03 计算机视觉--图像的灰度变换

主要介绍了图像的灰度变换的相关知识。灰度变换的目的是为了改善画质,使图像的显示效果更加清晰。灰度变换的方法包括:对比度展宽、动态范围调整、直方图均衡化处理,并结合实际问题对几种方法进行了比较。
展开查看详情

1.成果展示 第三章 图像的灰度变换 巫义锐 河海大学 计算机与信息学院

2. 本章提纲 本章中主要介绍灰度变换方法包括 : 对比度展宽 动态范围调整 直方图均衡化处理 灰度变换的目的是为了改善画质,使图像的显示效果更加清晰。

3. 对比度展宽 对比度展宽 的目的是,将人所关心的部分强 调出来。 原理: 进行像素 点对点 的,灰度级的映射。 效果: 新、旧图的灰度级分别为 g 和 f ,要求 g 和 f 均在 [0 , 255] 间变化,但是 g 的表现效果 要优于 f 。 图像的计算机存储形式为矩阵,像素的点对点映射对应哪种矩阵操作?

4. 对比度展宽效果示例

5. 对比度展宽方法的数学表示 按照下面 的示例公式 进行点对点灰度的映射: 该公式可扩展,有哪些扩展途径?

6. 对比度展宽方法的数学表示 新图与旧图的灰度关系如下图所示: 255 a b f g 255 g a g b α γ β

7. 对比度展宽:灰度窗 只显示指定灰度级范围内的信息。 按照前面的计算公式有 : α=γ=0,g a =0,g b =255 255 a b f g 255 g a g b α γ β 255 a b f g 255 β

8. 灰度窗效果示意图 原 图 肺 窗

9. 对比度展宽:灰度窗切片 只保留感兴趣的部分,使其为二值化图像中的白色部分,其余部分置为 0 。 255 a b f g 255 g a g b α γ β 255 a b f g 255

10. 灰度窗效果示意图 原 图 肺 区

11. 本章提纲 对比度展宽 动态范围调整 直方图均衡化处理

12. 动态范围调整 动态范围:是指图像中从暗到亮的变化范围。 动态范围对人视觉的影响: 由于人眼所可以分辨的灰度的变化范围 是有限的,所以当动态范围太大时,很高的亮度值把暗区的信号都掩盖了。 动态范围调整原理: 通过动态范围的压缩可以将所 关心 部分的灰度级的变化范围扩大。 思想与前述的非均匀量化类似

13. 线性动态范围调整 将关心的 [ a,b ] 范围内的灰度值伸展到 [0,255] 255 a b f g 255 黑 白 a b 0 255 可以通过等比等式进行推导

14. 线性动态范围调整效果示意图

15. 线性动态范围调整与灰度窗区别 线性动态范围调整公式: 灰度窗公式: 0 255 灰度窗需要额外定义映射倍数

16. 线性动态范围调整例题 1 3 9 9 8 2 1 3 7 3 3 6 0 6 4 6 8 2 0 5 2 9 2 6 0 黑: 0 2 白: 9 7 2 3 7 7 7 2 2 3 7 3 3 6 2 6 4 6 7 2 2 5 2 7 2 6 2 0 2 9 9 9 0 0 2 9 2 2 7 0 7 4 7 9 0 0 5 0 9 0 7 0 y=1.8*x-3.6

17. 非线性动态范围调整 通常用取对数的方法。原因是人眼对信号的处理是有一个近似对数算子的环节。

18. 非线性动态范围调整效果示意图 暗部分展示效果得到了明显提升

19. 非线性动态范围调整例题 1 3 9 9 8 2 1 3 7 3 3 6 0 6 4 6 8 2 0 5 2 9 2 6 0 3 5 9 9 9 4 3 5 8 5 5 8 0 8 6 8 9 4 0 7 4 9 4 8 0 g(i,j)=9*log(f(i,j)+1) 作用:将暗的部分扩展,而将亮的部分抑制。 与对数函数的性质有关系

20. 非线性动态范围调整例题 1 3 9 9 8 2 1 3 7 3 3 6 0 6 4 6 8 2 0 5 2 9 2 6 0 3 5 9 9 9 4 3 5 8 5 5 8 0 8 6 8 9 4 0 7 4 9 4 8 0 g(i,j)=9*log(f(i,j)+1) 作用:将暗的部分扩展,而将亮的部分抑制。 与对数函数的性质有关系

21. 直方图均衡化方法 基本思想:对在图像中像素个数多的灰度级进行 展宽 ,而对像素个数少的灰度级进行缩减。从而达到清晰图像的目的。 充分利用所有的灰度级

22. 直方图均衡化方法的效果

23. 直方图均衡化方法例题 1 3 9 9 8 2 1 3 7 3 3 6 0 6 4 6 8 2 0 5 2 9 2 6 0 f h 0 3 1 2 2 4 3 4 4 1 5 1 6 4 7 1 8 2 9 3 注:这里为了描述方便起见,设灰度级的分布范围为 [0,9] 。 直方图操作

24. 例题:计算灰度分布概率 步骤 1. 求出图像 f 的总体像素个数 N f = m*n ( m,n 分别为图像的长和宽) 步骤 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。 h s ( i )=h( i )/ N f ( i =0,1,…,255)

25. 计算灰度分布概率例 h s 0 0.12 1 0.08 2 0.16 3 0.16 4 0.04 5 0.04 6 0.16 7 0.04 8 0.08 9 0.12 h 0 3 1 2 2 4 3 4 4 1 5 1 6 4 7 1 8 2 9 3 hs=h/25

26. 例题:计算灰度级的累计分布 步骤 3. 计算 图像各灰度级的累计分布 h p 。

27. 计算灰度级的累计分布例 h p 0 0.12 1 0.20 2 0.36 3 0.52 4 0.56 5 0.60 6 0.76 7 0.80 8 0.88 9 1.00 h s 0 0.12 1 0.08 2 0.16 3 0.16 4 0.04 5 0.04 6 0.16 7 0.04 8 0.08 9 0.12

28. 例题:计算新图像的灰度值 步骤 4. 新图像 g 的灰度值 g( i,j ) 为

29. 计算新图像的灰度值例 f h p 0 0.12 1 0.20 2 0.36 3 0.52 4 0.56 5 0.60 6 0.76 7 0.80 8 0.88 9 1.00 2 5 9 9 8 3 2 5 7 5 5 7 0 7 5 7 8 3 0 5 3 9 3 7 0 g 1 3 9 9 8 2 1 3 7 3 3 6 0 6 4 6 8 2 0 5 2 9 2 6 0 输入图像 输出图像 9 * 0.20=1.8 ≈2