第4章_图像增强(第二讲)[1]
数字图像处理第3章图像增强
（第二讲）
4.1.1 直方图
4.1.2 直方图修改技术的基础4.1.3 直方图均衡化处理
4.1.4 直方图规定化处理
4.1.5 图像对比度处理
由于图像的亮度范围不足或非线性会使图像的对比度不甚理想，可用像素幅值重新分配的方法来改善图像对比度。扩大图像的亮度范围可以用线性映射的方法，这种方法如图3—10所示。由图可以看出原图像的范围较小，经映射后的图像亮度范围展宽了。
图3—10 数字图像对比度增强
在这种转换中，设计转换函数应考虑到灰度量化问题，如果原始图像的灰度级为k 级，映射后输出图像的灰度级仍然是k 级，这样由于输出图像的灰度范围加大了。
在对比度处理法中，根据不同的目的可以设计出不同的转换函数。图3—11是线性转换函数，这种函数将图像在整个灰度范围内作线性映射。
图3—11 图像灰度的线性映射变换
另外一种映射转换函数如图3—12所示。这种转换是将图像中两个极端的灰度值加以限幅，这种限幅的比例也是可以选择的。
图3—12 限幅的线性映射变换
除此之外，为了不同的目的还有其他一些类型的转换函数。这些转换函数的形式如图3—13(a)、(b)、（c）所示。
图3—13 其他一些转换函数
灰度变换的效果如图3－14 (a) (b) 所示，其中（a）是原像，(b)是处理后的图像。
图3—14 灰度变换处理效果
灰度反转的转换函数是把图像的低亮度区域
转到较高的亮度区，而高亮度区转换为低亮度区，其效果如图3—15所示，其中(a)是原像，(b)是
处理后的图像。
图3—15 灰度反转处理效果
锯齿形转换可以把几段较窄的输入灰度区间都扩展到整个输出灰度范围内，这种处理可以把灰度变化较平缓的区域也较鲜明地显示出来。其效果如图3—16所示，其中（a）是原像，（b）是处理后的图像，这里选n=2 。
图3—16 锯尺状变换函数处理效果（n=2）
开窗式转换的目的是只对部分输入灰度区间进行转换，通过窗口位置的选择可以观察某些灰度区间的灰度分布，并且对这一区域的灰度进行映射变换。当然，图3—13只是举出几种常用的转换函数的形状。根据不同的需要还可以设计出更多的转换函数，其基本原理都是一样的，只不过处理效果不同罢了。
经开窗式转换函数处理的图像效果
图3—17 经开窗变换函数处理的效果
利用直方图修正技术增强图像简便而有效。直方
图均衡化处理可大大改善图像灰度的动态范围，利用直方图规定化方法能得到更加符合需要的结果，通过对比度转换函数的正确设计可以方便灵活地改善图像。因此，这种方法在数字图像处理中得到广泛应用。
(a)为原始图像
(b)为均衡化处
理后的图像
(c)为原始图像
(d)为均衡化处
理后的图像
图4—18
3.2 图像平滑化处理
一幅图像可能存在着各种寄生效应。这些寄生效应可能在传输中产生，也可能在量化等处理过程中产生。一个较好的平滑方法应该是既能消掉这些寄生效应又不使图像的边缘轮廓和线条变模糊。这就是研究图像平滑化处理要追求的主要目标。
图像平滑化处理方法有空域法和频域法两大类。主要有:
邻域平均法，
低通滤波法，
多图像平均法等等。
3.2.1 邻域平均法3.2.2 低通滤波法3.2.3 多图像平均法
(完整word版)NIVisionBuilderAI入门教程第四章图像增强
第四章图像增强 很多时候，我们采集到的图像并不理想，含有许多噪声、非目标区域、杂点、未完整等等，面对这种情况，进行图像处理时，如果不对原始图像进行增强处理，那么对测量结果会的精度会产生一些影响，例如寻找边缘，如果需要拟合成线的点很离散，那么，拟合出来的线很可能会“漂”的很厉害。因此，许多情况下，我们需要对原始图像进行增强，以达到更加理想的效果。如图4-1所示。 图4-1 图像增强函数在图像处理中的应用 在图4-1中，我们应用了一个简单的例子，寻找一条边缘。采集图像后，我们对原始图像创建了一个ROI（Region of Interest：兴趣区域、目标区域，图中的绿色框），并对此ROI 进行滤波处理，从图中可以看到，绿色框中经过婆婆的图像与外面的图像是不一样的。这就是图像增强的效果。当然，例子中的原始图像效果相对较好，增强的效果显现不明显。 下面我们来看一下，图像增强函数选板具体的函数及其使用方法。
图4-2 图像增强选板 增强图像中，共有六个可用函数。利用此六个函数，我们可以在分析图像前，对图像进行预先处理，以提高图像质量。 1. Vision Assistant：Enhances image features，filters noise，extracts colors planes，and more. 第一个函数为视觉助手。在VBAI中也有一个视觉助手，不过这个视觉助手并不像NI视觉开发模块中的视觉助手功能强大，只是包含了一些图像增强的功能。因为VBAI其它的函数选板中含有大量的分析测量函数，所以，在这个视觉助手中并没有分析测量类的函数。利用视觉助手可以增强图像特征、过滤噪声、提取颜色平面、图像计算、形态学处理等。因为其中的函数过多，将会在后面章节中加以详细解释，这里就一笔带过。 2. Filter Image：Prepares an image for processing so that you can extract only the information you need for processing. 第二个函数为图像滤波：准备一幅图像，提取需要用于处理的信息为后面图像处理。点击此函数，将会出现此函数的配置选板，如图4-3所示：