第3章灰度級變換

第三章

圖像增強

(圖像的灰度變換）圖像增強的目的是為了改善畫質(zhì)，使圖像的顯示效果更加清晰。本章中主要介紹的內(nèi)容包括：對比度線性展寬灰級窗與灰級窗切片動態(tài)范圍調(diào)整直方圖均衡化處理偽彩色技術(shù)對比度：通俗地講，就是亮暗的對比程度。對比度大的圖像通常層次感強，清晰度高。對比度的計算公式如下：即相鄰像素間的灰度差即相鄰像素間的灰度差為δ的像素分布概率其中：相鄰像素的兩種定義：四近鄰八近鄰3.1圖像的對比度

對比度計算例

設(shè)圖像為：四近鄰!!!逐個像素統(tǒng)計板書計算對比度演示計算結(jié)果的意義？3.2對比度線性展寬

對比度展寬的目的是，將人所關(guān)心的部分強調(diào)出來。設(shè)新、舊圖的灰度級分別為g和f，要求:(1)g和f均在[0，255]間變化;(2)是g的表現(xiàn)效果要優(yōu)于f。

原理是，對像素進(jìn)行灰度級映射。

對比度展寬的目的是，將人所關(guān)心的部分強調(diào)出來。設(shè)新、舊圖的灰度級分別為g和f，要求:(1)g和f均在[0，255]間變化;(2)是g的表現(xiàn)效果要優(yōu)于f。

原理是，對像素進(jìn)行灰度級映射。可用下圖表示映射關(guān)系，將圖像像素(i,j)從原灰度f(i,j)映射為新的像素灰度g(i,j)。255fafbf255gagbαγβ(i,j)g(i,j)0分析：對比度展寬與抑制原像素灰度新像素灰度公式板書將上面圖示的映射關(guān)系，用計算公式表達(dá)即為：Potoshop演示對比度線性展寬(近似實現(xiàn)）已知一幅圖像F如下，其中灰度變化范圍為0～7，請對其進(jìn)行線性對比度展寬處理。假設(shè)fa=3,fb=5,ga=2,gb=6。求新圖像G。解：f(i,j)01234567g(i,j)01124677(1)(2)(3)(4)展寬與壓縮3.3灰級窗與灰級窗切片只顯示指定灰度級范圍內(nèi)的信息。抑制非重要信息的對比度，使:α=γ=0255fafbf(i,j)255gagbαγβg(i,j)線性對比度展寬灰級窗問題：灰級窗使圖像主體內(nèi)容的對比度如何變化？為什么？算法的數(shù)學(xué)描述3.3.1灰級窗Photoshop演示3.3.2灰級窗切片分割目標(biāo)物區(qū)域，其與非目標(biāo)物用不同灰度值描述。255fafbfg255Photoshop演示3.4動態(tài)范圍調(diào)整動態(tài)范圍：是指一幅圖像所描述的場景從暗到亮的變化范圍。動態(tài)范圍對圖像質(zhì)量的影響：當(dāng)描述場景的動態(tài)范圍過大時，可能使其中的主要景物的灰度級變化范圍不大，嚴(yán)重影響了圖像畫面的質(zhì)量。動態(tài)范圍調(diào)整原理：壓縮動態(tài)范圍，使圖像中主要目標(biāo)物的灰度級的變化范圍擴大。3.4.1線性動態(tài)范圍調(diào)整如下圖所示，將原來[0,255]范圍內(nèi)的亮暗變化，壓縮到[a,b]范圍內(nèi)。再將[a,b]范圍內(nèi)的灰度值展寬到[0,255]。線性動態(tài)范圍調(diào)整效果photoshop軟件實現(xiàn)線性動態(tài)范圍調(diào)整：先顯示直方圖，以確定fa、fb線性動態(tài)范圍調(diào)整的計算實例1399821373360646820529260a=2b=703999003933606469005090600299900292270747900509070將[0,2]轉(zhuǎn)換為0將[7,9]轉(zhuǎn)換為9可理解為：亮暗限幅

轉(zhuǎn)換[3,6]的像素值g(i,j)=9/5×[f(i,j)-2]C=16.9211C=26.2895345624573.4.2非線性動態(tài)范圍調(diào)整灰度映射關(guān)系通常采用對數(shù)運算。原因是人眼對信號的處理是有一個近似對數(shù)算子的環(huán)節(jié)。非線性動態(tài)范圍調(diào)整的計算實例13998213733606468205292603599943585580868940749480g(i,j)=9*lg(f(i,j)+1)作用：將暗的部分?jǐn)U展，而將亮的部分抑制。C=16.9211C=18.7632f(i,j)0123456789g(i,j)0345678899Photoshop近似演示：非線性動態(tài)范圍調(diào)整3.5直方圖均衡化方法直方圖均衡化方法是一種自動增強圖像對比度的算法?；舅枷胧牵簩υ趫D像中像素個數(shù)多的灰度級進(jìn)行展寬對像素個數(shù)少的灰度級進(jìn)行壓縮。見實例直方圖均衡化的步驟：1、求灰度直方圖h2、計算灰度級的分布概率Pf3、計算灰度級的累積分布概率Pa4、計算新圖像的灰度值255×Pa直方圖均衡化方法的物理意義分析？一、求灰度直方圖設(shè)f、g分別為原圖像和處理后的圖像。求出原圖f的灰度直方圖，設(shè)為h。顯然，在[0,255]范圍內(nèi)量化時，h是一個256維的向量。例1446824373340696550565564

f

h02112133455565718191注：這里為了描述方便起見，設(shè)灰度級的分布范圍為[0,9]。h=[2,1,1,3,5,5,5,1,1,1]

