第四章--图像增强

图像增强引言

应用：

第一类是改善图像的视觉效果
第二类突出图像的特征，便于计算机处理

图像质量退化的原因:

1.对比度问题：对比度局部或全部偏低,影响图像视觉

2.噪声干扰问题：使图像蒙受干扰和破坏(加性噪声，乘性噪声，周期噪声，量化噪声，盐粒、胡椒面噪声，背景干扰)

3.清晰度下降问题,使图像模糊不清,甚至严重失真

图像增强技术的主要目标是：

通过对图像的处理，使图像比处理前更适合一个特定的应用

突出图像中的“ 有用” 信息，扩大图像中不同物体特征间的差别，为图像信息的识别与提取奠定基础

空域处理

1.点运算增强--灰度级变换

什么是灰度变换

将一个灰度区间映射到另一个灰度区间的变换称为灰度变换

灰度变换的作用

灰度变换可使图像动态范围加大，图像对比度扩展，图像清晰，特征明显，是图像增强的重要手段

灰度级变换的应用

亮度调整、对比度拉伸、灰度级切片

灰度变换的分类

1.线性变换：线性变换，分段线性变换（拉伸图像中一些灰度细节，相对抑制不感兴趣的部分。）

2.非线性变换：非线性拉伸不是对图像的整个灰度范围进行扩展，而是有选择地对某一灰度值范围进行扩展，其他范围的灰度值则有可能被压缩

与分段线性拉伸区别：非线性拉伸不是通过在不同灰度值区间选择不同的线性方程来实现对不同灰度值区间的扩展与压缩，而是在整个灰度值范围内采用统一的非线性变换函数，利用函数的数学性质实现对不同灰度值区间的扩展与压缩

灰度级变换应用：

1亮度调整——加亮、减暗图像

2.对比度拉伸——提高、降低对比度

提高对比度：通常通过直方图得到两个拐点的位置

降低对比度：降低对比度一般用于输出设备的灰度级小于输入图像的灰度级的情况，如显示傅立叶频谱时

3.局部提高、局部降低对比度

4.灰度级切片：主要用于突出某个特定的灰度范围，从而增强某个专门的特征

两种非线性扩展方法：对数扩展，指数拓展

获取变换函数的方法

固定函数：正弦函数、分段直线、指数函数、对数函数

交互样点插值：用过点的三次样条插值曲线，获得变换函数

直方图

灰度级变换的分析

灰度级变换对图像层次有负面影响

原因：由于变换是在有限个灰度级上进行的，因此会造成层次的减少

改进：通过输入较多层次（如> $2^{8}$ )，保证在图像上进行灰度级变换后，其输出保留足够的层次

2.直方图增强--空域过滤器

直方图均衡化

一种自动调节图像对比度质量的算法

使用的方法是灰度变换：s = T(r)

基本思想是通过灰度级r 的概率密度函数p( $r_{k}$ )，求出灰度变换函数T(r)]

从数学角度，直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法

直方图均衡— 灰度变换函数
1) 求出原图 f 的灰度直方图，设为h 。h 为一个256维的向量。
2) 求出图像 f ，的总体像素个数， Nf=m×n
3) 计算每个灰度的像素个数在整个图像中所占的百分比：
hs(i)=h(i)/N f (i=0,1,…,255)
4) 计算图像各灰度的累计分布hp ：

5) 理论灰度变换函数：T(r）= hp(i)*255

不改变灰度出现的次数，所改变的是出现次数所对应的灰度级。由此不改变图像的信息结构

力图使等长区间内出现的像素数接近相等

直方图均衡化实质上是减少图象的灰度级以换取对比度的加大。在均衡过程中，原来的直方图上频数较小的灰度级被归并为很少几个或一个灰度级内

直方图匹配

算法实现流程总结：
1 ）求出灰度级变换T
2 ）求出灰度级变换G
3 ）求出逆变换 $G^{-1}$
4 ）通过T 和 $G^{-1}$ 求出复合变换H
5 ）用H对图像做灰度级变换

3.彩色图像增强

在RGB 模型上增强--彩色平衡

偏色：采样过程中，由于设备、环境的原因会造成图像的三个颜色分量不同的变换关系，使图像中所有物体的颜色偏离了其原有的真实色彩，这种现象被称为偏色。如图像的灰色部分带有了颜色

