PowerPoint 演示文稿see.xidian.edu.cn/faculty/lpxu/pdf/PDFja/4.pdf · Title: PowerPoint 演示文稿 Author: hl8 Created Date: 2/24/2008 8:48:44 PM

Digital Image ProcessingDigital Image Processing

◆◆4.0 4.0 概述概述

◆◆4.1 4.1 图像的对比度增强图像的对比度增强

◆◆4.2 4.2 图像的直方图修正图像的直方图修正

◆◆4.3 4.3 图像平滑图像平滑

◆◆4.4 4.4 图形锐化图形锐化

◆◆4.5 4.5 图像的同态滤波图像的同态滤波

◆◆4.6 4.6 图像的彩色增强图像的彩色增强

第第44章章图像增强图像增强


一、什么是图象增强？一、什么是图象增强？图像增强是对图像进行加工，以得到对具体应用来说图像增强是对图像进行加工，以得到对具体应用来说

视觉效果更视觉效果更““好好””，或更，或更““有用有用””的图像的技术。的图像的技术。

二二、、为什么要增强图象？为什么要增强图象？

图像在传输或者处理过程中会引入噪声或使图像变模图像在传输或者处理过程中会引入噪声或使图像变模

糊，从而降低了图像质量，甚至淹没了特征，给分析带来糊，从而降低了图像质量，甚至淹没了特征，给分析带来

了困难。了困难。

4.0 4.0 概概述述


4.0 4.0 概概述述

三、目的：三、目的：

（（11）改善图像的视觉效果，提高图像的清晰度；）改善图像的视觉效果，提高图像的清晰度；

（（22）将图像转换成一种更适合于人或机器分析处理）将图像转换成一种更适合于人或机器分析处理的形式。的形式。

注意：注意：在图像增强的过程中，没有新信息的增加，只在图像增强的过程中，没有新信息的增加，只

是通过压制一部分信息，从而突出另一部分信息。是通过压制一部分信息，从而突出另一部分信息。


四四、、图象增强方法分类和方法过程图象增强方法分类和方法过程

空域法：空域法：直接对图像的像素灰度值进行操作。包括图像直接对图像的像素灰度值进行操作。包括图像的灰度变换、直方图修正、平滑和锐化处理、彩色增强的灰度变换、直方图修正、平滑和锐化处理、彩色增强等。等。

频域法：频域法：在图像的变换域中，对图像的变换值进行操在图像的变换域中，对图像的变换值进行操作，然后经逆变换获得所需的增强结果。作，然后经逆变换获得所需的增强结果。常用的方法包括低通滤波、高频提升滤波以及同态滤波常用的方法包括低通滤波、高频提升滤波以及同态滤波法等。法等。

4.0 4.0 概概述述

→ →f(m,n) h(m,n) g(m,n) = f(m,n)oh(m,n)修正

( , ) ( , )F u v G u v→ ⎯⎯⎯→ ⎯⎯⎯→ →f(m,n) H(u, v) g(m,n)正变换修正反变换

{ } { }-1g (x, y ) = T G (u , v ) , G (u , v ) = H (u , v )F (u , v ), F (u , v ) = T f(x, y )


◘◘图像增强图像增强

目的目的：：一是改善图像的视觉效果，提高图像的清晰度；一是改善图像的视觉效果，提高图像的清晰度；

二是将图像转换成一种更适合于人或机器分析处理的形二是将图像转换成一种更适合于人或机器分析处理的形式。式。

分类分类：：

频域法：频域法：直接对图像的像素灰度值进行操作。包括图像的直接对图像的像素灰度值进行操作。包括图像的灰度变换、直方图修正、图像空域平滑和锐化处理、彩色增强灰度变换、直方图修正、图像空域平滑和锐化处理、彩色增强等。等。

空域法：空域法：在图像的变换域中，对图像的变换值进行操作，在图像的变换域中，对图像的变换值进行操作，然后经逆变换获得所需的增强结果。常用的方法包括低通滤然后经逆变换获得所需的增强结果。常用的方法包括低通滤波、高通滤波以及同态滤波等。波、高通滤波以及同态滤波等。

4.1 4.1 图像的对比度增强图像的对比度增强


◘◘图像对比度增强定义图像对比度增强定义

采用图像灰度值变换的方法，即改变图像像素的灰度值，采用图像灰度值变换的方法，即改变图像像素的灰度值，以改变图像灰度的动态范围，增强图像的对比度。以改变图像灰度的动态范围，增强图像的对比度。

设原图像为设原图像为f(m,nf(m,n))，处理后为，处理后为g(m,ng(m,n))，则对比度增强可表示为，则对比度增强可表示为

其中，其中，表示增强图像和原图像的灰度变换关系（函表示增强图像和原图像的灰度变换关系（函数）。数）。

( , ) [ ( , ) ]g m n T f m n


=[ ]T i


◘◘灰度线性变换灰度线性变换

▓▓ 灰度的线性变换灰度的线性变换：：设原图像灰值设原图像灰值线性变换线性变换后的取值后的取值，则线性变换如图，则线性变换如图4.14.1--11所示。变换关所示。变换关系式为系式为

其中其中称为变换函数（直线）的斜率。称为变换函数（直线）的斜率。

( , ) [ , ]


f m n a b∈( , ) [ , ]g m n c d∈

( , ) [ ( , ) ]g m n c k f m n a= + −

d ckb a−

=−



ba

c

d

ba

d

c

( , )g m n

( , )f m n

( , )g m n

图4.1.1 灰度线性变换关系

0d ckb a−

= <−

0d ckb a−

= >−

。

（a）（b）

（a）（b）


根据根据[[a,ba,b]]和和[[c,dc,d]]的取值大小可有如下几种情况：的取值大小可有如下几种情况：

（（11））扩展动态范围：扩展动态范围：若若，即，即，则结果会使图像灰度取值，则结果会使图像灰度取值的动态范围展宽，这样就可改善曝光不足的缺陷，或充分利用图像显示的动态范围展宽，这样就可改善曝光不足的缺陷，或充分利用图像显示设备的动态范围。设备的动态范围。

（（22））改变取值区间：改变取值区间：若若，即，即，则变换后灰度动态范围，则变换后灰度动态范围不变，但灰度取值区间会随不变，但灰度取值区间会随aa和和cc的大小而平移。的大小而平移。

（（33））缩小动态范围：缩小动态范围：若若，即，即，则变换后图像动态范，则变换后图像动态范围会变窄。围会变窄。

（（44））反转或取反：反转或取反：若若，即对于，即对于，有，有则变换后图像的灰度则变换后图像的灰度值会反转，即原亮的变暗，原暗的变亮。在值会反转，即原亮的变暗，原暗的变亮。在时，时，即为即为

