第四章图像增强

图像傅立叶变换的物理意义
傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空 间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示 空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图 像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表 示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。 为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱 图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并 不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶 频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域 点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么 理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来 讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立 叶变换后的频谱图，也叫功率图
域表述困难的增强任务，在频率域中变得非常普通
✓ 滤波在频率域更为直观，它可以解释空间域滤波的某些性质 ✓ 给出一个问题，寻找某个滤波器解决该问题，频率域处理对 于试验、迅速而全面地控制滤波器参数是一个理想工具
✓ 一旦找到一个特殊应用的滤波器，通常在空间域用硬件实现
➢图像的频率指什么？
✓ 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面
Mx0
u=0,1,2,…,M-1
✓ 给定F(u),通过傅里叶反变换可以得到f(x)
f(x)
1
M1
j2ux
F(u)e M
Mu0
x=0,1,2,…,M-1
傅里叶变换
一维离散傅里叶变换及反变换
✓ 从欧拉公式 e j cos j sin
F (u)
1
M 1

直方图均衡化
• • 当一幅图像的像素占据了所有灰度级并且呈均匀分布时，则该图像具有比较 高的对比度和多变的灰度色调。 直方图均衡化是将原图像通过某种变换，得到一幅灰度直方图为均匀分布的 新图像的方法。
直方图均衡化
• 先讨论连续变化图像的均衡化问题： • 设r和s分别表示归一化了的原图像灰度和经直方图修正后的图像灰度。 0 ≤ r,s ≤ 1 在[0,1]区间内的任一个r值，都可产生一个s值，且 s=T(r) T(r)作为变换函数，满足下列条件： 1.在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内，有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r=T-1(s)对s同样满足上述两个条件。
等于1.8
• 获取变换函数的其他方法 交互样点插值 用过点的三次样条插值曲线，获得变换函数
灰度直方图
• 灰度直方图基本概念（回顾） • 直方图修正法——直方图均衡化
灰度直方图基本概念
灰度直方图反映了数字图像中每一灰度级与其出现频率间的关系, 它能描述该图像的概貌。通过修改直方图的方法增强图像是一种实用 而有效的处理技术。 基本概念 图像的灰度直方图是一种表示数字图像中各级灰度值及其出现频数 关系的函数。描述图像灰度直方图的二维坐标，其横坐标表示像素的 灰度级别，纵坐标表示该灰度出现的频数（像素的个数）。 h(rk)=nk, k=0,1,2,…,L-1 rk表示第k级灰度值， h(rk)和nk表示图像中灰度值为rk的像素个数。
其中，T[ ]表示增强图像和原图像的灰度变换关系
灰度变换增强
• 灰度的线性变换：设原图像灰度值f(m,n) ∈ [a,b],线性变 换后的取值g(m,n) ∈ [c,d],则线性变换关系为

中南大学信息物理工程学院测绘所 梅小明
数字图像处理
例如，某像素5×5邻域的灰度分布如图，经 计算9个掩模区的均值和方差为：
3 6 7 4 2 3 4 3 1ͣ 1 2 2 2 4 5 1 1 4 3 3 6
均值 对应的 方差
4
4
3
2
3
4
2
3
3
4 8 4 4
54 7 17 17 28 31 23 26 0
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
4.1 图像的对比度增强
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
图像的直方图修正

定义：数字图像中各灰度级与其出现的频数间的 统计关系，可表示为：
直方图反映了图像的清晰程度，当直方图均匀分布 时，图像最清晰。由此，我们可以利用直方图来达 到使图像清晰的目的。 直方图均衡化：通过原始图像的灰度非线性变换， 使其直方图变成均匀分布，以增加图像灰度值的动 态范围，从而达到增强图像整体对比度，使图像变 清晰的效果。
梅小明
图像平滑
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法的举例及与平均滤波法 的对比
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
梅小明
中值滤波法
数字图像处理
中南大学信息物理工程学院测绘所
第四章 图像增强



概述 图像的对比度增强 图像的直方图修正 图像平滑 图形锐化 图像的同态滤波 图像的彩色增强

5.遥感图像多光谱变换(Ⅰ)——主成分分析(K—L变换)
② 就变换后的新波段主分量而言，K—L变换后的 新波段主分量包括的信息量不同，呈逐渐减少趋 势。其中，第一主分量集中了最大的信息量，常 常占80％以上，第二、第三主分量的信息量依次 快速递减，到第n分量信息几乎为0。由于K—L变 换对不相关的噪声没有影响，所以信息减少时， 便突出了噪声，最后的分量几乎全是噪声。所以 这种变换又可分离出噪声。
基于上述特点，在遥感数据处理时，常常用K— L变换作数据分析前的预处理（数据压缩和图像增
强）。举例P125
6.遥感图像多光谱变换(Ⅱ)——缨帽变换(K—T变换)
(1)K—T变换是Kauth—Thomas变换的简称，这种变换也是 一种线性组合变换，其变换公式为：Y=BX 这里X为变换前的多光谱空间的像元矢量，y为变换后的 新坐标空间的像元矢量，B为变换矩阵。这也是一种坐标 空间发生旋转的线性变换，但旋转后的坐标轴不是指向主 成分方向，而是指向了与地面景物有密切关系的方向。 1984年，Crist和Cicone提出TM数据在K—T变换时的B值： P126 在此，矩阵为6X6，主要针对TM的1至5和第7波段，低分 辨率的热红外(第6波段)波段不予考虑。
1.遥感图像增强(工)——对比度变化1
非线性变换
直方图均衡化(histogram equalization):把原图像的直方 图变换为灰度值频率固定的直方图，使变换后的亮度级 分布均匀，图像中等亮度区的对比度得到扩展，相应原 图像中两端亮度区的对比度相对压缩。
1.遥感图像增强(工)——对比度变化1
MN
r(i, j) (m, n)t(m, n) m1 n1
将计算结果放在窗口中心的像元位置，成为新像元的灰度 值。然后活动窗口向右移动一个像元，再做同样的运算。 P117说明