了解图像的同态滤波。 - MING | JNU

1 .多 媒 体 信 息 处 理 多 媒 体 信 息 处 理 基 础 图像增强 图像分割 形态学 图像处理 数字图像与视频压缩编码原理 数字音频编码技术及标准 数字图像与视频压缩编码标准 数字媒体文件格式 数字水印 基于内容的多媒体信息检索 理论基础 图像处理 多媒体数据压缩与文件格式 多媒体信息的内容保护与检索 结构框图 图 像 匹配

2 .2.1 引言 2.2 图像的灰度变换 2.3 图像平滑 2.4 图像锐化 2.5 图像的同态滤波 2.6 彩色增强 第 2 章 图像增强

3 .掌握数字图像增强的基本方法和技术。 掌握数字图像灰度的线性与非线性变换的方法及应用。 熟悉直方图均衡化、直方图规定化的步骤。 掌握图像平滑的基本方法，如邻域平均法、中值滤波法、低通滤波。 掌握图像锐化的基本方法，如梯度运算、 Sobel 算子、拉普拉斯算子、高通滤波。 了解图像的同态滤波。 了解伪彩色增强、假彩色增强的基本方法。 本章学习目标

4 .图像增强 : 根据一定的要求将图像中感兴趣的部分加以 处理或突出 有用的图像特征（如边缘、轮廓、对比度等）， 抑制 不需要的信息，以改善图像的主观视觉效果或便于后续的图像分析和识别。 图像复原 : 针对图像降质的具体原因，设法 补偿 降质因素，从而使改善后的图像尽可能地逼近原始图像。 改善降质图像（退化图像）的方法 : 2.1 引言

5 . （ 1 ） 空间域法 ： 是在空间域内直接对图像的像素值进行运算操作。 点运算处理法： 是指直接对图像的各像素点逐一进行灰度变换的处理方法。例如，图像的 灰度变换 、 直方图修正 等都采用点运算处理法。 邻域运算处理法： 是对图像像素的某一邻域进行处理的方法。例如， 图像平滑 、 图像锐化 等都采用邻域运算处理法。 图像增强算法分类

6 .图像增强算法分类 （ 2 ） 频率域法 ： 在 频率 域上对图像的变换系数进行处理，增强感兴趣的频率分量，然后再进行反变换到空间域，得到增强后的图像。 常用的方法包括 低通滤波 、 高通滤波 以及 同态滤波 等。

7 .图像增强算法分类 图像增强 点运算处理 灰度变换 直方图修正 邻域运算处理 图像平滑 图像锐化 彩色增强 假彩色增强 伪彩色增强 真彩色增强 空域法 ( 图像域 ) 频域法 低通滤波 高通滤波 同态滤波 ( 变换域 )

8 .

9 .9 知识点回顾 RGB 三通道分解

10 .10 知识点回顾 像素： 数字图像的最小元素

11 .11 147 149 152 148 145 151 150 146 146 150 147 136 149 146 137 114 灰度值： 色彩的深浅程度 知识点回顾 147 114

12 .灰度的线性变换 假定原图像 f ( x , y ) 的灰度范围为 ［ a , b ］ ，变换后图像 g ( x , y ) 的灰度范围扩为 ［ c , d ］ ，则采用线性变换： 图 2-2 灰度的线性变换 (a) 原图像 (b) 变换后的图像

13 . 若图像灰度在［ 0, M f ］ 范围内，其中大部分像素的灰度级分布在区间［ a,b ］，很小部分的灰度级超出了此区间，为改善增强的效果，可令 灰度的线性变换

14 . 为了突出感兴趣的目标或灰度区间，相对抑制那些不感兴趣的灰度区域，可采用分段线性变换，如常用的三段线性变换法。 图 2-4 分段线性变换 灰度的线性变换

15 .采用非线性变换函数（例如对数函数、幂指数函数等） 对数变换式 a 、 b 、 c 是调整曲线的位置和形状的参数。 指数变换式 a 、 b 、 c 是调整曲线的位置和形状的参数。 灰度的非线性变换

