了圖像的灰度散布范圍等特征，在很多場合下是重要特征。六個像素定義5.3.1灰度直方圖定義5.3.2灰度直方圖3）邊界閾值的選擇1）2)整幅圖像的直方圖是內(nèi)部區(qū)域的直方圖之和。T雙峰直方圖用途5.3.2直方圖均衡化動態(tài)范圍寬了，對比度增強了定義把原始圖進行某種灰度變換，為均勻分布的形式，增加像素灰度值的動態(tài)范圍，提高圖像對比度一幅灰度圖像的直方圖分布說法正確的是：（）直方圖的峰值集中在低端，則圖像較暗；反之，圖像較亮。直方圖的峰值集中在某個區(qū)域，不影響圖像清晰度。物體和背景差別很大的圖像，其直方圖具有雙峰特性。直方圖分布越均勻，圖像對比度越好。ABCD提交多選題1分5.3.2直方圖均衡化定義r:原圖像歸一化后的灰度級，則0≤r≤1，r=0為黑（最暗），r=1為白（最亮）；設變換后的圖像灰度級為s，則任意一個r值對應一個s值。設s=T(r)，T(r)為變換函數(shù)。應滿足如下條件，可將r的分布轉(zhuǎn)換為均勻分布。(a)對0≤r≤1，s=T[r]是單調(diào)增函數(shù)。（保證由黑到白）(b)對0≤r≤1，0≤s=T[r]≤1。（取值范圍一致）5.3.2直方圖均衡化求解變換函數(shù)圖像變換前后的直方圖分別記為P(r)和P(s)

5.3.2直方圖均衡化求解變換函數(shù)的實例8個灰級，尺寸64*64大小=4096點僅存5個灰級，宏觀拉平，微觀不可能平層次減少，對比度提高。5.3.2直方圖均衡化求解變換函數(shù)的實例分析：（1）均衡化后的直方圖比原來均勻很多，但并非完全均勻（2）直方圖均衡化提高了圖像的對比度，但可能會減少圖像的灰度級。（3）原直方圖上像素較少的灰度級被歸并到新的灰度級上，與像素較多的灰度級的間隔被拉大了。（4）均衡化后有些信息會損失，可能導致不良結(jié)果。可以采用局部直方圖均衡化方法。5.3.2直方圖均衡化求解變換函數(shù)的實例Python實現(xiàn)：#獲得直方圖hist=cv.calcHist([gray],[0],None,[256],[0,255])#應用直方圖均衡化dst=cv.equalizeHist(gray)思考分析：直方圖均衡化方法是線性變化嗎？是否AB提交單選題1分23思考分析：關于直方圖均衡化方法的說法正確的是（）增加像素灰度值的動態(tài)范圍，但是效果不易控制圖像增強效果一定符合人的視覺特性和具體應用的要求提高圖像對比度為保證效果，可以有選擇地增強某個灰度范圍內(nèi)的對比度ABCD提交多選題1分點運算算法鄰域增強算法（5.4）圖像增強灰度圖像增強彩色圖像增強空域圖像增強頻域圖像增強直接對圖像像素對圖像變換后的系數(shù)圖像平滑圖像銳化均值濾波、中值濾波直接灰度變換方法（5.2）基于直方圖的灰度變換（5.3）圖像平滑圖像銳化一二階微分算子低通濾波高通濾波帶通與帶阻濾波同態(tài)濾波作用域處理對象5.4.1鄰域平均值法采用3x3均值濾波濾波核為：5.4鄰域增強法鄰域平均值法，中值濾波法定義

1111/9111

11100000000000000000000000008

00000000000000000000000000000000000000000099999999000000009999999900000000999999990000000099999999000000009999199900000000999999990000000099999999000000009999999900000000000000000000000000000000000000800000000000000000000000000000你發(fā)現(xiàn)了什么？原始圖像均值濾波后、（1）變“平坦”，景物邊緣變得模糊。（2）減少、抑制或者消除噪聲。、、平滑5.4.1鄰域平均值法圖像平滑目的：減少噪聲1）加性噪聲2）乘性噪聲3）量化噪聲4）椒鹽噪聲5）信噪比（SignalNoiseRate）：衡量圖像噪聲，信號與噪聲的功率譜之比，近似估計圖象信噪比：信號與噪聲的方差之比

