數(shù)字圖像處理與Python實(shí)現(xiàn)-課件第五章-圖像增強(qiáng)

數(shù)字圖像處理2022-2023-2課程內(nèi)容入門(mén)認(rèn)識(shí)第7章圖像壓縮第8章圖像分割基本操作應(yīng)用第9章圖像水印第10章指紋識(shí)別第11章深度學(xué)習(xí)綜合案例2第五章圖像增強(qiáng)技術(shù)5.1圖像增強(qiáng)技術(shù)分類(lèi)5.2直接灰度變換法5.3直方圖修正法5.4鄰域增強(qiáng)5.5頻域增強(qiáng)5.1圖像增強(qiáng)技術(shù)分類(lèi)點(diǎn)運(yùn)算算法鄰域增強(qiáng)算法（5.4）圖像增強(qiáng)灰度圖像增強(qiáng)彩色圖像增強(qiáng)空域圖像增強(qiáng)頻域圖像增強(qiáng)直接對(duì)圖像像素對(duì)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(duì)象5.2.1線(xiàn)性拉伸法全段線(xiàn)性拉伸法全段線(xiàn)性拉伸法(按一種線(xiàn)性關(guān)系）分段線(xiàn)性拉伸法（多種線(xiàn)性關(guān)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(guān)系為：

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

d-c=b-a，則k=1，改變位置

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

f(x,y)