0123456789f的灰度直方圖二、計算灰度級的分布概率1求出圖像f的總體像素個數(shù)

Nf=m×n(m,n分別為圖像的長和寬）2灰度級i的分布概率

Pf(i)：灰度級i的像素個數(shù)在整個圖像中所占的百分比。

Pf(i)=h(i)/Nf(i=0,1,…,255)

Pf00.0810.0420.0430.1240.2050.2060.2070.2480.0490.04h02112133455565718191Pf(i)=h(i)/25所有灰度級的分布概率之和等于？Pf=[0.04,0.04,0.12,0.20,0.20,0.20,0.04,0.04,0.14]三、計算灰度級的累積分布概率圖像灰度級i的累積分布概率按照下式計算：

Pa0123456789Pf00.0810.0420.0430.1240.2050.2060.2070.2480.0490.04灰度級的值越大，其對應(yīng)的灰度級累積分布概率的值也越大嗎？最大灰度級的累積分布概率等于？00.120.160.280.480.680.880.920.961.00Pa=[0,0.12,0.16,0.28,0.48,0.68,0.88,0.92,0.96,1.0]四、計算新圖像的灰度值假設(shè)新圖像中的最大灰度級為9，則新圖像的灰度值按下式計算：

注意對計算機后的數(shù)據(jù)取整。

fPa0010.1220.1630.2840.4850.6860.8870.9280.9691.001448914383340895460686684g1446824373340696450565564001121334456687889999Pa(四舍五入取整)灰度映射表9Pa=[0,1,1,3,4,6,8,8,9,9]處理前后灰度直方圖的比較f的灰度直方圖g的灰度直方圖

對圖像中像素個數(shù)多的灰度級進(jìn)行展寬，像素個數(shù)少的灰度級進(jìn)行壓縮。

0123456789f的灰度直方圖

0123456789g的灰度直方圖

matlab實驗結(jié)果。3.6偽彩色技術(shù)人眼分辨不同彩色的能力比分辨不同的灰度級的能力強得多。因此，把人眼無法區(qū)別的灰度變化，顯示為不同的彩色，能夠提高識別率。這便是偽彩色增強的基本依據(jù)。所以，偽彩色技術(shù)是一種把灰度圖像轉(zhuǎn)換為彩色圖像的技術(shù)。由于這些彩色并不代表物體的真實顏色，所以稱其為：偽彩色。3.6.1基于灰度變換的偽彩色方法仿照對溫度的描述方式，當(dāng)溫度比較低，我們會想到藍(lán)色（又稱冷色調(diào)），當(dāng)溫度較高的時候，會想到紅色（又稱暖色調(diào)）。根據(jù)人感官上的這一特性，將亮度低的影射為藍(lán)色，亮度高的影射為紅色。由此，可以按照如下所示的映射關(guān)系進(jìn)行偽彩色處理。255063127191255

fR255063127191255

fG255fB063127191255

基于亮度表示的偽彩色效果圖實例紅外圖像的偽彩顯示

3.6.2基于區(qū)域分割的偽彩色方法該偽彩色技術(shù)是先對原圖進(jìn)行了區(qū)域分割，然后對不同區(qū)域給不同的色調(diào)。

實例對比度展寬效果灰級窗效果示意圖肌肉窗肺窗骨窗灰級窗切片效果示意圖原圖骨區(qū)肌肉區(qū)肺區(qū)直方圖均衡化的效果Matlab實驗基于亮度表示的偽彩色效果圖線性動態(tài)范圍調(diào)整效果基于區(qū)域分割的偽彩色技術(shù)基于區(qū)域分割的偽彩色技術(shù)

123456643221166466345666146623136466灰度直方圖1234562010圖像的灰度直方圖是對圖像中各灰度級的像素個數(shù)的統(tǒng)計。繪制直方圖時，橫坐標(biāo)表示灰度級，縱坐標(biāo)表示圖像中對應(yīng)各灰度級的像素個數(shù)。h=[0,5,4,5,6,2,14]1426545654321灰度級像素個數(shù)00[mn]=size(F);%獲取圖像矩陣f的行數(shù)m與列數(shù)n的值fa=90;fb=170;ga=20;gb=230;%給變量賦值k1=ga/fa;k2=(gb-ga)/(fb-fa);k3=(255-gb)/(255-fb);G=F;%定義輸出圖像矩陣fori=1:m%行坐標(biāo)循環(huán)語句forj=1:n%列坐標(biāo)循環(huán)語句ifF(i,j)<fa%條件控制語句G(i,j)=k1*F(i,j);endifF(i,j)<fb&F(i,j)>=fa%條件控制語句G(i,j)=k2*(F(i,j)-fa)+ga;endifF(i,j)>=fb%條件控制語句G(i,j)=k3*(F(i,j)-fb)+gb;endendendG=uint8(G);%改變矩陣G為圖像數(shù)據(jù)類型F=ui