的取反。的取反。

[ , ] [ , ]a b c d⊂ 1k >

1k = d c b a− = −

[ , ] [ , ]c d a b⊂ 0 1k< <

0k < b a> d c<1k = − ( , )g m n

( , )f m n



▓▓ 灰度分段线性变换灰度分段线性变换（（11））扩展感兴趣的，牺牲其它扩展感兴趣的，牺牲其它

对于感兴趣的对于感兴趣的[[a,ba,b]]区间，采用斜率大于区间，采用斜率大于11的线性变换来进行扩展，而把其的线性变换来进行扩展，而把其它区间用它区间用aa或或bb来表示。变换函数为来表示。变换函数为

（（22））扩展感兴趣的，压缩其它扩展感兴趣的，压缩其它

在扩展感兴趣的在扩展感兴趣的[[a,ba,b]]区间的同时，为了保留其它区间的灰度层次，也可以区间的同时，为了保留其它区间的灰度层次，也可以采用其它区间压缩的方法，即有扩有压。变换函数为采用其它区间压缩的方法，即有扩有压。变换函数为

; ( , )

( , ) [ ( , ) ]; ( , )

; ( , )

a f m n ad cg m n c f m n a a f m n bb ab f m n b

<⎧⎪ −⎪= + − ≤ ≤⎨ −⎪

>⎪⎩


( , ) ; 0 ( , )

-( , ) [ ( , ) ]; ( , )-

[ ( , ) ]; ( , )

c f m n f m n aad cg m n c f m n a a f m n bb aN dd f m n b b f m n MM b

⎧ ≤ <⎪⎪⎪= + − ≤ ≤⎨⎪

−⎪ + − < ≤⎪ −⎩


ba

c

d

ba M

N

c

d

( , )g m n

( , )f m n

( , )g m n

( , )f m n


图4.1.2 灰度分段线性变换关系

（a）扩展感兴趣的，牺牲其它；（b）扩展感兴趣的，压缩其它。



图4.1.3 图像灰度的线性变换示例

（a）原图像；（b）扩展动态范围；（c）图像取反；（d）有扩有压。


◘◘灰度的非线性变换灰度的非线性变换

▓▓ 灰度的非线性变换灰度的非线性变换：：常用的灰度非线性变换方法包括常用的灰度非线性变换方法包括

1. 1. 对数变换对数变换

对数变换的一般表达式为对数变换的一般表达式为

其中其中λλ为一个调节常数，用它来调节变换后的灰度值，使为一个调节常数，用它来调节变换后的灰度值，使其符合实际要求。对数变换的作用是扩展图像的低灰度范围，其符合实际要求。对数变换的作用是扩展图像的低灰度范围，同时压缩高灰度范围，使得图像灰度分布均匀，与人的视觉特同时压缩高灰度范围，使得图像灰度分布均匀，与人的视觉特性相匹配。性相匹配。


( , ) lo g (1 ( , ))g m n f m nλ= +



图4.1.4 对数变换应用示例。（a）图像；（b）图像的傅立叶谱；（c）图(b)的对数变换效果；（d）对数变换关系(λ=1)


2. 2. 指数变换指数变换

与对数变换的效果相反，指数变换使得高灰度范围得到扩与对数变换的效果相反，指数变换使得高灰度范围得到扩展，而压缩了低灰度范围，其一般表达式为展，而压缩了低灰度范围，其一般表达式为

其中其中λλ和和γγ为常数。为避免时底数为为常数。为避免时底数为00的情况，增加偏移量的情况，增加偏移量εε。。γγ值的选择对于变换函数的特性有很大影响，当值的选择对于变换函数的特性有很大影响，当γγ＜＜11时会将原图像的灰度向高亮度部分映射，当时会将原图像的灰度向高亮度部分映射，当γγ＞＞11时向低亮时向低亮度部分映射，而当度部分映射，而当γγ=1=1时相当于正比变换。灰度指数变换的时相当于正比变换。灰度指数变换的图像示例如图图像示例如图4.1.54.1.5所示。所示。


( , ) ( ( , ) )g m n f m n γλ ε= +


图4.1.5 取不同γ值的指数变换结果对比。

（a）原图像；（b）γ=0.7时的变换结果；（c）γ=1.7时的变换结果。



◘◘ 概述概述

▓▓ 定义定义：：灰度直方图定义为数字图像中各灰度级与其出现的灰度直方图定义为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：频数间的统计关系，可表示为：

且且其中，其中，kk为图像的第为图像的第kk级灰度值，是中灰度值为级灰度值，是中灰度值为kk的像素个数，的像素个数，nn是图像的总像素个数，是图像的总像素个数，LL是灰度级数。是灰度级数。

▓▓ 性质：性质：1. 1. 直方图的位置缺失性直方图的位置缺失性

2. 2. 直方图与图像的一对多特性直方图与图像的一对多特性

3. 3. 直方图的可叠加性直方图的可叠加性

4.2 4.2 图像的直方图修正图像的直方图修正

( ) , 0,1, , 1knP k k Ln

= = −1

0

( ) 1L

k

P k−

=

=∑


▓▓ 直方图与图像清晰性的关系直方图与图像清晰性的关系：：直方图反映了图像的清晰程直方图反映了图像的清晰程度，当直方图均匀分布时，图像清晰。由此，我们可以利度，当直方图均匀分布时，图像清晰。由此，我们可以利用直方图来达到使图像清晰的目的。用直方图来达到使图像清晰的目的。

◘◘ 直方图均衡化直方图均衡化

直方图均衡化就是通过原始图像的灰度非线性变换，使直方图均衡化就是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。而达到增强图像整体对比度，使图像变清晰的效果。

▓▓ 图像灰度变换函数条件：图像灰度变换函数条件：

（（11）对）对，，是单调增函数；是单调增函数；

（（22）对）对，，。。

同理，反变换同理，反变换应也满足单调增。应也满足单调增。

0 1r≤ ≤ [ ]s T r


=

0 1r≤ ≤ 0 [ ] 1s T r≤ = ≤

1[ ]r T s−=



▓▓直方图均衡化的计算过程如下：直方图均衡化的计算过程如下：

◘◘列出原始图像和变换后图像的灰度级：列出原始图像和变换后图像的灰度级：，其，其中中LL是灰度级数；是灰度级数；

◘◘统计原图像各灰度级的像素个数统计原图像各灰度级的像素个数；；

◘◘计算原始图像直方图：计算原始图像直方图：，，nn为原始图像像素总为原始图像像素总个数；个数；

◘◘计算累积直方图：计算累积直方图：；；

◘◘利用灰度变换函数计算变换后的灰度值，并四舍五入利用灰度变换函数计算变换后的灰度值，并四舍五入取整：取整：

◘◘确定灰度变换关系确定灰度变换关系，据此将原图像的灰度值，据此将原图像的灰度值修正为修正为；；

◘◘统计变换后各灰度级的像素个数统计变换后各灰度级的像素个数；；

◘◘计算变换后图像的直方图：计算变换后图像的直方图：。

, 0,1, , 1i j L= −

in( ) in

nP i =

0

( )j

jk

P P k=

= ∑

( 1) 0.5jj INT L P⎡ ⎤= − +⎣ ⎦

( , )f m n i=( , )g m n j=

jn( ) jn

P jn

=



[[例例44--1] 1] 设有一幅大小为，包含灰度值是的设有一幅大小为，包含灰度值是的88个灰度个灰度级的数字图像，其各灰度级的像素个数见表级的数字图像，其各灰度级的像素个数见表44--11所示，所示，要求对其进行直方图均衡化，求出灰度变换关系和变要求对其进行直方图均衡化，求出灰度变换关系和变换后的直方图。换后的直方图。

