計算機圖像處理

郭永芳36160251@第四章

圖像增強

圖像增強是采用一系列技術去改善圖像的視覺效果,或將圖像轉換成一種更適合于人或機器進行分析和處理的形式。例如采用一系列技術有選擇地突出某些感興趣的信息，同時抑制一些不需要的信息，提高圖像的使用價值。圖像增強方法從增強的作用域出發，可分為空間域增強和頻率域增強兩種。

空間域增強是直接對圖像各像素進行處理；

頻率域增強是對圖像經傅立葉變換后的頻譜成分進行處理，然后逆傅立葉變換獲得所需的圖像。

講解內容目的1.熟悉并掌握本章基本概念、空間域圖像增強的原理、方法及其特點；2.了解頻率域圖像增強的方法及其實現過程；3.重點掌握直方圖修正方法、特點及其應用；空間域平滑、銳化和彩色增強技術。4.1圖像增強的點運算

4.1.2灰度變換

灰度變換可調整圖像的灰度動態范圍或圖像對比度，是圖像增強的重要手段之一。黑白1．線性變換令圖像f(i，j)的灰度范圍為[a,b]，線性變換后圖像g(i，j)的范圍為[a′,b′]，如圖，g(i，j)與f(i，j)之間的關系式為：在曝光不足或過度的情況下，圖像灰度可能會局限在一個很小的范圍內。這時在顯示器上看到的將是一個模糊不清、似乎沒有灰度層次的圖像。下圖是對曝光不足的圖像采用線性變換對圖像每一個像素灰度作線性拉伸。可有效地改善圖像視覺效果。2．分段線性變換為了突出感興趣目標所在的灰度區間，相對抑制那些不感興趣的灰度區間，可采用分段線性變換。設原圖像f(x,y)在[0，Mf],感興趣目標的灰度范圍在[a,b],欲使其灰度范圍拉伸到[c,d],則對應的分段線性變換表達式為通過細心調整折線拐點的位置及控制分段直線的斜率，可對任一灰度區間進行拉伸或壓縮。輸出灰度級sL-10L/2L/2L-1輸入灰度級r(r2,s2)T(r)(r1,s1)

(a)分段線性函數(c)灰度拉伸(d)灰度二值化（b）原始圖像

3．非線性灰度變換當用某些非線性函數如對數函數、指數函數等，作為映射函數時，可實現圖像灰度的非線性變換。①對數變換對數變換的一般表達式為

這里a,b,c是為了調整曲線的位置和形狀而引入的參數。當希望對圖像的低灰度區較大的拉伸而對高灰度區壓縮時，可采用這種變換，它能使圖像灰度分布與人的視覺特性相匹配。f(i,j)g(i,j)②指數變換指數變換的一般表達式為

這里參數a,b,c用來調整曲線的位置和形狀。這種變換能對圖像的高灰度區給予較大的拉伸。g(i,j)f(i,j)4.1.3直方圖修整法灰度直方圖反映了數字圖像中每一灰度級與其出現頻率間的關系,它能描述該圖像的概貌。通過修改直方圖的方法增強圖像是一種實用而有效的處理技術。直方圖修整法包括直方圖均衡化及直方圖規定化兩類。1.直方圖均衡化

直方圖均衡化是將原圖像通過某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方法。

直方圖均衡化下面先討論連續變化圖像的均衡化問題，然后推廣到離散的數字圖像上。設r和s分別表示歸一化了的原圖像灰度和經直方圖修正后的圖像灰度。即（4.1-9）在[0,1]區間內的任一個r值，都可產生一個s值，且(4.1-10)T(r)作為變換函數，滿足下列條件：①在0≤r≤1內為單調遞增函數，保證灰度級從黑到白的次序不變；②在0≤r≤1內，有0≤T(r)≤1，確保映射后的像素灰度在允許的范圍內。反變換關系為（4.1-11）T-1(s)對s同樣滿足上述兩個條件。由概率論理論可知，如果已知隨機變量r的概率密度為pr(r),而隨機變量s是r的函數，則s的概率密度ps(s)可以由pr(r)求出。假定隨機變量s的分布函數用Fs(s)表示，根據分布函數定義

