圖像空間域增強-展示頁
2024-10-10 21:31本頁面
【正文】 236。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。238。239。 236。239。239。239。239。239。239。239。239。 239。 239。 239。 239。 239。 239。 239。239。236。239。239。238。239。239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。 239。239。239。239。239。237。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。239。238。239。 236。239。239。239。239。238。238。 ? 重要性（為什么要進行灰度級校正？） 成像過程中光照強弱、感光部件靈敏度、光學系統(tǒng)不均勻、元器件電特性等諸多因素造成圖像中同樣圖像亮暗不均勻。 )1lo g ( rcs ?? ? 冪次變換的基本形式： ??? )( ???rcscrs 1（伽馬校正） 2（對比度增強） 3（對比度增強） （對比度拉伸） （對比度拉伸） （對比度拉伸） 39。a39。b39。39。( , ) ( )baF j k a F aba= + 曝光不足或過度，圖像灰度范圍小，看起來沒有灰度層次，線性變換使得對比度拉伸！ （灰度切割） （二值化） （位圖切割） ? 直方圖 一個灰度級別在范圍 [0， L1]的數(shù)字圖象的直方圖是一個離散函數(shù) p(rk)= nk/n n 是圖象的像素總數(shù) nk是圖象中第 k個灰度級的像素總數(shù) rk 是第 k個灰度級， k = 0,1,2,…,L 1 6646313266416665436646611223466543211426545654321 如何根據(jù)直方圖信息對圖象進行修改？ ? ? 直方圖是一幅圖像中各像素灰度值出現(xiàn)次數(shù)（或頻數(shù)）的統(tǒng)計結果，它只反映該圖像中不同灰度值出現(xiàn)的次數(shù)（或頻數(shù)），而未反映某一灰度值像素所在位置。 ? 任一幅圖像，都能唯一地確定出一幅與它對應的直方圖， 但不同的圖像，可能有相同的直方圖。 ( a ) ( b )圖像與直方圖間的多對一關系 ? ?由于直方圖是對具有相同灰度值的像素統(tǒng)計得到的， 因此，一幅圖像各子區(qū)的直方圖之和就等于該圖像全圖的直方圖 ( a ) ( b ) ( c )直方圖的分解 在 區(qū)間內的任一個 值 ,都可產生一個 ,且 以 表示歸一化了的原圖像灰度 以 表示歸一化了的經直方圖修正后的圖像灰度 變換函數(shù) 滿足下列條件 在 區(qū)間內是單值單調函數(shù) 。 反變換關系 對 滿足同樣上述條件。 將非均勻密度變換為均勻密度 對于連續(xù)情況，設 分別是修整前后灰度為 時的概率密度函數(shù)，由概率論知 : 在直方圖均衡化時有 : 為均衡化后的灰度變化范圍 ,歸一化時為 1，則： 即 : 兩邊取積分 : 如上圖： 這就是所求的變換函數(shù) ,它表明變換函數(shù) 是原圖像的 累積分布函數(shù) ,是一個非負遞增函數(shù)。 擴展到離散圖像，設第 個灰度級 出現(xiàn)的頻數(shù)用 表 示，該灰度級像數(shù)對應的概率值 為 : 是幀內像數(shù)總數(shù) 滿足歸一化條件 則離散圖像的變換函數(shù)表達式 : 為灰度級數(shù) 20 31 61 82 164 212 256 198 灰度級 各灰度級對應的概率分布 例：令圖像大小為 個灰度級，將其直方圖均衡 化。 令 和 分別為原始圖像和期望圖像的灰度概 率函數(shù)，對兩者均作直方圖均衡化處理，應有 : 經過上述處理后的原圖像概率密度函數(shù) 及理想圖像 的概率密度函數(shù) 是相等的 .于是可用變換后的原始 圖像灰度級 代替式 中的 . （規(guī)定化） 綜上 ,組合變換函數(shù)為 : 擴展到離散情況 : 直方圖均衡與匹配比較 直方圖均衡與匹配比較 ? 圖像平均灰度值： ? 圖像的方差： ? 圖像局部平均值： ? 圖像局部方差： ????10)(Liii rprm)()()(122iLii rpmrr ????????xy
醫(yī)療健康相關推薦
鄂ICP備17016276號-1