表表44--1 1 图像各灰度级的像素个数图像各灰度级的像素个数

灰度级灰度级（（ii））

00 11 22 33 44 55 66 77

130130 808024524533333365065085285210201020786786像素个数像素个数（（nnii））



0.110.110.24 0.24 0.210.210.250.250.190.1988

4554559839838528521020102078678677

5,6,75,6,7 773,43,4 6622 5511 3300 1166

777777666655331155

1.001.000.980.980.950.950.890.890.810.810.650.650.440.440.190.1944

0.020.020.030.030.060.060.080.080.160.160.210.210.250.250.190.1933

808013013024524533333365065085285210201020786 786 统计原图像各灰度级像素个数统计原图像各灰度级像素个数nnii22

7766554433221100列出图像灰度级（列出图像灰度级（ii或或jj））11

计算结果计算结果计算方法或公式计算方法或公式步步骤骤

innP(i) =

∑j

jk=0

P = P(k)

⎡ ⎤⎣ ⎦jj = INT (L -1)P + 0.5

→i j

jn

jnP ( j ) =

n

计算累积直方图：

计算变换后的灰度值：

确定灰度变换关系：

统计变换后各灰度级的像素个数

计算变换后图像的直方图：

计算原始直方图：


图图4.2.34.2.3给出了直方图均衡化的示意图。从图和表中可以看出，由于给出了直方图均衡化的示意图。从图和表中可以看出，由于数字图像灰度取值的离散性，通过四舍五入使变换后的灰度值出现了归数字图像灰度取值的离散性，通过四舍五入使变换后的灰度值出现了归并现象，而使变换后的直方图并非完全均匀分布，但相比于原直方图要并现象，而使变换后的直方图并非完全均匀分布，但相比于原直方图要平坦得多。平坦得多。

图4.2.3 直方图均衡化的示意图（a）原始直方图P(i)；（b）累计直方图Pi ；（c）均衡化后的直方图P(j)。




（（aa））（（bb））

（（cc））（（dd））

图图4.2.4 4.2.4 直方图均衡化的示例直方图均衡化的示例

均衡化前

均衡化前

均衡化后

均衡化后


◘◘ 直方图规定化（匹配）直方图规定化（匹配）直方图均衡化能自动增强整个图像对比度，结果得到全局均匀化直方图均衡化能自动增强整个图像对比度，结果得到全局均匀化

直方图，但实际应用中有时要求突出感兴趣灰度范围，即修正直方图直方图，但实际应用中有时要求突出感兴趣灰度范围，即修正直方图使其具有要求的形式。使其具有要求的形式。

图4.2.5 几种给定形状的直方图

（a）原直方图；（b）正态扩展直方图；（c）均匀化直方图；（d）暗区扩展直方图；（e）亮区扩展直方图。

（（aa））（b）（c）

（d）（e）



▓▓数字图像直方图规定化的方法步骤如下：数字图像直方图规定化的方法步骤如下：

（（11））对原直方图均衡化，即求其累计直方图对原直方图均衡化，即求其累计直方图：：

（（22））对规定直方图均衡化，即求其累计直方图对规定直方图均衡化，即求其累计直方图：：

（（33））按按靠近的原则进行靠近的原则进行的变换；的变换；

（（44））求出求出的变换函数，对原图像进行灰度变换的变换函数，对原图像进行灰度变换

。其中，。其中，为原数字图像的直方图，为原数字图像的直方图，为规为规定直方图，定直方图，ii和和jj分别为原图像和期望图像的灰度级，且具分别为原图像和期望图像的灰度级，且具有相同的取值范围，即有相同的取值范围，即。。

0( ), 0,1, 2, , 1

i

i rk

P P k i L=

= = −∑

0

( ), j 0,1,2, , 1j

j zl

P P l L=

= = −∑j iP P→ i j→

i j→( )rP i ( )zP j

, 0,1, 2, , 1i j L= −

[ ]j T i=


iP

jP



[[例例44--2] 2] 对例对例44--11所给的图像进行直方图规定化处理。给所给的图像进行直方图规定化处理。给定的规定直方图如表定的规定直方图如表44--33所示。所示。

表表4.3 4.3 规定直方图规定直方图

图图4.2.64.2.6给出了直方图规定化的示意图。给出了直方图规定化的示意图。

从图从图4.2.64.2.6可看出，经直方图规定化变换后的图像的直方可看出，经直方图规定化变换后的图像的直方图（称为匹配直方图），并非完全与规定直方图相同，但图（称为匹配直方图），并非完全与规定直方图相同，但相比于原直方图，匹配直方图要更接近于规定直方图。相比于原直方图，匹配直方图要更接近于规定直方图。

图像灰

度级 j0 1 2 3 4 5 6 7

规定直方图

0 0 0 0 0.2 0.3 0.3 0.2


步骤计算方法计算结果

1 列出图像灰度级i，j 0 1 2 3 4 5 6 7

2 计算原始直方图Pr(i) 0.19 0.25 0.21 0.16 0.08 0.06 0.03 0.02

3 列出规定直方图Pz(j) 0 0 0 0 0.2 0.3 0.3 0.2

4 计算原始累计直方图Pi 0.19 0.44 0.65 0.81 0.89 0.95 0.98 1.00

5 计算规定累计直方图Pj 0 0 0 0 0.20 0.50 0.80 1.0

6 按照Pj→Pi找到i对应的j 4 5 6 6 7 7 7 7

7 确定变换关系i→j 0 4 1 5 2, 3 6 4, 5, 6, 7 7

8 求变换后的匹配直方图P(j) 0 0 0 0 0.19 0.25 0.37 0.19




图4.2.6 直方图规定化的示意图

（a）原图像直方图；（b）规定直方图；（c）变换后的匹配直方图。



图4.2.7 直方图均衡化（规定化）的示例。

（a）原图像；（b）直方图均衡化后的图像； (c)直方图规定化后的图像；

（d）原图像的直方图；（e）均衡化后的直方图 (f) 规定直方图


4.3 4.3 图像平滑图像平滑

▓▓目的：目的：去除或衰减图像中噪声和假轮廓；去除或衰减图像中噪声和假轮廓；

▓▓方法分类：方法分类：空域和频域方法。空域和频域方法。

一、一、空域平滑法空域平滑法

（一）邻域（局部）平均法（一）邻域（局部）平均法

1.1. 定义定义：：用某点邻域的灰度平均值来代替该点的灰度值；用某点邻域的灰度平均值来代替该点的灰度值；

2.2. 公式公式：：

( , )i j S∈∑1

avg Ng(m,n) = f = f(i, j)