利用密度函數是分布函數的導數的關系，等式兩邊對s求導，有：（4.1-13）可見，輸出圖像的概率密度函數可以通過變換函數T(r)控制原圖像灰度級的概率密度函數得到,因而改善原圖像的灰度層次,這就是直方圖修改技術的基礎。

從人眼視覺特性來考慮，一幅圖像的直方圖如果是均勻分布的，即Ps(s)=k(歸一化時k=1)時，該圖像色調給人的感覺比較協調。因此將原圖像直方圖通過T(r)調整為均勻分布的直方圖，這樣修正后的圖像能滿足人眼視覺要求。因為歸一化假定

由（4.1-13）則有

兩邊積分得

上式表明，當變換函數為r的累積直方圖函數時，能達到直方圖均衡化的目的。對于離散的數字圖像，用頻率來代替概率,則變換函數T(rk)的離散形式可表示為:

上式表明，均衡后各像素的灰度值sk可直接由原圖像的直方圖算出。一幅圖像的sk與rk之間的關系稱為該圖像的累積灰度直方圖。rkPr(rk)rkS(rk)1.01.01.0下面舉例說明直方圖均衡過程。rknkpr(rk)=nk/nsk計sk并sknskpk(s)r0=07900.190.191/7s0=1/77900.19r1=1/710230.250.443/7s1=3/710230.25r2=2/78500.210.655/7s2=5/78500.21r3=3/76560.160.816/7

r4=4/73290.080.896/7s3=6/79850.24r5=5/72450.060.951

r6=6/71220.030.981

r7=1810.021.001s4=14480.11例假定有一幅總像素為n=64×64的圖像，灰度級數為8，各灰度級分布列于表中。對其均衡化計算過程如下：？

若在原圖像一行上連續8個像素的灰度值分別為：0、1、2、3、4、5、6、7，則均衡后，他們的灰度值為多少？原圖像的直方圖均衡后圖像的直方圖直方圖均衡化示例

2.直方圖規定化在某些情況下，并不一定需要具有均勻直方圖的圖像，有時需要具有特定的直方圖的圖像，以便能夠增強圖像中某些灰度級。直方圖規定化方法就是針對上述思想提出來的。直方圖規定化是使原圖像灰度直方圖變成規定形狀的直方圖而對圖像作修正的增強方法。可見，它是對直方圖均衡化處理的一種有效的擴展。直方圖均衡化處理是直方圖規定化的一個特例。

對于直方圖規定化，下面仍從灰度連續變化的概率密度函數出發進行推導，然后推廣出灰度離散的圖像直方圖規定化算法。假設pr(r)和pz(z)分別表示已歸一化的原始圖像灰度分布的概率密度函數和希望得到的圖像的概率密度函數。首先對原始圖像進行直方圖均衡化，即求變換函數：假定已得到了所希望的圖像，對它也進行均衡化處理，即它的逆變換是這表明可由均衡化后的灰度得到希望圖像的灰度。

若對原始圖像和希望圖像都作了均衡化處理，則二者均衡化的ps(s)和pv(v)相同，即都為均勻分布的密度函數。由s代替v得

z=G-1(s)這就是所求得的變換表達式。根據上述思想，可總結出直方圖規定化增強處理的步驟如下：①對原始圖像作直方圖均衡化處理；②按照希望得到的圖像的灰度概率密度函數pz(z)，求得變換函數G(z)；③用步驟①得到的灰度級s作逆變換z=G-1(s)。經過以上處理得到的圖像的灰度級將具有規定的概率密度函數pz(z)。采用與直方圖均衡相同的原始圖像數據（64×64像素且具有8級灰度），其灰度級分布列于表中。給定的直方圖的灰度分布列于表中。

