图像增强

图象增强的含义和目的
空域灰度变换增强
灰度变换
直方图修正

学习目标
掌握灰度变换、直方图修正技术
掌握空域滤波增强方法 -图像平滑、图像锐化
了解彩色增强

图象增强的含义和目的

什么是图象增强

图像增强是要突出图像中的某些信息，同时削弱或去除某些不需要信息的一种处理方法，以得到对具体应用来说视觉效果更“好”，或更“有用”的图像的技术

为什么要增强图象

图像在传输或者处理过程中会引入噪声或使图像变模糊，从而降低了图像质量，甚至淹没了特征，给分析带来了困难

图像增强目的

一是改善图像的视觉效果，提高图像的清晰度；
二是将图像转换成一种更适合于人或机器分析处理的形式

定义

用一系列手段对取得的图像灰度作修正，或对噪声作过滤，使得图像灰度与实际景物的灰度尽可能地匹配

图像增强方法

空域法

直接对图像的像素灰度值进行操作

点运算

T(-)作用于(x，y)处的单个像素，即输出图像的每个像素值仅由相应的输入图像的像素值决定，则称其为点操作(点处理)，或称为灰度变换。显然T只作用于像素值而与位置无关，所以变换可以更具体写为 s = T（ r ）

邻域运算

T(-)作用于(x，y)处像素的邻域，即输出图像的像素值由对应的输入图像的像素值及邻域像素值决定，则称其为邻域操作

频域法

在图像的变换域中，对图像的变换值进行操作，然后经逆变换获得所需的增强结果。常用的方法包括低通滤波、高通滤波以及同态滤波等

空域灰度变换增强

灰度变换

灰度变换就是把原图像的像素灰度经过某个变换函数变换成新的图像灰度

常见的灰度变换方法

直接灰度变换法（由经验设计T）
直接灰度变换法：线性、分段线性以及非线性变换。
直方图修正法（由数学方法求T）
直方图修正法：直方图均衡化、直方图规定化。

直接灰度变换法

灰度线性变换

灰度倒置线性变换

分段线性灰度变换

为突出图像中感兴趣的目标或者灰度区间，将图像灰度区间分成两段乃至多段分别作线性变换称之为分段线性变换

分段线性变换函数

分两段的线性变换

灰度非线性变换

用某些非线性函数，例如平方、对数、指数函数等作为映射函数。灰度的非线性变换指由这样一个非线性单值函数所确定的灰度变换。
非线性动态范围调整原理
——线性动态范围调整的分段线性映射不够光滑。用光滑的曲线来实现非线性动态范围调整。
——人眼对视觉信号的处理过程有一个近似对数算子的环节，因此，可采用对数运算来实现非线性动态范围调整。

非线性变换映射函数

采用非线性对数变换处理的图像

对数变换

使一窄带低灰度输入图像映射为一宽带输出值。可以用于扩展被压缩的高值图像中的暗像素

幂律变换

幂次变换的应用

非线性变换示例

直方图修正

概述

图像直方图是对像素的某种属性（如灰度、颜色、梯度等）
分布进行统计分析的重要手段：
修正直方图→ 可以增强图像对比度；
分析直方图→ 有助于确定图像分割的阈值；
利用直方图→ 还可用于图像匹配等操作

直方图的计算

1）在直方图匹配等操作中，有时为了简化计算，常将像素值（如灰度、颜色等）沿水平轴划分为若干个子区间，每个子区间称为直方图的一个箱格（bin）， bin的值是落入该子区间的像素总数或频率。
2）在OpenCV2中，可用calcHist()函数计算直方图，可用calcBackProject()函数实现反向投影。

直方图均衡化

基本思想是把原始图像的直方图变换为均匀分布的形式，从而增加图像灰度的动态范围。（经过均衡化处理的图像，其灰度级出现的概率相同，此时图像的熵最大，图像所包含的信息量最大）

直方图均衡化—数学原理

连续图像的直方图均衡化

离散数字图像的直方图均衡化

均衡化变换函数更简洁的推导

s = T® 0≤r ≤1

变换T最关键的条件是保持图像内容完整不交错，即任意指定灰度范围像素数量与变换后分布的像素数量相同

例如，假定一幅大小为64×64、 8个灰度级的图像，其灰度分布及均衡化结果如表3-1 所示，均衡化前后的直方图及变换用的累积直方图如图3-10所示，直方图均衡化的处理过程如下：

由式（3-12）可得到一组变换函数：

依此类推： s3=0.81， s4=0.89， s5=0.95， s6=0.98，s7=1.0。变换函数如图3-10(b)所示。
由于输入输出灰度均为整数，因此将上述变换结果扩展至［0, 7］并取整，可得：s0≈1, s1≈3, s2≈5, s3≈6, s4≈6, s5≈7, s6≈7, s7≈7

理论上，直方图均衡化后的直方图应该是平坦的，但由于不能将同一灰度级的像素映射到不同的灰度级，因而实际结果只是近似均衡