44--邻域平均：邻域平均：

[ ]4( , )i j S∈

∑1avg 4

14

g(m,n) = f = f(i, j)

= f(m -1,n) + f(m,n -1) + f(m,n +1) + f(m +1,n)


88--邻域平均：邻域平均：

8( , )i j S∈∑1

avg 8

18

g(m,n) = f = f(i, j)

= [f(m -1,n -1) + f(m -1,n) + f(m -1,n +1)+f(m,n -1) + f(m,n +1) + f(m +1,n -1) + f(m +1,n)+f(m +1,n +1)]

3. 3. 特性特性

（（11）假定：）假定：

①① 图像由许多灰度级相近（恒定）的小块组成；图像由许多灰度级相近（恒定）的小块组成；

②② 噪声噪声ηη(m,n(m,n))是加性、均值为是加性、均值为 00，方差为，方差为，且与，且与图像不相关的白噪声。图像不相关的白噪声。


2σ


(2) (2) 含噪声图像含噪声图像 ff’’==f+f+ηη, , 则则

上式第上式第 2 2 项的项的 E{E{··}=0}=0，，D{D{··}= }= ，故减少了噪声。，故减少了噪声。

（（33）带来问题：使目标物轮廓或细节（边缘）变模糊。）带来问题：使目标物轮廓或细节（边缘）变模糊。

[ ]1 1

( , ) ( , )

1 1

( , ) ( , )

( , ) ( , ) ( , ) ( , )

( , ) ( , )

sN Ni j S i j S

sN Ni j S i j S

g m n f i j f i j i j

f i j i j

η

η∈ ∈

∈ ∈

= = +

= +

∑ ∑

∑ ∑21

N σ


(a) 原图（b）加噪图像（c）4领域平均（d）8邻域平均

图4.3.3 图像邻域平均示例


（二）阈值平均法（二）阈值平均法

为克服邻域平均使图像变模糊的缺点，可以采用加门为克服邻域平均使图像变模糊的缺点，可以采用加门限的方法来减少这种模糊。具体计算公式是：限的方法来减少这种模糊。具体计算公式是：

其中的门限其中的门限TT通常选择为通常选择为，，表示图像的均方表示图像的均方差。但实际应用中，门限差。但实际应用中，门限TT要利用经验值和多次试验来获要利用经验值和多次试验来获得。这种方法对抑制椒盐噪声比较有效，同时也能较好得。这种方法对抑制椒盐噪声比较有效，同时也能较好地保护仅有微小变化差的目标物细节。地保护仅有微小变化差的目标物细节。

| ( , ) |( , )

( , )avg avgf f m n f T

g m nf m n else

− >⎧= ⎨⎩

；

；

fT kσ= fσ



（三）加权平均法（三）加权平均法

用邻域内灰度值及本点灰度加权值来代替该点灰度值用邻域内灰度值及本点灰度加权值来代替该点灰度值

1.1.公式公式：：

2.2.加门限的加权平均法加门限的加权平均法

3. 3. 特点特点：既平滑了噪声，又保证边缘不至于模糊。：既平滑了噪声，又保证边缘不至于模糊。

1

( , )

( , ) ( , ) ( , )avgw M Ni j S

g m n f f i j Mf m n+∈

⎡ ⎤= = +⎢ ⎥

⎣ ⎦∑

| ( , ) |( , )

( , )avgw avgwf f m n f T

g m nf m n else

− >⎧= ⎨⎩

；

；



（四）模板平滑法（四）模板平滑法：：以上方法可归结为消噪掩模法以上方法可归结为消噪掩模法((模板平滑法模板平滑法))


基于模板的处理，相当于模板与原图像的卷积。即基于模板的处理，相当于模板与原图像的卷积。即

（（4.3.114.3.11））

不失一般性，若设不失一般性，若设33××33的模板的模板WW（比例因子为（比例因子为CC）为）为

（（4.3.124.3.12））

以为中心与模板大小相同的图像块为以为中心与模板大小相同的图像块为

（（4.3.134.3.13））

则与则与WW的卷积就等于像素点在模板大小（这里为的卷积就等于像素点在模板大小（这里为33××33）区域内的线性组）区域内的线性组合，或合，或FF与与WW的点乘，即的点乘，即

（（4.3.144.3.14））

∗g(m,n) = F(m,n) W

⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦

w (-1 , -1 ) w (-1 , 0 ) w (-1 , 1 )= C w (0 , -1 ) w (0 , 0 ) w (0 , 1 )

w (1 , -1 ) w (1 , 0 ) w (1 , 1 )W

⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦

f(m - 1, n - 1) f(m - 1, n) f(m - 1, n + 1)F(m , n) = f(m , n - 1) f(m , n) f(m , n + 1)

f(m + 1, n - 1) f(m + 1, n) f(m + 1, n + 1)

∑∑1 1

i=-1 j=-1F(m,n)* = C [f(m + i,n + j)w(i, j)]W


（四）模板平滑法（四）模板平滑法：：以上方法可归结为消噪掩模法以上方法可归结为消噪掩模法

（（11）邻域平均）邻域平均

44--邻域平均：邻域平均： 88--邻域平均：邻域平均：

（（22）加权平均）加权平均

44--邻域加权平均：邻域加权平均： 88--邻域加权平均：邻域加权平均：

（（权值权值M=1M=1），），（权值（权值M=2M=2），），（（权值权值M=1M=1），），（权值（权值M=2M=2），），

11 4

0 1 01 0 10 1 0

W⎡ ⎤⎢ ⎥= ⎢ ⎥⎢ ⎥⎣ ⎦

12 8

1 1 11 0 11 1 1

W⎡ ⎤⎢ ⎥= ⎢ ⎥⎢ ⎥⎣ ⎦

3

0 1 01 1 1 15

0 1 0W

⎡ ⎤⎢ ⎥= ⎢ ⎥⎢ ⎥⎣ ⎦

4

0 1 01 1 2 16

0 1 0W

⎡ ⎤⎢ ⎥= ⎢ ⎥⎢ ⎥⎣ ⎦


5

1 1 11 1 1 19

1 1 1W

⎡ ⎤⎢ ⎥= ⎢ ⎥⎢ ⎥⎣ ⎦

6

1 1 11 1 2 1

101 1 1

W⎡ ⎤⎢ ⎥= ⎢ ⎥⎢ ⎥⎣ ⎦


1. 1. 根据实际需要，我们可以设计根据实际需要，我们可以设计

其它具有不同特性的平滑模板，如：其它具有不同特性的平滑模板，如：

2. 2. 用模板对原图像从第用模板对原图像从第 2 2 行第行第 2 2 列开始逐渐移法计算。列开始逐渐移法计算。（注：图像四周边界一般不处理（不考虑））（注：图像四周边界一般不处理（不考虑））