對應的直方圖如下：

原圖像的直方圖規定化直方圖

rj→sknkps(sk)zkpz(zk)vkzk并nkpz(zk)r0→s0=1/77900.19z0=00.000.00z000.00r1→s1=3/710230.25z1=1/70.000.00z100.00r2→s2=5/78500.21z2=2/70.000.00z200.00r3→s3=6/7

z3=3/70.150.15z3→s0=1/77900.19r4→s3=6/79850.24z4=4/70.200.35z4→s1=3/710230.25r5→s4=1

z5=5/70.300.65z5→s2=5/78500.21r6→s4=1

z6=6/70.200.85z6→s3=6/79850.24r7→s4=14480.1110.151.00z7→s4=14480.11原圖像的直方圖規定的直方圖規定化后圖像的直方圖？

若在原圖像一行上連續8個像素的灰度值分別為：0、1、2、3、4、5、6、7，則規定化后，他們的灰度值為多少？

利用直方圖規定化方法進行圖像增強的主要困難在于要構成有意義的直方圖。圖像經直方圖規定化，其增強效果要有利于人的視覺判讀或便于機器識別。下面是一個直方圖規定化應用實例。圖(C)、(c)是將圖像(A)按圖(b)的直方圖進行規定化得到的結果及其直方圖。通過對比可以看出圖(C)的對比度同圖（B)接近一致，對應的直方圖形狀差異也不大。這樣有利于影像融合處理，保證融合影像光譜特性變化小。任何一幅原始圖像，在其獲取和傳輸等過程中，會受到各種噪聲的干擾，使圖像退化，質量下降，圖像模糊，特征淹沒，對圖像分析不利。為了抑制噪聲改善圖像質量所進行的處理稱圖像平滑或去噪。它可以在空間域和頻率域中進行。本節介紹空間域的幾種平滑法。4.2圖像的空間域平滑Lena原圖高斯噪聲椒鹽噪聲圖像的噪聲示意圖4.2.1局部平滑法（鄰域平均法或移動平均法）局部平滑法是一種直接在空間域上進行平滑處理的技術。假設圖像是由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關性，而噪聲則是統計獨立的。因此，可用鄰域內各像素的灰度平均值代替該像素原來的灰度值，實現圖像的平滑。設有一幅N×N的圖像f(x,y)，若平滑圖像為g(x,y)，則有

式中x,y=0,1,…,N-1；s為(x,y)鄰域內像素坐標的集合，也稱窗口，其中不包括(x,y)；M表示集合s內像素的總數。可見鄰域平均法就是將當前像素鄰域內各像素的灰度平均值作為其輸出值的去噪方法。設圖像中的噪聲是隨機不相關的加性噪聲，窗口內各點噪聲是獨立同分布的，經過上述平滑后，信號與噪聲的方差比可望提高M倍。例如，對圖像采用3×3的鄰域平均法，對于像素(m,n)，其鄰域像素如下：(m+1,n+1)(m+1,n)(m+1,n-1)(m,n+1)(m,n)(m,n-1)(m-1,n+1)(m-1,n)(m-1,n-1)以模塊運算系數表示即：例題：用以上3×3模板（掩模）對圖像數據進行鄰域平滑。12143122345768957688567891214312234576895768856789345456678鄰域平滑算法簡單，但它的主要缺點是在降低噪聲的同時使圖像產生模糊，特別在邊緣和細節處。而且鄰域越大，在去噪能力增強的同時模糊程度越嚴重。如圖。(a)原圖像(b)對(a)加椒鹽噪聲的圖像(c)3×3鄰域平滑(d)5×5鄰域平滑

為克服簡單局部平均法的弊病，目前已提出許多保邊緣、細節的局部平滑算法。它們的出發點都集中在如何選擇鄰域的大小、形狀和方向、參加平均的點數以及鄰域各點的權重系數等，下面簡要介紹幾種算法。4.2.2超限像素平滑法對鄰域平均法稍加改進，可導出超限像素平滑法。它是將f(x,y)和鄰域平均g(x,y)差的絕對值與選定的閾值進行比較，根據比較結果決定點(x,y)的最后灰度g′(x,y)。其表達式為