（在均值為零的情況下，功率就是方差）

1/251/251/251/251/25

111111/251/251/251/251/25111111/251/251/251/251/25或1/25111111/251/251/251/251/25111111/251/251/251/251/25

11111模板尺寸越大，模糊作用越強5.4.1鄰域平均值法5x5均值濾波5.4.1鄰域平均值法鄰域均值濾波加入椒鹽噪聲、高斯噪聲、Speckle噪聲和Poisson噪聲后的圖像鄰域平均值法處理的結(jié)果#均值濾波result=cv2.blur(Image,(7,7))5.4.2中值濾波法中值濾波輸出像素是鄰域內(nèi)像素的中間值而不是平均值步驟:

1）模板游走2）將mask下對應的灰度值（奇數(shù)）排序3）用中間值代替f(x,y),消除孤立的噪聲點5.4.2中值濾波法中值濾波示意圖0000000000000000000000000800000000000000000000000000000000000000000099999999000000009999999900000000999999990000000099999999000000009999199900000000999999990000000099999999000000009999999900000000000000000000000000000000000000800000000000000000000000000000?????????????????00000000000000??00000000000000??00000000000000??00009999990000??00099999999000??00099999999000??00099999999000??00099999999000??00099999999000??00099999999000??00009999990000??00000000000000??00000000000000??00000000000000????????????????

?可以消除雜散噪聲點而不會或較小程度地造成邊緣模糊。你發(fā)現(xiàn)了什么？5.4.2中值濾波法中值濾波實例類似中值濾波：最大值濾波法和最小值濾波法#中值濾波img_median=cv.medianBlur(src,5)

點運算算法鄰域增強算法（5.4）圖像增強灰度圖像增強彩色圖像增強空域圖像增強頻域圖像增強直接對圖像像素對圖像變換后的系數(shù)圖像平滑圖像銳化均值濾波、中值濾波直接灰度變換方法（5.2）基于直方圖的灰度變換（5.3）圖像平滑圖像銳化一二階微分算子低通濾波高通濾波帶通與帶阻濾波同態(tài)濾波作用域處理對象5.4.3微分運算法梯度運算法梯度運算和拉普拉斯運算對于圖像f(x,y)，在(x,y)處的梯度定義為：G[f(x,y)]是一個矢量，常用幅值表示梯度為：Roberts、Prewitt和Sobel算子(i,j)(i+1,j)(i,j+1)(i,j)(i+1,j)(i,j+1)(i+1,j+1)5.4.3微分運算法梯度運算法實例#Sobel算子x=cv2.Sobel(grayImage,cv2.CV_16S,1,0)#對x一階求導y=cv2.Sobel(grayImage,cv2.CV_16S,0,1)#對y一階求導absX=cv2.convertScaleAbs(x)absY=cv2.convertScaleAbs(y)Sobel=cv2.addWeighted(absX,0.5,absY,0.5,0)銳化5.4.3微分運算法圖像銳化邊緣銳化的原理邊緣或紋理是灰度值發(fā)生突變的地方，采用差分或梯度計算來檢測邊緣。若在原圖上（或一定的灰度值上）疊加該檢測結(jié)果有勾邊效果。5.4.3微分運算法圖像銳化注意噪聲亦屬高頻分量，往往會隨高頻增強而突出。因此往往需要去噪后再銳化邊緣銳化的缺點：

邊緣突出的同時圖像中噪聲也會被突出。關于圖像銳化和圖像平滑的說法，正確的是（）圖像銳化和平滑都不屬于圖像增強的方式圖像銳化用于增強邊緣，導致高頻分量增強，會使圖像清晰圖像平滑可用于消除圖像噪聲圖像平滑可造成圖像模糊ABCD提交多選題1分點運算算法鄰域增強算法（5.4）圖像增強灰度圖像增強彩色圖像增強空域圖像增強頻域圖像增強直接對圖像像素

（5.5）對圖像變換后的系數(shù)圖像平滑圖像銳化均值濾波、中值濾波直接灰度變換方法（5.2）基于直方圖的灰度變換（5.3）圖像平滑圖像銳化一二階微分算子低通濾波高通濾波帶通與帶阻濾波同態(tài)濾波作用域處理對象5.5頻域增強法在頻率域空間對圖像進行濾波，以傅里葉變換為例低通濾波高通濾波帶通與帶阻濾波、同態(tài)濾波5.5.1低通濾波法圖