g(x,y)5.2.1線(xiàn)性拉伸法5.2.1線(xiàn)性拉伸法分段線(xiàn)性拉伸法(a)擴(kuò)展感興趣的，犧牲其他

(b)擴(kuò)展感興趣的，壓縮其他分析下面兩種拉伸曲線(xiàn)的效果：(a)原圖

(b)擴(kuò)展動(dòng)態(tài)范圍5.2.2非線(xiàn)性拉伸法指數(shù)對(duì)數(shù)如指數(shù)函數(shù)、對(duì)數(shù)函數(shù)、平方函數(shù)、閾值函數(shù)或幾種非線(xiàn)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(xiàn)性拉伸法對(duì)數(shù)典型應(yīng)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(xì)節(jié)在顯示時(shí)丟失，5.2.2非線(xiàn)性拉伸法對(duì)數(shù)點(diǎn)運(yùn)算算法鄰域增強(qiáng)算法（5.4）圖像增強(qiáng)灰度圖像增強(qiáng)彩色圖像增強(qiáng)空域圖像增強(qiáng)頻域圖像增強(qiáng)直接對(duì)圖像像素對(duì)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(duì)象5.3.1灰度直方圖對(duì)每個(gè)灰度值，統(tǒng)計(jì)在圖像中具有該灰度值的像素個(gè)數(shù)，并繪制成圖形5.3直方圖修正法圖像的灰度像素?cái)?shù)統(tǒng)計(jì)圖，不可逆變換：直方圖是多對(duì)一的映射結(jié)果，即多個(gè)圖像可以生成相同的直方圖，因此反映相鄰點(diǎn)之間的關(guān)系。反映了圖像的灰度散布范圍等特征，在很多場(chǎng)合下是重要特征。六個(gè)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(dòng)態(tài)范圍寬了，對(duì)比度增強(qiáng)了定義把原始圖進(jìn)行某種灰度變換，為均勻分布的形式，增加像素灰度值的動(dòng)態(tài)范圍，提高圖像對(duì)比度一幅灰度圖像的直方圖分布說(shuō)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(gè)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(duì)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(jí)，則0≤r≤1，r=0為黑（最暗），r=1為白（最亮）；設(shè)變換后的圖像灰度級(jí)為s，則任意一個(gè)r值對(duì)應(yīng)一個(gè)s值。設(shè)s=T(r)，T(r)為變換函數(shù)。應(yīng)滿(mǎn)足如下條件，可將r的分布轉(zhuǎn)換為均勻分布。(a)對(duì)0≤r≤1，s=T[r]是單調(diào)增函數(shù)。（保證由黑到白）(b)對(duì)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(shí)例8個(gè)灰級(jí)，尺寸64*64大小=4096點(diǎn)僅存5個(gè)灰級(jí)，宏觀(guān)拉平，微觀(guān)不可能平層次減少，對(duì)比度提高。5.3.2直方圖均衡化求解變換函數(shù)的實(shí)例分析：（1）均衡化后的直方圖比原來(lái)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(duì)比度，但可能會(huì)減少圖像的灰度級(jí)。（3）原直方圖上像素較少的灰度級(jí)被歸并到新的灰度級(jí)上，與像素較多的灰度級(jí)的間隔被拉大了。（4）均衡化后有些信息會(huì)損失，可能導(dǎo)致不良結(jié)果?？梢圆捎镁植恐狈綀D均衡化方法。5.3.2直方圖均衡化求解變換函數(shù)的實(shí)例Python實(shí)現(xiàn)：#獲得直方圖hist=cv.calcHist([gray],[0],None,[256],[0,255])#應(yīng)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(xiàn)性變化嗎？是否AB提交單選題1分23思考分析：關(guān)于直方圖均衡化方法的說(shuō)法正確的是（）增加像素灰度值的動(dòng)態(tài)范圍，但是效果不易控制圖像增強(qiáng)效果一定符合人的視覺(jué)特性和具體應(yīng)用的要求提高圖像對(duì)比度為保證效果，可以有選擇地增強(qiáng)某個(gè)灰度范圍內(nèi)的對(duì)比度ABCD提交多選題1分點(diǎn)運(yùn)算算法鄰域增強(qiáng)算法（5.4）圖像增強(qiáng)灰度圖像增強(qiáng)彩色圖像增強(qiáng)空域圖像增強(qiáng)頻域圖像增強(qiáng)直接對(duì)圖像像素對(duì)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(duì)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(qiáng)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(hào)與噪聲的功率譜之比，近似估計(jì)圖象信噪比：信號(hào)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(qiáng)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(duì)應(yīng)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(diǎn)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(diǎn)而不會(huì)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(shí)例類(lèi)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(diǎn)運(yùn)算算法鄰域增強(qiáng)算法（5.4）圖像增強(qiáng)灰度圖像增強(qiáng)彩色圖像增強(qiáng)空域圖像增強(qiáng)頻域圖像增強(qiáng)直接對(duì)圖像像素對(duì)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(duì)象5.4.3微分運(yùn)算法梯度運(yùn)算法梯度運(yùn)算和拉普拉斯運(yùn)算對(duì)于圖像f(x,y)，在(x,y)處的梯度定義為：G[f(x,y)]是一個(gè)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(yùn)算法梯度運(yùn)算法實(shí)例#Sobel算子x=cv2.Sobel(grayImage,cv2.CV_16S,1,0)#對(duì)x一階求導(dǎo)y=cv2.Sobel(grayImage,cv2.CV_16S,0,1)#對(duì)y一階求導(dǎo)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(yùn)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(jì)算來(lái)檢測(cè)邊緣。若在原圖上（或一定的灰度值上）疊加該檢測(cè)結(jié)果有勾邊效果。5.4.3微分運(yùn)算法圖像銳化注意噪聲亦屬高頻分量，往往會(huì)隨高頻增強(qiáng)而突出。因此往往需要去噪后再銳化邊緣銳化的缺點(diǎn)：

邊緣突出的同時(shí)圖像中噪聲也會(huì)被突出。關(guān)于圖像銳化和圖像平滑的說(shuō)法，正確的是（）圖像銳化和平滑都不屬于圖像增強(qiáng)的方式圖像銳化用于增強(qiáng)邊緣，導(dǎo)致高頻分量增強(qiáng)，會(huì)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(diǎn)運(yùn)算算法鄰域增強(qiáng)算法（5.4）圖像增強(qiáng)灰度圖像增強(qiáng)彩色圖像增強(qiáng)空域圖像增強(qiáng)頻域圖像增強(qiáng)直接對(duì)圖像像素

（5.5）對(duì)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(duì)象5.5頻域增強(qiáng)法在頻率域空間對(duì)圖像進(jìn)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