超限像素平滑算法對抑制椒鹽噪聲比較有效，對保護僅有微小灰度差的細節及紋理也有效。由下圖可見隨著鄰域增大，該算法去噪能力增強，但模糊程度也加大。

同局部平滑法相比，去椒鹽噪聲效果更好。(a)原圖像(b)對(a)加椒鹽噪聲的圖像(c)3×3鄰域平滑(d)5×5鄰域平滑(e)3×3超限像素平滑(T=64)(f)5×5超限像素平滑(T=48)4.2.3灰度最相近的K個鄰點平均法該算法的出發點是：以待處理像素為中心，在n×n的窗口內，屬于同一集合體的像素，它們的灰度值將高度相關。因此，可用窗口內與中心像素的灰度最接近的K個鄰像素的平均灰度來代替窗口中心像素的灰度值。這就是灰度最相近的K個鄰點平均法。較小的K值使噪聲方差下降較小，但保持細節效果較好；而較大的K值平滑噪聲較好，但會使圖像邊緣模糊。實驗證明，對于3×3的窗口，取K=5或6為宜。(

5×5,K=9；7×7,K=25)該方法物理概念明確，處理效果也很好，但是計算量比較大。例：3×3模板，k=5121431223457689576885678912143122345768957688567891,1,2,2,21,2,2,2,32,3,3,4,45,6,6,7,76,6,7,7,86,8,8,8,96,6,7,7,76,6,6,7,77,8,8,8,82236787684.2.4最大均勻性平滑為避免消除噪聲引起邊緣模糊，該算法先找出環繞圖像中每像素的最均勻區域，然后用這區域的灰度均值代替該像素原來的灰度值。該方法的缺點是對復雜形狀的邊界過分平滑并使細節消失。4.2.5有選擇保邊緣平滑法

該方法是對前述最均勻平滑法的一種改進。它是對圖像上任一像素(x,y)的5×5鄰域，采用9個掩模，其中包括一個3×3正方形、4個五邊形和4個六邊形。計算各個掩模的均值和方差，對方差進行排序，最小方差所對應的掩模區的灰度均值就是像素(x,y)的輸出值。該方法以方差作為各個區域灰度均勻性的測度。若區域含有尖銳的邊緣，它的灰度方差必定很大，而不含邊緣或灰度均勻的區域，它的方差就小，那么最小方差所對應的區域就是灰度最均勻區域。因此有選擇保邊緣平滑法既能夠消除噪聲，又不破壞區域邊界的細節。另外，五邊形和六邊形在(x,y)處都有銳角，這樣，即使像素(x,y)位于一個復雜形狀區域的銳角處，也能找到均勻的區域。從而在平滑時既不會使尖銳邊緣模糊，也不會破壞邊緣形狀。例如，某像素5×5鄰域的灰度分布如圖4.2.4，經計算9個掩模區的均值和方差為最小方差為0，對應的灰度均值3，采用有選擇保邊緣平滑，該像素的輸出值為3。4.2.6空間低通濾波法鄰域平均法可看作一個掩模作用于圖像f(x,y)的低通空間濾波，掩模就是一個濾波器，它的響應為H(r,s)，于是濾波輸出的數字圖像g(x,y)用離散卷積表示為均值443234233對應的方差54717172831232603642147324841?434215343216常用的掩模有掩模不同，中心點或鄰域的重要程度也不相同，因此，應根據問題的需要選取合適的掩模。但不管什么樣的掩模，必須保證全部權系數之和為單位值，這樣可保證輸出圖像灰度值在許可范圍內，不會產生“溢出”現象。

4.2.7中值濾波中值濾波是對一個滑動窗口內的諸像素灰度值排序，用中值代替窗口中心像素的原來灰度值，因此它是一種非線性的圖像平滑法。例：采用1×3窗口進行中值濾波原圖像為：22621244424處理后為：2222224444

4它對脈沖干擾及椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護邊緣少受模糊。但它對點、線等細節較多的圖像卻不太合適。對中值濾波法來說，正確選擇窗口尺寸的大小是很重要的環節。一般很難事先確定最佳的窗口尺寸，需通過從小窗口到大窗口的中值濾波試驗，再從中選取最佳的。