3. 3. 平滑模板特点平滑模板特点

（（11））模板内系数全为正，表示求和；所乘的小于模板内系数全为正，表示求和；所乘的小于11的系数的系数表示取平均；表示取平均；

（（22））模板系数之和为模板系数之和为11，表示对常数图像（常数）处理前，表示对常数图像（常数）处理前后不变，而对一般图像而言，处理前后平均亮度基本保持后不变，而对一般图像而言，处理前后平均亮度基本保持不变。不变。


7

1 2 11 2 4 2

161 2 1

W⎡ ⎤⎢ ⎥= ⎢ ⎥⎢ ⎥⎣ ⎦


(a)(a)原始图象原始图象 (b)(b)加噪图象加噪图象 (c)(c)处理后图象处理后图象

平滑法举例平平滑滑法法举举例例

结论：邻域平均法有效地平滑了噪声结论：邻域平均法有效地平滑了噪声


（五）多图像平均法（五）多图像平均法

1. 1. 条件条件：：在相同条件下，得到同一目标物的若干幅图像在相同条件下，得到同一目标物的若干幅图像；；

2. 2. 公式公式：：

设设，，则则

3. 3. 特性特性：：多多图像平均后，图像信号基本不变，而各点噪声的方差降图像平均后，图像信号基本不变，而各点噪声的方差降为单幅图像中该点噪声方差的为单幅图像中该点噪声方差的。从而就抑制了噪声，相当于提高了信。从而就抑制了噪声，相当于提高了信

噪比。因此，这种平均的消噪思想被广泛应用于强噪声中的弱目标检测。噪比。因此，这种平均的消噪思想被广泛应用于强噪声中的弱目标检测。

1 2( , ) { ( , ), ( , ), , ( , )}Mf m n f m n f m n f m n=

( , ) ( , ) ( , )i s if m n f m n m nη= + 1

1

( , ) ( , )M

iMi

g m n f m n=

= ∑

1M


(a)(a)含噪图含噪图（（bb））44幅图像平均幅图像平均（（cc））88幅图像平均幅图像平均（（dd））1616幅图像平均幅图像平均图图4.3.4 4.3.4 多图像平均法消弱随机噪声的示例多图像平均法消弱随机噪声的示例


二、频域低通滤波法二、频域低通滤波法

图图4.3.5 4.3.5 频域低通滤波法的处理过程频域低通滤波法的处理过程

1.1.空域模板平滑法等效于频域低通滤波法空域模板平滑法等效于频域低通滤波法

[[证证] ] 若选用平滑模板若选用平滑模板

则平滑公式为则平滑公式为

1 1 11 1 1 19

1 1 1W

⎡ ⎤⎢ ⎥= ⎢ ⎥⎢ ⎥⎣ ⎦

∑ ∑1 1

i = -1 j= -1

1g(m , n) = f(m - i, n - j)9

即即 g(m,ng(m,n)=1/9[f(m)=1/9[f(m--1,n1,n--1)+f(m1)+f(m--1,n)+f(m1,n)+f(m--1,n+1)+f(m,n1,n+1)+f(m,n--1)1)

+f(m,n)+f(m,n+1)f(m+1,n+f(m,n)+f(m,n+1)f(m+1,n--1)+f(m+ ,n)+f(m+1,n+1)]1)+f(m+ ,n)+f(m+1,n+1)]



可写出对应的可写出对应的ZZ变换式变换式::

以以和和代入上式代入上式, , 图图4.3.6 4.3.6 加权平均模板的频率响应加权平均模板的频率响应

得到傅立叶变换式得到傅立叶变换式::

⎛ ⎞⎛ ⎞⎜ ⎟⎜ ⎟

⎝ ⎠⎝ ⎠

∑∑

∑ ∑

1 1i j

m n m n m ni=-1 j=-1

1 1i j

m n m ni=-1 j=-1

1G(Z ,Z ) = F(Z ,Z )Z Z9

1= F(Z , Z ) Z Z9

-1 -1m nm n m m n n

m n

G(Z , Z ) 1H(Z , Z ) = = (1 + Z + Z )(1 + Z + Z )F(Z , Z ) 9

mjωmZ = e njω

nZ = e

m n m n1H(ω ,ω ) = (1 + 2cosω )(1 + 2cosω )9


当当时，时，具有大值具有大值11，这说明，这说明““直流直流””分分量即图像的灰度平均值处理前后不变；当量即图像的灰度平均值处理前后不变；当或或时，具有小值时，具有小值00，即高频得到大程度的抑制。，即高频得到大程度的抑制。

m nω = ω = 0 | |H

mω n2ω = π3


(a) (a) 原图；原图； (b) (b) 频谱（频谱（r=5,11,45,68r=5,11,45,68）；）； (c) (c) -- (f) (f) 低通滤波低通滤波(r=5,11,45,68)(r=5,11,45,68)

低通滤波法举例低通滤波法举例低通滤波法举例


2. 2. 用于图像滤波的几种低通滤波器用于图像滤波的几种低通滤波器

（（11）理想低通滤波器（）理想低通滤波器（ILPFILPF））

传递函数传递函数

理想低通滤波特性曲线：理想低通滤波特性曲线：

（a）（b）（c）（d）图4.3.8 不同截止频率的理想低通滤波结果比较。

（a）原图像；（b）、（c）和（d）分别为截止频率半径是15、30和80的ILPF滤波结果。

0

0

1 ; ( , )( , )

0 ; ( , )D u v D

H u vD u v D

≤⎧= ⎨ >⎩


( , )H u v

1

0.5

0( , )D u v

0D


（（22））ButterworthButterworth低通滤波器（低通滤波器（BLPFBLPF））


ButterworthButterworth低通滤波器的特性曲线低通滤波器的特性曲线

0

2( , )

1( , )1 ( 2 1)

nD u vD

H u v =⎡ ⎤+ − ⎣ ⎦



0 20 40 60 80 100 120 140-50

0

50

100

150

200

250

300

0 20 40 60 80 100 120 140-50

0

50

100

150

200

250

300

0 20 40 60 80 100 120 140-50

0

50

100

150

200

250

300

0 20 40 60 80 100 120 140-50

0

50

100

150

200

250

300

(a) (b) (c) (d) (e)图4.3.10 不同阶数BLPF低通滤波器中心的灰度级剖面图（a）原图像；（b）~（e）所用BLPF的阶数分别为1，2，5，30

(a) (b) (c) (d)图4.3.11 不同截止频率的Butterworth滤波结果比较

（a）加噪原图像；（b）~（d）为二阶BLPF滤波结果，截止频率半径分别取15，30，80



（（33）指数低通滤波器（）指数低通滤波器（ELPFELPF））传递函数传递函数

指数低通滤波器的特性曲线指数低通滤波器的特性曲线

(a) (b) (c) (d)

