第3章 图像增强

00 0 0 0 0 3 13 20 0 0 6 13 13 0 0 1 12 5 0 00 0 00
这样做可以得到对边缘的有方向提取。
17
垂直边缘的提取效果
18
水平边缘的提取效果
19
(2)无方向一阶锐化
—— 问题的提出
前面的锐化处理结果对于人工设计制造的具有 矩形特征物体（例如：楼房、汉字等）的边缘 的提取很有效。但是，对于不规则形状（如： 人物）的边缘提取，则存在信息的缺损。
12321 21262 30876 12786 23269
00 0 0 0 0 -3 -13 -20 0 0 -6 -13 -13 0 0 1 12 5 0 00 0 00
问题：计算结果中出现了小于零的像素值
10
b.水平方向的一阶锐化
—— 基本方法
水平锐化算法的设计思想与垂直锐化算法相 同，通过一个可以检测出水平方向上的像素 值的变化模板来实现。
3
1、图像细节的灰度变化特性
扫描线
4
图像细节的灰度变化微分特性
数字 信号
一阶 微分
二阶 微分
4 3 2 1 0 0 0 6 0 00 0 1 3 1 0 00 0 7 7 … -1 -1 -1 -1 0 0 6 -6 0 0 0 1 2 -2 -1 0 0 0 7 0 0 0 0 0 0 1 0 6 -12 6 0 0 1 1 -4 1 1 0 0 7 -7 0
20 20 2 0 20 20 20 17 7 0 20 20 14 7 7 20 20 21 32 25 20 20 2 0 20 2 0 20
这样做可以获得类似浮雕的效果。
14
垂直浮雕效果
15
水平浮雕效果

8 3 4 5 0
h
3 4 5 6 7 8 9
注：这里为了描述方便起见，设
灰度级的分布范围为[0,9]。
二、计算灰度分布概率
3.1 求出图像f的总体像素个数 Nf = m*n (m,n分别为图像的长和宽） 3.2 计算每个灰度级的像素个数在整个 图像中所占的百分比。 hs(i)=h(i)/Nf (i=0,1,…,255)
255

0
a
黑
b
白
1
0 255a 255 * h (i, j ) h(i, j ) (b a) b a 255
h(i, j ) a h(i, j ) (a, b) h(i, j ) b
a
b
255
f

变换曲线应该如何设置？
3.1.1
灰度的线性变换
g (m, n) c k[ f (m, n) a]
d c 其中， k b a
称为变换函数的斜率

线性变换如下图所示：

(a) k>0

(b) k<0
3.1.1

灰度的线性变换
根据[a, b]和[c，d]的取值大小可有如下几种情 况：
（1）扩展动态范围：若[a, b] [c, d]，即k>1，则结 果会使图像灰度值的动态范围展宽，从而改善曝光不足 的缺陷； （2）改变取值区间：若k=1，即d-c = b-a，则变换后灰 度动态范围不变，但灰度取值区间会随a和c的大小而平 移。 （3）反转或取反：若k<0，则变换后图像的灰度值会 反转，原来亮的变暗，原来暗的变亮。当k=-1时，g(m, n) 即为f(m, n )的取反。
（3） 灰级窗切片 只保留感兴趣的部分，其余部分置为0。

i M 1 j N 1
f (x, y) 1
2
2
f (x i, y i)
MN I M 1 j N 1
2
2
图象处理及应用
如果图象中的噪声是随机不相关的加性噪声，窗口内各点 的噪声是独立等分布的，则经过上面的平滑后，信噪比可 提高倍。图象的平滑这种做法实现的是一种简单的低通滤 波器（low pass filter）。它可以有效地减弱或去除傅里叶 空间的高频分量，保留低频的有效信号。使图象中灰度值 突变的边缘得以平滑，图象将变得柔和一些（也模糊一 些）。 使用滤波器对图象进行处理中最有意义的操作是利用模板 对图象进行卷积处理，所谓的模板就是形如下式所示线性 距阵：
图象处理及应用
中值滤波：
中值滤波也是一种典型的低通滤波器，它的目的是在保护 图象边缘的同时去除噪声。所谓中值滤波，就是指把以某 点(x,y)为中心的小窗口内的所有象素的灰度按从大到小的 顺序排列，将中间值作为(x,y)处的灰度值(若窗口中有偶数 个象素，则取两个中间值的平均)。这种平滑方法对脉冲 干扰和椒盐噪声效果较好。 中值滤波与邻域平均法就处理效果相比较而言，应用邻域 平滑模板，图象平滑了，但是也使边界模糊了。而中值滤 波不仅能很容易去除孤立点、线等形式的噪声和去除二值 噪声并且可以很好地保持原有的图象边缘；Gauss模板对 付高斯噪声非常有效，而中值滤波对于高斯噪声则无能为 力。但要注意的是，当窗口内噪声点的个数大于窗口宽度 的一半时，中值滤波的效果不好。这是很显然的。
LPBITMAPINFO lpbmi;
lpbmi = (LPBITMAPINFO)lpDIB;
LPBITMAPINFOHEADER pbi=(LPBITMAPINFOHEADER)lpbmi;

3.直方图均衡化的计算步骤及实例
假设64× 的灰度图像 的灰度图像， 个灰度级， 假设 ×64的灰度图像，共8个灰度级，其灰度级 个灰度级 分布见下表，现要求对其进行均衡化处理。 分布见下表，现要求对其进行均衡化处理。
原始直方图数据
rk r0=0 r1=1/7 r2=2/7 r3=3/7 r4=4/7 r5=5/7 r6=6/7 r7=1 nk 790 1023 850 656 329 245 122 81 nk / n 0.19 sk 0 s0=1/7 0 s1=3/7 0 s2=5/7 s3=6/7 s4=1
Pr(rk ) = nk , 0 ≤ rk ≤ 1, n k = 0,1,..., l − 1
变换函数T(r)可改写为 : 可改写为 变换函数
s k = T (rk ) = ∑ Pr (r j ) = ∑
j −0 j =0 k k
nj n
0 ≤ rk ≤ 1, k = 0,1,...,l −1
均衡化后各像素的灰度值可直接由原图像的直方图 算出。 算出。
线性拉伸前:图象灰度集中在 之间. 线性拉伸前 图象灰度集中在[a,b]之间 图象灰度集中在 之间 线性拉伸后:图象灰度集中在 图象灰度集中在[a’,b’]之间 之间. 线性拉伸后 图象灰度集中在 之间
图像灰度变换前后效果对比图: 图像灰度变换前后效果对比图
变换前
变换后
2.分段线性变换 分段线性变换
3.2 空域增强
空域增强是指直接在图像所在的二维空间进行增 强处理，即增强构成图像的像素。 强处理，即增强构成图像的像素。 空间域增强方法主要有灰度变换增强、 空间域增强方法主要有灰度变换增强、直方图增 图像平滑和图像锐化等。 强、图像平滑和图像锐化等。