16 .直方图修正 1. 直方图的概念 如果将图像中像素亮度（灰度级）看成是一个随机变量，则其分布情况就反映了 图像的统计特性 。 灰度直方图是灰度级的函数，它表示图像中具有 某种灰度级的像素的个数 ，反映了图像中每种灰度级出现的 概率 。

17 .图 2-10 图像的灰度直方图 2. 直方图的概念

18 .设图像总像素个数为 n ，共有 L 级灰度， r k 为图像的第 k 级灰度值，并且具有灰度级 r k 的像素数为 n k ，则： 2. 灰度直方图的定义

19 .提问：直方图？ 1 2 3 4 5 6 4 5 2 1 6 3 1 4 5 7 6 8 6 8 5 7 4 7 1 4 3 6 4 8 3 2 5 7 1 4

20 .（ 1 ）直方图是一幅图像中各像素灰度值出现的频数的 统计 结果，它只反映该图像中 不同灰度值出现的次数 ，而未反映某一灰度值像素所在的位置。 （ 2 ）任一幅图像，都能唯一地确定出一幅与它对应的直方图，但不同的图像，可能有相同的直方图。 （ 3 ）如果一幅图像由两个不连续的区域组成，并且每个区域的直方图已知，则整幅图像的直方图是这两个区域的直方图之和。 3. 直方图的性质

21 .图 2-11 图像与直方图间的多对一关系

22 .直方图均衡化 ： 将原图像的直方图通过变换函数修正为均匀的直方图， 从而增加像素灰度值的动态范围 ， 达到增强图像整体对比度的效果 。 直方图均衡化 后，图像的直方图是平直的，即各灰度级具有相同的出现频数，那么由于灰度级具有均匀的概率分布，图像看起来就更清晰了。 4. 直方图均衡化

23 .2.1 引言 雾、霾等恶劣天气 对比度下降 清晰度下降 颜色改变  图片质量下降 是否有消除轻度雾霾的方法

24 .0 500 1000 1500 0 50 100 150 200 250 0 200 400 600 800 1000 0 50 100 150 200 250 偏灰偏白，灰度值集中分布 100~255 黑白分明，灰度值均匀分布 0~255

25 .25 定量分析 变换函数 s=T ( r ) 在 0≤ r ≤1 中， T ( r ) 是单调递增函数，且 0≤ T ( r )≤1 ； 反变换 r = T -1 ( s ) ， T -1 ( s ) 也为单调递增函数， 0≤ s ≤1 。 r 1 r k s s k 1 s=T ( r ) r 1 r k s s k 1

26 .26 连续灰度变换函数 假设连续随机变量 r 的概率密度函数为 p ( r ), 且变换函数 s=T ( r ) , 变换后的图像灰度级概率密度函数 上限积分导数 , 变换函数 = 原图像累积积分 原图像累积积分  概率密度均匀化

27 .为使变换后的灰度仍保持从黑到白的单一变化顺序，且变换范围与原先一致，以避免整体变亮或变暗。必须规定： （ 1 ）在 0≤ r ≤1 中， T ( r ) 是单调递增函数，且 0≤ T ( r )≤1 ； （ 2 ）反变换 r = T -1 ( s ) ， T -1 ( s ) 也为单调递增函数， 0≤ s ≤1 。 用累计分布函数 (Cumulative Distribution Function, CDF) 作为灰度变换函数 s=T ( r ), 从而将原始图像的关于 灰度 r 的分布直方图 ，转换为关于 灰度 s 的均匀分布 。 累计分布函数

28 .28 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 0 1 2 3 4 5 6 7 归一化灰度级 概率 离散灰度变换函数 灰度值 r 的概率密度函数为 p ( r ) 变换函数

29 .29 直方图修正步骤 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 0 1 2 3 4 5 6 7 归一化灰度级 概率 归一化灰度级，并求灰度级 r k 的概率密度函数 , 累计积分 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 归一化灰度级 累积积分