图4.3.14 不同截止频率的指数滤波结果比较（a）含噪原图像；（b）~（d）为ELPF滤波结果，截止频率半径分别取15，30，80

{ }0

( , )12

( , ) e x p ln ( )nD u v

DH u v ⎡ ⎤ ⎡ ⎤= ⎣ ⎦⎣ ⎦



（（44）梯形低通滤波器（）梯形低通滤波器（TLPFTLPF））


梯形低通滤波器的特性曲线：梯形低通滤波器的特性曲线：

1

0 1

0( , )

0 1

1

1 ; ( , )( , ) ; ( , )

0 ; ( , )

D u v DD D

D u v DH u v D D u v D

D u v D

−−

⎧ <⎪

= ≤ ≤⎨⎪ >⎩


1

H(u,v)

D(u,v)D0 D1

0


三、中值滤波法三、中值滤波法（非线性平滑滤波法）（非线性平滑滤波法）

▓▓中值滤波法的原理：中值滤波法的原理：对一个窗口（记为对一个窗口（记为WW）内的所有像素灰度值进）内的所有像素灰度值进行排序，取排序结果的中间值作为行排序，取排序结果的中间值作为WW中心点处像素的灰度值。中心点处像素的灰度值。

▓▓中值滤波的作用：中值滤波的作用：对干扰脉冲和点噪声有良好抑制作用，而对图对干扰脉冲和点噪声有良好抑制作用，而对图象边缘能较好地保持的非线性图象增强技术。象边缘能较好地保持的非线性图象增强技术。

▓▓中值滤波的依据：中值滤波的依据：噪声以孤立点的形式出现，这些点对应的像素数噪声以孤立点的形式出现，这些点对应的像素数很少，而图像则是由像素数较多、面积较大的块构成。很少，而图像则是由像素数较多、面积较大的块构成。

∈g(m,n) = med{f(m - i,n - j),(i, j) W}



三、中值滤波法三、中值滤波法

▓▓中值滤波常用窗口中值滤波常用窗口::

（（aa）线状；（）线状；（bb）十字形；（）十字形；（cc））XX状；（状；（dd）方形；（）方形；（ee）菱形；（）菱形；（ff）圆形）圆形


（a）（b）

(d）（c）

(e) (f)


已知原图象块已知原图象块（包含点噪声）（包含点噪声）

（（11））加权平均法：加权平均法：用模板用模板MM11处理，结果为处理，结果为gg11(m,n):(m,n):

（（22））中值滤波法：中值滤波法：用模板用模板MM22处理，结果为处理，结果为gg22(m,n):(m,n):

（（33））结论：结论：（（11）加权平均法在滤掉点噪声的同时，使目标物边缘变模糊；）加权平均法在滤掉点噪声的同时，使目标物边缘变模糊；

（（22）中值滤波法在滤掉点噪声的同时，保留了目标物边缘。）中值滤波法在滤掉点噪声的同时，保留了目标物边缘。

⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦

1 1 2 21 1 9 2

f(m , n ) =1 5 2 21 1 2 2

⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦

2

1 1 2 21 1 2 2

g (m , n ) =1 1 2 21 1 2 2

⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦

1

1 1 2 21 3 3 2

g (m , m ) =1 2 4 21 1 2 2⎥

⎥⎥

⎦

⎤

⎢⎢⎢

⎣

⎡=

010111010

51

1M

⎥⎥⎥

⎦

⎤

⎢⎢⎢

⎣

⎡=

010111010

2M

▓▓ 中值滤波法的举例及与平均滤波法的对比中值滤波法的举例及与平均滤波法的对比


▓▓中值滤波的重要特性中值滤波的重要特性

（（11））对离散阶跃信号和斜升（或斜降）信号不产生影响；对离散阶跃信号和斜升（或斜降）信号不产生影响；




（（22））连续个数小于窗口宽度一半的离散脉冲将被滤除；连续个数小于窗口宽度一半的离散脉冲将被滤除；

窗宽窗宽 L=5L=5




（（33））三角形信号的顶部被削平；三角形信号的顶部被削平；




（（44））若若CC为常数，则也有：为常数，则也有：

其中①和②很容易证明，因为无论乘以C还是加上C，都不改变取值的大小排序。但③只要举一个例子就能说明。如若窗宽取5，，

则，

而由和，得

所以


{ ( , )} { ( , )}med C f m n C med f m n=

{ ( , )} { ( , )}med C f m n C med f m n+ = +

1 2 1 2{ ( , ) ( , )} { ( , )} { ( , )}med f m n f m n med f m n med f m n+ ≠ +

1f = {10,20,30,40,50}

2f = {10, 20, 30, 20,10}

1med{f } = 30 2med{f } = 20 1 2med{f }+ med{f } = 30 + 20 = 50

1 2med{f + f } = med{20,40,60,60,60} = 60

≠1 2 1 2med{f + f } med{f }+ med{f }


(a)

(b)

(c)

(d)

(e)

(f)

图4.3.17 一维信号的平均滤波和中值滤波比较（窗宽为5）

（a）阶跃信号；（b）斜升信号；（c）单脉冲信号；

（d）双脉冲信号；（e）三脉冲信号；（f）三角形信号。

4.3 4.3 图像平滑图像平滑原信号中值滤波后平均滤波后


▓▓使用中值滤波时的注意事项使用中值滤波时的注意事项

（（11）中值滤波适合于滤除椒盐噪声和干扰脉冲，尤其适合于目标物形状）中值滤波适合于滤除椒盐噪声和干扰脉冲，尤其适合于目标物形状是块状时的图像滤波。是块状时的图像滤波。

（（22）具有丰富尖角几何结构的图像，一般采用十字形滤波窗，且窗口大）具有丰富尖角几何结构的图像，一般采用十字形滤波窗，且窗口大小好不要超过图像中小目标物的尺寸，否则会丢失目标物的细小小好不要超过图像中小目标物的尺寸，否则会丢失目标物的细小几何特征。几何特征。

（（33）需要保持细线状及尖顶角目标物细节时，好不要采用中值滤波。）需要保持细线状及尖顶角目标物细节时，好不要采用中值滤波。


（a）椒盐噪声污染的图像；（b）平均模板的滤波结果；（c）中值滤波的结果

图4.3.18 图像平均滤波和中值滤波的对比


4.4 4.4 图像锐化图像锐化

◘ 概述

▓图像变模糊原因：成像系统聚焦不好或信道过窄；

平均或积分运算；使目标物轮廓变模糊，细节、轮廓（边缘）不清晰。使目标物轮廓变模糊，细节、轮廓（边缘）不清晰。

▓目的：加重目标物轮廓，使模糊图像变清晰。

▓方法分类：

空域微(差)分法—模糊图像实质是受到平均或积分运算，故对其进行逆

运算（微分），使图像清晰；

频域高频提升滤波法—从频域角度考虑，图像模糊的实质是高频分量被

衰减，故可用高频提升滤波法加重高频，使图像清晰。


◘◘ 空域锐化法空域锐化法

微分作为数学中求变化率的一种方法，可用来求解图像中微分作为数学中求变化率的一种方法，可用来求解图像中目标物轮廓和细节（统称为边缘）等突变部分的变化。目标物轮廓和细节（统称为边缘）等突变部分的变化。

→2

2''d fndx

f = f(n +1) + f(n -1) - 2f(n)


→ 'dfndx f = f(n +1) - f(n)


◘◘ 拉普拉斯锐化法拉普拉斯锐化法

连续图像连续图像 f(x,yf(x,y))

LaplacianLaplacian 算子：算子：

锐化公式锐化公式：：

数字图像数字图像 f(m,n)f(m,n)

二阶微分二阶微分：：

锐化公式：锐化公式：

2 22

2 2x y∂ ∂

∇ = +∂ ∂

2 22

2 2

f ffx y

∂ ∂∇ = +

∂ ∂2( , ) ( , ) [ ( , )]g x y f x y f x yα= + −∇

2''

2 ( 1, ) ( 1, ) 2 ( , )mf f f m n f m n f m n

x∂

→ = + + − −∂

2''

2 ( , 1) ( , 1) 2 ( , )nf f f m n f m n f m n

y∂

→ = + + − −∂

( , ) ( , )( , ) [ ( 1, ) ( 1, ) ( , 1) ( , 1) 4 ( , )]

(1 4 ) ( , ) [ ( 1, ) ( 1, ) ( , 1) ( , 1)]

g m n f m n ff m n f m n f m n f m n f m n f m n

f m n f m n f m n f m n f m n

αα

α α

= + ∇= − + + − + + + − −= + − + + − + + + −



◘◘ 模板锐化法模板锐化法

LaplacianLaplacian 锐化模板锐化模板

（（11））44--邻模板邻模板 W1 W1

（（22））88--邻模板邻模板 W4W4

▓▓锐化模板特点锐化模板特点

（（11）模板内系数有正有负，表示差分运算；）模板内系数有正有负，表示差分运算；

（（22）模板内系数之和）模板内系数之和 11（（ ①① 对常数图像对常数图像 f(m,n)f(m,n)≡≡cc，处理前后不变；，处理前后不变；

②② 对一般图像，处理前后平均亮度不变）。对一般图像，处理前后平均亮度不变）。

▓▓处理方法：处理方法：用模板对原图像从第用模板对原图像从第 2 2 行第行第 2 2 列开始逐渐移法计算。（注：列开始逐渐移法计算。（注：图像四周边界一般不处理（不考虑））图像四周边界一般不处理（不考虑））

▓▓锐化实质锐化实质

锐化图像锐化图像 g(m,ng(m,n) = ) = 原图像原图像 f(m,nf(m,n)+ )+ 加重的边缘（加重的边缘（αα**微分）微分）

⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦

1

0 -α 0W = -α 1+ 4α -α

0 -α 0

⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦

4

-α -α -αW = -α 1+8α -α

-α -α -α



(a) (a) 原始图象原始图象 (c) (c) 锐化图象锐化图象

+ =

(b) (b) 加重的边缘加重的边缘

锐化图像(的实质)=原图像+加重的边缘



（（aa）原图像；）原图像；（（bb））；；（（cc））。。

图图4.4.2 4.4.2 不同不同取值下的锐化结果对比取值下的锐化结果对比α

α = 1 α = 2


◘◘ 高频提升滤波法高频提升滤波法

图4.4-4 图像高频提升滤波法的处理过程

空域模板锐化法等效于频域高频提升滤波法

[证] 若选用Laplacian锐化模板

则

对应的Z变换式：

⎡ ⎤⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦

1

0 -α 0W = -α 1 + 4α -α

0 -α 0

g(m,n) = (1 + 4α)f(m,n) -α[f(m + 1,n) + f(m -1,n) + f(m,n + 1) + f(m,n -1)]

1 1( , ) [(1 4 ) ( )] ( , )m n m m n n m nG Z Z Z Z Z Z F Z Zα α − −= + − + + +

1 1( , )( , ) (1 4 ) ( )( , )

m nm n m m n n

m n

G Z ZH Z Z Z Z Z ZF Z Z

α α − −= = + − + + +



以以和和代入上式，得到傅立叶变换式代入上式，得到傅立叶变换式

图图4.4.5 4.4.5 拉普拉斯锐化模板的频率响应拉普拉斯锐化模板的频率响应

当当时，时，|H||H|有小值有小值11，这说明，这说明““直流直流””分量即图像分量即图像的灰度平均值处理前后不变；当的灰度平均值处理前后不变；当时，时， |H||H|具有具有大值为大值为（（），即高频分量得到了提升，也就是），即高频分量得到了提升，也就是图像的边缘信息得到了增强。图像的边缘信息得到了增强。

mjmZ e ω= nj

nZ e ω=

( , ) 1 2 (1 cos ) 2 (1 cos )m n m nH ω ω α ω α ω= + − + −

0m nω ω= =

m nω ω π= =

1 8 1α+ > 0α >



◘◘ 几种常用的高通滤波器几种常用的高通滤波器

几种常用高通滤波器的传递函数几种常用高通滤波器的传递函数



图4.4.6 高通滤波器H(u, v)的特性曲线。（a）理想高通滤波器；（b）Butterworth高通滤波器；（c）指数高通滤波器；

（d）梯形高通滤波器。




（a）原图像

图4.4.9 取不同截止频

率的高通滤波后图像的比较。

（b）~（d）为IHPF滤波结果，D0 分别15，

30，50

（e）~（g）为BHPF滤波结果，D0 分别15，30，50

（h）~（j）为EHPF滤波结果，D0 分别15，30，50

(b) (c) (d)

(h) (i) (j)

(e) (f) (g)


1. 平滑及锐化时，图象四周边界不考虑（不处理）；

2. 一般处理时，仅用原图象进行处理（即前面处理结果不影响后面处理）；

3. 平滑及锐化的顺序是：先平滑后锐化。

1. 1. 平滑及锐化时，图象四周边界不考虑（不平滑及锐化时，图象四周边界不考虑（不处理）；处理）；

2. 2. 一般处理时，仅用原图象进行处理（即前一般处理时，仅用原图象进行处理（即前面处理结果不影响后面处理）；面处理结果不影响后面处理）；

3. 3. 平滑及锐化的顺序是：先平滑后锐化。平滑及锐化的顺序是：先平滑后锐化。

图象平滑锐化时的注意事项图象平滑锐化时的注意事项图象平滑锐化时的注意事项


一幅图像是由光源的照度分量（也称照度场）一幅图像是由光源的照度分量（也称照度场）和目和目标场的反射分量标场的反射分量组成，即组成，即

只要我们能从只要我们能从中把中把和和分开，并分分开，并分别采取压缩低频、提升高频的方法，就可达到减弱照度分别采取压缩低频、提升高频的方法，就可达到减弱照度分量、增强反射分量，使图像清晰的目的。量、增强反射分量，使图像清晰的目的。

