图形图像处理技术【复习笔记】 |
您所在的位置:网站首页 › y= ln x图像 › 图形图像处理技术【复习笔记】 |
个人复习笔记,如有错误欢迎批评指正 第四章 图像增强图像增强方法从增强的作用域出发,可分为空间域增强和频率域增强两种 空间域增强是直接对图像各像素进行处理;频率域增强是对图像经傅立叶变换后的频谱成分进行处理,然后逆傅立叶变换获得所需的图像。 【1】点运算1、灰度变换 灰度变换可调整图像的灰度动态范围或图像对比度,是图像增强的重要手段之一 【线性变换】 令图像
f
(
i
,
j
)
f(i,j)
f(i,j)的灰度范围为
[
a
,
b
]
[a,b]
[a,b], 线性变换后图像
g
(
i
,
j
)
g(i,j)
g(i,j)的范围为
[
a
´
,
b
´
]
[a´,b´]
[a´,b´],如图,
g
(
i
,
j
)
g(i,j)
g(i,j)与
f
(
i
,
j
)
f(i,j)
f(i,j)之间的关系式为: ![]() ![]() ![]() 0 ≤ r , s ≤ 1 0\leq r,s\leq 1 0≤r,s≤1 r :归一化了的原图像灰度 s :经直方图修正后的图像灰度 在 [ 0 , 1 ] [0,1] [0,1]区间内的任一个r值,都可产生一个s值,且 s = T ( r ) s=T(r) s=T(r), T ( r ) T(r) T(r)作为变换函数,满足下列条件: ①在 0 ≤ r ≤ 1 0\leq r \leq 1 0≤r≤1内为单调递增函数,保证灰度级从黑到白的次序不变;②在 0 ≤ r ≤ 1 0\leq r \leq 1 0≤r≤1内,有 0 ≤ T ( r ) ≤ 1 0\leq T(r) \leq 1 0≤T(r)≤1,确保映射后的像素灰度在允许的范围内。反变换关系为:
r
=
T
−
1
(
s
)
r=T^{-1}(s)
r=T−1(s),
T
−
1
(
s
)
T^{-1}(s)
T−1(s)对
s
s
s同样满足上述两个条件. ![]() 【直方图规定化】使原图像灰度直方图变成规定形状的直方图而对图像作修正 为了抑制噪声、改善图像质量所进行的处理称图像平滑或去噪 【为克服简单局部平均法的弊病,目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等,下面简要介绍几种算法。】 2、超限像素平滑法:对邻域平均法稍加改进,可导出超限像素平滑法 它是将
f
(
x
,
y
)
f(x,y)
f(x,y)和邻域平均
g
(
x
,
y
)
g(x,y)
g(x,y)差的绝对值与选定的阈值进行比较,根据比较结果决定点
(
x
,
y
)
(x,y)
(x,y)的最后灰度
g
´
(
x
,
y
)
g´(x,y)
g´(x,y)。其表达式为 : 实验证明,对于3×3的窗口,取K=6为宜。 4、最大均匀性平滑 为避免消除噪声引起边缘模糊,该算法先找出环绕图像中每像素的最均匀区域(如下图所示),然后用这区域的灰度均值代替该像素原来的灰度值。 那么最小方差所对应的区域就是灰度最均匀区域。 此方法既能够消除噪声,又不破坏区域边界的细节 6、空间低通滤波法 邻域平均法可看作一个掩模作用于图像
f
(
x
,
y
)
f(x,y)
f(x,y)的低通空间滤波,掩模就是一个滤波器,它的响应为
H
(
r
,
s
)
H(r,s)
H(r,s),于是滤波输出的数字图像
g
(
x
,
y
)
g(x,y)
g(x,y)用离散卷积表示为 1、梯度锐化法 对于图像
f
(
x
,
y
)
f(x,y)
f(x,y),在
(
x
,
y
)
(x,y)
(x,y)处的梯度定义为 ![]() ![]() ![]() ![]() 2、 Laplacian增强算子
3、 高通滤波法 用高通滤波算子和图像卷积来增强边缘。常用的算子有: 目的: ①消除噪声,改善图像的视觉效果②突出边缘,有利于识别和处理![]() ![]() ![]() ![]() ![]() ![]() 【巴特沃斯高通滤波器】 【指数滤波器】 【梯形低通滤波器】 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |