CV_07 图像增强 & 图像噪声
一. 什么是图像增强?
图像增强其实就是有目的地强调图像的整体或局部特性,将原来不清晰的图像变得清晰或强调某些感兴趣的特征、扩大图像中不同物体特征之间的差别、抑制不感兴趣的特征。最终改善图像的质量、丰富图像的信息量,加强图像判读和识别的效果,从而满足某些特殊分析的需要。
二. 图像增强的分类
图像增强可以分为三大类,一类是频率域法,一类是空间域法,还有一类是彩色增强。
三. 空间域法介绍:
空间域法是直接对图像的像素进行处理。主要又分为点处理和邻域处理。
点处理:包括灰度变换和直方图修正法。
(1)灰度变换:
灰度变换是指根据某种目标条件按一定变换关系(灰度函数)逐点改变原图像中每一个像素灰度值的方法。目的是为了改善画质,使图像的显示效果更加清晰。如果选择的灰度变换函数不同,即使是同一图像也会得到不同的结果。灰度变换法又可以分为线性变换和非线性变换。
(2)直方图修正:
直方图反应了图像中每种灰度出现的频率,直方图处理主要有直方图均衡化和直方图规定化两种。直方图均衡化的原理是将原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图规定化的原理则是调整原始图像的直方图使之符合某一规定直方图的要求。
邻域处理:又称区域处理,是在图像空间借助模板进行邻域操作,包括图像平滑滤波和图像锐化滤波。
(1)图像平滑滤波
用于突出图像的主干部分,目的是使图像的亮度平缓渐变,去除噪声、提高图像质量。常用方法有:邻域平均、中值滤波等。邻域平均是将每个像素的灰度值用它所在邻域内的像素平均值代替。中值滤波是将窗口中的中值作为新图像的像素。
(2)图像锐化滤波
目的是增强图像的边缘或轮廓。最常使用的方法是:梯度法。
四. 频率域法介绍:
频率域法是把图像看作是一种二维信号,对其进行基于二维傅里叶变换的信号增强。即将原来图像空间中图像以某种形式转换到其他空间中,然后利用该空间的特有性质进行图像处理,最后再转换到原来的图像空间中。主要方法有:高通滤波、低通滤波、同态滤波等。
(1)高通滤波 (仅允许高频率信号通过)
图像的高频部分主要是图像的边缘和细节,因此采用高通滤波法,则可以增强边缘等高频信号,使模糊的图片变得清晰。常见的高通滤波器:理想高通滤波(不能通过电子元器件实现且存在振铃现象)、巴特沃斯高通滤波器、指数型高通滤波器、梯形高通滤波器(效果不错、振铃不明显,最常用)
(2)低通滤波(仅允许低频率信号通过)
在传递过程中,由于噪声主要集中在高频部分,因此使用低通滤波,可去掉图像中的噪声,从而达到平滑图像的目的。常见的低通滤波器:理想低通滤波、Butterworth滤波器、指数低通滤波器、梯形低通滤波。
(3)同态滤波
是一种在频域中同时压缩图像亮度范围和增强图像对比度的方法,即把频率过滤和灰度变换结合起来,是基于图像成像模型进行的。
五. 什么是振铃现象?
图像处理中,对一幅图像进行滤波处理,如果选用的邻域滤波器具有陡峭的变换,则会使滤波图像产生“振铃现象”,所谓的“振铃”现象,就是指输出图像的灰度剧烈变化处产生的震荡,就好像钟被敲击后产生的空气震荡。如下图所示。
六. 如果你想要对图像进行增强,你需要主要哪些方面?
提高图像整体和局部的对比度在增强图像的同时,应该避免放大噪声增强后的图像应该具有良好的视觉效果图像增强算法应该有较好的实时性七. 图像产生噪声的原因及噪声的分类
1. 产生的原因
噪声是图像干扰的重要原因,一幅图像在实际应用中可能存在着各种各样的噪声,这些噪声可能在传输过程中产生,也可能在量化等处理中产生。根据噪声和信号的关系,可以将其分为三种形式:加性噪声、乘性噪声、量化噪声。
2. 噪声的分类
注:以下部分:f(x, y)表示给定原始图像;g(x, y)表示图像信号; n(x, y)表示噪声。
(1)加性噪声:此类噪声与输入的图像信号无关,含噪声的图像可表示为:f(x, y)= g(x, y) + n(x, y);信道噪声及光导摄像管的摄像机扫描图像时产生的噪声就属于这类噪声。
(2)乘性噪声:此类噪声与图像信号有关,含噪图像可以表示为:f(x, y) = g(x, y) + n(x, y) * g(x, y);飞点扫描器扫描图像时的噪声,电视图像中的相干噪声,胶片中的颗粒噪声就属于此类噪声。
(3)量化噪声:此类噪声与输入图像信号无关,是量化过程中存在的量化误差,再反映到接收端而产生。
吐血整理,如有问题,敬请指正。欢迎转载,但请注明出处。
【一文了解】经典图像的增强方法都有些什么?什么又是振铃现象?为什么图像会产生噪声?噪声又有什么分类?