灰度平衡：使RGB彩色设备的彩色分量混合后，颜色失去色调和饱和度产生灰色，这种颜色混合效果被称为灰度平衡，一般情况下，等量的RGB产生灰色。

彩色平衡：纠正偏色的过程叫作彩色平衡

彩色平衡的实现，是通过调整灰平衡，使偏色区域，恢复成灰色来达到的。

当灰色的亮度达到一定程度时，显现为白色，因此有时亦称之为白平衡调整

在HSI 模型上增强

通过色调进行处理

基本思想：1.将图像转换到HSI 色空间 2.对指定色调值H 进行调整，H ’ = H +/- ∆h

主要应用
改变图像的气氛（如暖色和冷色的气氛变化，早晚气氛的变化）

换色（对指定色调的颜色进行更换）、去色

通过亮度进行处理

基本思想：

将图像转换到HSI 色空间

对指定亮度值I ，乘上一个调整量∆I
I ’ = I * ∆I

主要应用:
(1)对每个象素的亮度分量上乘一个大于1 的常量（如1.3 ），使得图像变得更明亮，提高图像的亮度
(2)对每个象素的亮度分量上乘一个小于1 的常量（如0.8 ），使得图像的亮度降低。
(3)有选择地调整图像的亮度，可以以色调、选区作为是否进行亮度处理的根据。例如只对红色调提高亮度。
(4)对亮度分量进行直方图均衡化

通过颜色饱和度进行处理

基本思想:

将图像转换到HSI 色空间

对指定亮度值S ，乘上一个量∆S
S ’ = S * ∆S

主要应用:
(1)对每个象素的饱和度分量乘一个大于1 的常量（如1.3 ），使得图像的颜色更为鲜明
(2)对每个象素的饱和度分量乘一个小于1 的常量（如0.8 ），使得图像的颜色的鲜明度降低。
(3)有选择地调整图像的颜色饱和度，可以以色调、选区作为是否进行饱和度处理的根据。例如只对红色调提高饱和度

伪彩色图像处理

方法：伪彩色变换，密度分割

4.空域模板滤波

空域滤波的基本概念:使用空域模板进行的图像处理,被称为空域滤波。

线性滤波器分类

低通滤波器--主要用途：平滑图像、去除噪音

高通滤波器--主要用途：边缘增强、边缘提取

带通滤波器--主要用途：删除特定频率、增强中很少用

非线性滤波器分类

中值滤波--主要用途：平滑图像、去除噪音

最大值滤波--主要用途：寻找最亮点

最小值滤波--主要用途：寻找最暗点

平滑滤波(基本低通滤波、中值滤波)

平滑滤波器的主要用途

对大图像处理前，删去无用的细小细节

连接中断的线段和曲线

降低噪音

平滑处理，恢复过分锐化的图像

图像创艺（阴影、软边、朦胧效果）

几种简单低通滤波器

均值滤波器--局部平均法(待处理像素点的值，等于其周围相邻像素的全体像素的平均值)

加权平均滤波器--待处理像素点的值，等于其周围相邻像素的全体像素的加权平均值

模板尺寸越大，图像越模糊，图像细节丢失越多

缺点和问题：如果图像处理的目的是去除噪音，那么，低通滤波在去除噪音的同时也平滑了边和尖锐的细节

中值滤波

原理：

用模板区域内象素的中值，作为结果值R = mid { $z_{k}$ | k = 1,2,…,9}

强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点）

中值滤波优点:

抑制噪声

在去除噪音的同时，可以比较好地保留边缘轮廓信息和图像的细节

锐化滤波(基本高通滤波、高增益滤波、微分滤波)

锐化滤波器的主要用途

加强图像中景物的边缘和轮廓

印刷中的细微层次强调。弥补扫描、挂网对图像的平滑

超声探测成象，分辨率低，边缘模糊，通过锐化来改善

图像识别中，分割前的边缘提取

锐化处理恢复过度平滑、暴光不足的图像

图像创艺（只剩下边界的特殊图像）

尖端武器的目标识别、定位

1.基本高通滤波

高通滤波在增强了边的同时，丢失了图像的层次和亮度

在某些情况下，高通滤波增强小尺度特征

2.高增益滤波

弥补高通滤波的缺陷，在增强边和细节的同时，不丢失原图像的低频成分

高通滤波可看作为:高通 = 原图 – 低通

在上式原图上乘一个扩大因子A，有高增益滤波：高增益 = A原图 – 低通

效果分析：

高增益比高通的优点：既增强了边，又保留了层次。

噪音对结果图像的视觉效果有重要的影响，高增益在增强了边的同时也增强了噪音。