如3X3窗口：從小到大排列，取中間值中值濾波法原圖像中值濾波一維中值濾波的幾個例子（N=5）離散階躍信號、斜升信號沒有受到影響。離散三角信號的頂部則變平了。對于離散的脈沖信號，當其連續出現的次數小于窗口尺寸的一半時，將被抑制掉，否則將不受影響。一維中值濾波的概念很容易推廣到二維。一般來說，二維中值濾波器比一維濾波器更能抑制噪聲。二維中值濾波器的窗口形狀可以有多種，如線狀、方形、十字形、圓形、菱形等（見圖）。不同形狀的窗口產生不同的濾波效果，使用中必須根據圖像的內容和不同的要求加以選擇。從以往的經驗看，方形或圓形窗口適宜于外輪廓線較長的物體圖像，而十字形窗口對有尖頂角狀的圖像效果好。圖(a)為原圖像；圖(b)為加椒鹽噪聲的圖像；圖(c)和圖(d)分別為3×3、5×5模板進行中值濾波的結果。可見中值濾波法能有效削弱椒鹽噪聲，且比鄰域、超限像素平均法更有效。12143122345768957688567891214312234576895768856789例題：用3×3模板對以下圖像數據進行中值濾波。234566678最大值濾波最小值濾波4.3圖像空間域銳化在圖像的識別中常需要突出邊緣和輪廓信息。圖像銳化就是增強圖像的邊緣或輪廓。圖像平滑通過積分過程使得圖像邊緣模糊，圖像銳化則通過微分而使圖像邊緣突出、清晰。

4.3.1梯度銳化法

圖像銳化法最常用的是梯度法。對于圖像f(x，y)，在(x，y)處的梯度定義為梯度是一個矢量，其大小和方向為

對于離散圖像處理而言，常用到梯度的大小，因此把梯度的大小習慣稱為“梯度”。并且一階偏導數采用一階差分近似表示，即

fx’=f(x+1，y)-f(x，y)

fy’=f(x，y+1)-f(x，y)為簡化梯度的計算，經常使用

grad(x，y)=Max(|fx′|，|fy′|)(4.3-4)或grad（x，y）=|fx’|+|fy′|(4.3-5)

除梯度算子以外，還可采用Roberts、Prewitt和Sobel算子計算梯度，來增強邊緣。Roberts對應的模板如圖4.3.2所示。差分計算式如下fx’=|f(x+1,y+1)-f(x,y)|

fy’

=|f(x+1,y)-f(x,y+1)|

-1

-1

11

圖4.3.2Roberts梯度算子為在銳化邊緣的同時減少噪聲的影響，Prewitt從加大邊緣增強算子的模板大小出發，由2x2擴大到3x3來計算差分，如圖(a)所示。(a)Prewitt算子(b)Sobel算子Sobel在Prewitt算子的基礎上，對4-鄰域采用帶權的方法計算差分，對應的模板如圖(b)。根據梯度計算式就可以計算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，就可根據不同的需要生成不同的梯度增強圖像。

-101

-1-1-1

-101

-1-2-1-101000-202000-101111-101121第一種輸出形式

g(x,y)=grad(x,y)(4.3-7)此法的缺點是增強的圖像僅顯示灰度變化比較徒的邊緣輪廓，而灰度變化比較平緩或均勻的區域則呈黑色。第二種輸出形式

式中T是一個非負的閾值。適當選取T，可使明顯的邊緣輪廓得到突出，又不會破壞原來灰度變化比較平緩的背景第三種輸出形式

它將明顯邊緣用一固定的灰度級LG來表現。

第四種輸出形式

此方法將背景用一個固定的灰度級

LB來表現，便于研究邊緣灰度的變化。第五種輸出形式

這種方法將明顯邊緣和背景分別用灰度級LG和LB表示，生成二值圖像，便于研究邊緣所在位置。

3x3模板-1-18-1-1-1-1-1-11/9*5x5模板1-118-11-111-11-111-1-1-1-1-1-1-1-1-1-1-11/25*4.4圖像的頻率域增強圖像增強的目的主要包括：①消除噪聲，改善圖像的視覺效果；②突出邊緣，有利于識別和處理。前面是關于圖像空間域增強的知識，下面介紹頻率域增強的方法。假定原圖像為f(x，y)，經傅立葉變換為F(u，v)。頻率域增強就是選擇合適的濾波器H(u,v)對F(u,v)的頻譜成分進行處理，然后經逆傅立葉變換得到增強的圖像g(x,y)。

