主講：蘇菡 susuhan@sicnu.edu.cn 圖象增強技術概述 目標：“視覺”效果更好，圖象保真度不是首要目標 方法： 空間域增強：直接處理圖象的象素 頻率域增強：修改圖象的傅立葉變換 評價：高度主觀 視覺解釋：觀察者 機器感知：機器識別 方法分類 空間域處理 全局運算：在整個圖象空間域進行 局部運算：在與象素有關的空間域進行 點運算：對圖象作逐點運算 頻域處理 在圖象的Fourier變換域上進行處理 圖像增強的一個應用 背景知識 空間域增強指增強構成圖象的象素值 空域技術基于灰度級映射變換 映射變換的類型取決于增強準則的選取 象素點(x,y)的3x3鄰域 灰度變換 一種最簡單的空域變換技術 點處理 對比度增強的灰度變換系數 一些基本的灰度變換 把原始灰度值按照一定的準則映射到目標灰度值 計算機實現：建立映射表 常用的方法: 線性變換 圖像反轉 分段線性變換 對數以及反對數變換 冪次變換 三種基本類型的函數 圖象反轉 對數變換 s = c log(1+r) 壓縮圖象灰度的動態范圍 典型運用是傅立葉譜的顯示 冪次變換 大于1 小于1 等于1 一個典型運用：伽馬校正 冪次變換用于對比度增強 冪次變換用于對比度增強 分段線性函數 對比度拉伸:提高圖象的灰度級的動態范圍 通過細心調整折線拐點的位置及控制分段直線的斜率，可對任一灰度區間進行拉伸或壓縮。 獲取變換函數的方法之一 灰度切割 應用： 增強特征(衛星圖象中大量的水) 增強X射線圖象中的缺陷 兩種基本切割方式 用算術、邏輯操作增強 多幅圖象間的運算 算術運算 加法：常用 減法：常用 乘法 除法 邏輯運算 與運算:常用作模板，從一幅圖象中分離出一幅子圖象(感興趣的區域：ROI) 或運算：同上 非運算 圖象減法處理：增強圖象之間的差異 圖象相減在醫學上的運用 在運動檢測上的運用 算法設計應注意的問題 直接計算差值圖象，象素值的差值在-255 ~255 標定方法： 方法一：每個象素值加255，再除2 方法二：找出最小值；每個象素值減去這個最小值； 乘以系數255/max; 加法運用的例子：圖象平均處理 空間濾波基礎 示意圖 線性濾波的通用公式 對于一個尺寸為m*n的模板，假設m = 2a + 1, n = 2b + 1, a,b 為非負整數， 在M*N的圖象f上，用m*n大小的濾波器模板進行線性濾波由下式給出： 3*3空間濾波摸板 非線性濾波 同樣基于鄰域處理，模板移動機理同線性濾波 非線性濾波不能用線性濾波通式表達 程序實現應考慮的問題 模板移出圖象邊界 應對策略： 限制模板中心點移動范圍 邊緣處部分濾波 擴大圖象 補0或則常值 復制邊緣象素 兩個3*3的平滑濾波器掩模 模糊的一種運用： 中值濾波去噪 Sobel應用 空間銳化濾波基礎 微分的性質： 一階微分： 二階微分： 一階微分會產生較寬的邊緣，二階對細線和孤立點較好，并能保持細節 感興趣的微分性質：恒定灰度區域(平坦區域)，突變的開頭和結尾(斜坡起始點/終點)；斜坡處 幾類典型邊緣處的微分性質 一些結論： 一階微分處理通常會產生較寬的邊緣 二階微分對細節有較強的響應，如細線和孤立點 一階微分處理對階梯狀灰度級變化有較強的響應 二階微分對階梯狀灰度級變化產生雙響應 1 1 1 1 1 1 1 1 1 模 板 圖像的空間域平滑 任何一幅原始圖像，在其獲取和傳輸等過程中，會受到各種噪聲的干擾，使圖像惡化，質量下降，圖像模糊，特征淹沒，對圖像分析不利。 為了抑制噪聲改善圖像質量所進行的處理稱圖像平滑或去噪。它可以在空間域和頻率域中進行。本節介紹空間域的幾種平滑法。 4.5.1局部平滑法 局部平滑法是一種直接在空間域上進行平滑處理的技術。假設圖像是由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關性，而噪聲則是統計獨立的。因此，可用鄰域內各像素的灰度平均值代替該像素原來的灰度值，實現圖像的平滑。 設有一幅N×N的圖像f(x,y)，若平滑圖像為g(x,y),則有 式中x,y=0,1,…,N-1； s為(x,y)鄰域內像素坐標的集合； M表示集合s內像素的總數。 可見鄰域平均法就是將當前像素鄰域內各像素的灰度平均值作為其輸出值的去噪方法。 (m+1,n+1) (m+1,n) (m+1,n-1) (m,n+1) (m,n) (m,n-1) (m-1,n+1) (m-1,n) (m-1,n-1) 例如，對圖像采用3×3的鄰域平均法，對于像素 (m,n)，其鄰域像素如下： 則有： 其作用相當于用這樣的模板同圖像卷積。

總結

以上是生活随笔為你收集整理的matlab 超限像素平滑法,matlab超限像素平滑法_图像增强技术.ppt的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。