图4.5.1 图像同态滤波的处理过程

4.5 4.5 图像的同态滤波图像的同态滤波

◘◘ 概述概述

r(m,n)i(m,n)

•f (m , n ) = i(m , n ) r (m , n )

f(m,n) i(m,n) r(m,n)


两边取对数两边取对数

进行进行FFT FFT

简记为简记为

若用一滤波器进行滤波处理，则若用一滤波器进行滤波处理，则

反变换到空域反变换到空域

再取指数，就得到了处理后的空域图像再取指数，就得到了处理后的空域图像

也可写成也可写成

z(m,n) = lnf(m,n) = lni(m,n) + lnr(m,n)

[ ] [ ] [ ]FFT z(m,n) = FFT lni(m,n) + FFT lnr(m,n)

Z(u, v) = I(u, v) + R(u, v)

S(u, v) = H(u, v)Z(u, v) = H(u, v)I(u, v) + H(u, v)R(u, v)

[ ] [ ]s(m,n) = IFFT H(u, v)I(u, v) + IFFT H(u, v)R(u, v)= i'(m,n) + r'(m,n)

[ ] [ ] [ ]•g(m,n) = exp s(m,n) = exp i'(m,n) exp r'(m,n)

g(m,n)

•0 0g(m,n) = i (m,n) r (m,n)



图4.5.2 同态滤波器的特性曲线

图4.5.3 图像同态滤波增晰的示例


消除不均匀照度的影响消除不均匀照度的影响, ,

增强图象细节。增强图象细节。


4.6 4.6 图像的彩色增强图像的彩色增强

◘◘伪彩色（伪彩色（pseudo colorpseudo color）增强）增强

伪彩色增强就是将灰度图像的各灰度级按照线性或伪彩色增强就是将灰度图像的各灰度级按照线性或非线性的映射方法变换成不同的颜色，得到一幅彩色图非线性的映射方法变换成不同的颜色，得到一幅彩色图像的增强技术。它的结果可改善图像的视觉效果，提高像的增强技术。它的结果可改善图像的视觉效果，提高分辨率，使得图像的细节更加突出，目标更容易识别。分辨率，使得图像的细节更加突出，目标更容易识别。

◘◘灰度分层法灰度分层法


◘◘灰度变换彩色法灰度变换彩色法

◘◘频域滤波频域滤波



◘◘假彩色（假彩色（false colorfalse color）增强）增强

假彩色增强所处理的是真实的自然彩色图像，或者是多光谱图假彩色增强所处理的是真实的自然彩色图像，或者是多光谱图

像。其目的是将一种彩色变成另一种彩色，或把多光谱图像变成彩色像。其目的是将一种彩色变成另一种彩色，或把多光谱图像变成彩色图像。图像。


方法方法1. 1. 彩色彩色彩色彩色（三对三（三对三映射）映射）

( ) [ ]fff BGRryxf =,, [ ]R G B

三对三映射三对三映射

⎡ ⎤ ⎡ ⎤⎡ ⎤⎢ ⎥ ⎢ ⎥⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥⎢ ⎥ ⎢ ⎥⎢ ⎥⎣ ⎦ ⎣ ⎦ ⎣ ⎦

1 1 1 f

2 2 2 f

3 3 3 f

α β γ RRG = α β γ GB α β γ B

方法方法2. 2. 多光谱图像多光谱图像彩色彩色（多对三（多对三映射）映射）

设设为一目标之多光谱图像为一目标之多光谱图像

则则

( ) ( ) ( ) ( ){ }yxfyxfyxfyxf k ,,,,,,, 21=

( )( )( )⎪⎩

⎪⎨⎧

===

BGR

TyxBTyxGTyxR

,,,

( ) ( ) ( ){ }yxfyxfyxf k ,,,,,, 21


◘◘真彩色图像在真彩色图像在RGBRGB模型下的直接增强模型下的直接增强

结果导致原图像彩色较大程度改变，一般不使用。



◘◘ 真彩色图像在真彩色图像在HSIHSI模型下的增强模型下的增强

HSI(HSV)模型

色调色调 H(HueH(Hue):):它表明颜色的种类，取决于主波长；它表明颜色的种类，取决于主波长；

饱和度饱和度 S(SaturationS(Saturation):):表示颜色浓淡的物理量。表示颜色浓淡的物理量。

亮度亮度 I(Intensity)/V(ValueI(Intensity)/V(Value):):人眼所感受到的颜色明暗人眼所感受到的颜色明暗程度的物理量。程度的物理量。

特点特点::（（11））亮度分量与颜色无关；亮度分量与颜色无关；

（（22）色调和饱和度分量与人感受颜色的方式紧密相连。）色调和饱和度分量与人感受颜色的方式紧密相连。



◘◘ 真彩色图像在真彩色图像在HSIHSI模型下的增强模型下的增强

利用颜色模型（坐标）转换方法，先将彩色图像从利用颜色模型（坐标）转换方法，先将彩色图像从RGBRGB坐标转换坐标转换

成成HSIHSI坐标，仅对坐标，仅对II分量（亮度）进行增强处理，分量（亮度）进行增强处理，HH和和SS分量不变，然分量不变，然后再变换回后再变换回RGBRGB坐标。坐标。

结果：结果：

⑴⑴ 增强了图像，但不改变颜色；增强了图像，但不改变颜色；

⑵⑵ HSIHSI之优点：亮度和色度分开。之优点：亮度和色度分开。

彩色图像f(R,G,B)

彩色图像

f’(R’,G’,B’)


合

成

R’

G’

B’

坐标变换RGB -> HSI

增强处理

色度H

饱和度S

亮度I I’

坐标变换HSI ->RGB

图4.6.6 真彩色图像的HSI增强法框图


本章要求：本章要求：

11、、掌握图像的灰度变换、直方图修正、空域及频域平滑与锐掌握图像的灰度变换、直方图修正、空域及频域平滑与锐

化方法化方法

22、、掌握中值滤波法及与平均滤波法的异同；掌握中值滤波法及与平均滤波法的异同；

33、、了解图像的彩色增强及同态增晰法。了解图像的彩色增强及同态增晰法。

本章作业本章作业::

1.1. 思考：思考：4.14.1，，4.34.3，，4.104.10，，4.114.11，，4.134.13，，4.194.19。。

2.2.必做：必做：4.44.4，，4.54.5，，4.84.8，，4.16 4.16 ，，4.17 4.17 ，，4.184.18。。

本章要求及作业本章要求及作业

PowerPoint 演示文稿see.xidian.edu.cn/faculty/lpxu/pdf/PDFja/4.pdf · Title: PowerPoint 演示文稿 Author: hl8 Created Date: 2/24/2008 8:48:44 PM

Documents