数字图像处理第4章

第四章图像增强1.简述直方图均衡化处理的原理和目的。

拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。

原理：直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。

也就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。

把给定图像的直方图分布改变成“均匀”分布直方图分布目的：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。

它通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。

通过直方图均衡化，亮度可以更好地在直方图上分布。

这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

Matlab程序如下：clc;RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。

B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。

《数字图像处理》教案第4章图像分割与边缘检测一、教学课题：灰度阈值法、边缘检测 、区域分割、Hough 变换二、教学内容: 图像分割；边缘检测；轮廓跟踪与提取；图像匹配；投影法与差影法三、教学目标:1、掌握图像分割类型2、掌握阈值分割的原理3、掌握边缘检测算子，主要是梯度算子，拉普拉斯算子，Canny 算子4、掌握区域生长法、分裂合并、水域分割以及Hough 变换四、教学重点: 特定数字图像的分割；边缘检测以及图像轮廓跟踪与提取。

五、教学难点: 特定数字图像的分割；边缘检测以及图像轮廓跟踪与提取。

六、教学时数:4学时七、教学过程:（一）、复习旧知图像增强中数字图像的直方图；灰度变换；图像噪声；去除噪声；图像锐化、图像同态增晰对图像处理的基本处理。

（二）、引入新课由图像中感兴趣的某些部分，提出图像的特定分割对图像识别和分析处理的重要性。

（三）、新课讲解4.1灰度阈值法1.图像分割将图像中有意义的特征或需要应用的特征提取出来1）按幅度不同来分割各个区域：幅度分割2）按边缘不同来划分各个区域：边缘检测3）按形状不同来分割各个区域：区域分割2.预处理图像锐化、图像平滑3.分割直方图分割、概率统计门限检测、边缘检测、群聚、纹理匹配4.特征提取空间特征、变换特征、边缘边界、形状特征、矩、纹理特征4.1.1阈值分割的原理设输入图像为(,)f x y ，输出图像为'(,)f x y ，阈值为T,则:1,(,)'(,)0,(,)f x y T f x y f x y T ⎧=⎨<⎩≥4.1.2 阈值的提取1.直方图法非理想情况，各段的分界不明显，有3种误差：1）增加了新的区域，2）失去了原有的区域，3）区域分割边界定位不正确2. 阈值的提取方法1）动态门限：把图像分成子图像，子图像做直方图，再定不同的门限2)统计门限法：设图像中目标及背景的灰度为正态分布，其灰度分布概率密度函数分别 p(z), q(z)3) 自适应门限：根据局部特性确定门限4.2边缘检测边缘检测：其导数在边缘方向取得极值边缘检测的特点:阶跃状、屋顶状4.2.1梯度算子1.对应一阶导数，连续图像的导数在边缘方向上取得极值T T (,)mag (,)(,)(,)arctan(/)x y x y f f f x y G G x y f x y f x y x y G G φ⎡⎤∂∂⎡⎤∇==⎢⎥⎣⎦∂∂⎣⎦⇒∇=∇=梯度的模叫：（ 方向角：简化为：(,)(,)(1,1)(1,)(,1)(,)(,)(,)(,)(,)i j f x y f x y f x y f x y f x y g x y f i j h i m j n f i j h m n ∇=-++++-+=--=*∑∑若 用 模 板 表 示 ：2.常用的几种算子：robert 、prewitt 、sobel 、Zsotropic4.2.2拉普拉斯算子由上节可见阶跃状边缘的二阶导数在边缘处出现零点，出现零交叉，可用二阶导数寻边界22222(,)(,)(,)(1,)(1,)(,1)4(,)f x y f x y f x y x y f x y f x y f x y f x y ∂∂∇=+∂∂=++-+-+ 缺点：1）对噪声敏感；2）常产生双像素宽的边缘，无方向性。