頻率域增強的一般過程如下：

DFTH(u，v)IDFTf(x，y)F(u，v)F(u，v)H(u，v)g(x，y)

濾波

圖像的平滑除了在空間域中進行外，也可以在頻率域中進行。由于噪聲主要集中在高頻部分，為去除噪聲改善圖像質量，濾波器采用低通濾波器H(u,v)來抑制高頻成分，通過低頻成分，然后再進行逆傅立葉變換獲得濾波圖像，就可達到平滑圖像的目的。常用的頻率域低濾波器H(u,v)有四種：4.4.1頻率域平滑低通濾波（1）理想低通濾波器由于高頻成分包含有大量的邊緣信息，因此采用該濾波器在去噪聲的同時將會導致邊緣信息損失而使圖像邊模糊。（2）巴特沃思低通濾波器n=1n=3它的特性是連續性衰減，而不象理想濾波器那樣陡峭變化，即明顯的不連續性。因此采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度大大減小，沒有振鈴效應產生。（3）指數低通濾波器n=1n=3采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度較用Butterworth濾波產生的大些，無明顯的振鈴效應。（4）梯形低通濾波器采用該濾波器濾波在抑制噪聲的同時，圖像邊緣的模糊程度較用Butterworth濾波產生的大些，無明顯的振鈴效應。（c）（b）（a）理想低通濾波結果半徑分別為15，30，80，濾去的能量為5.4%、3.6%、2%。振鈴效應G(u,v)=H(u,v)F(u,v)g(x,y)=h(x,y)*f(x,y)（a）半徑為5的脈沖圖像（b）相應的空間濾波器（c）空域的5個脈沖（d）濾波結果BLPF特性曲線ELPF特性曲線2階BLPF濾波的結果（a）原圖像（b）半徑15（b）半徑30（d）半徑802階ELPF濾波的結果（a）原圖像（b）半徑15（b）半徑30（d）半徑80IHPF濾波效果，D0=15，30，80。D0越小，振鈴效應越明顯。BHPF,比IHPF的結果平滑得多。EHPF濾波效果4.4.2頻率域銳化

圖像的邊緣、細節主要位于高頻部分，而圖像的模糊是由于高頻成分比較弱產生的。頻率域銳化就是為了消除模糊，突出邊緣。因此采用高通濾波器讓高頻成分通過，使低頻成分削弱，再經逆傅立葉變換得到邊緣銳化的圖像。常用的高通濾波器有：

1）理想高通濾波器二維理想高通濾波器的傳遞函數為

2）巴特沃斯高通濾波器n階巴特沃斯高通濾波器的傳遞函數定義如下H(u，v)=1/[1+(D0/D(u，v))2n]3）指數濾波器指數高通濾波器的傳遞函數為4）梯形濾波器

梯形高通濾波器的定義為四種濾波函數的選用類似于低通。理想高通有明顯振鈴現象，即圖像的邊緣有抖動現象；Butterworth高通濾波效果較好，但計算復雜，其優點是有少量低頻通過，H(u，v)是漸變的，振鈴現象不明顯；指數高通效果比Butterworth差些，振鈴現象不明顯；梯形高通會產生微振鈴效果，但計算簡單，較常用。一般來說，不管在圖像空間域還是頻率域，采用高頻濾波不但會使有用的信息增強，同時也使噪聲增強。因此不能隨意地使用。

4.5彩色增強技術

人眼的視覺特性：分辨的灰度級介于十幾到二十幾級之間；彩色分辨能力可達到灰度分辨能力的百倍以上。

彩色增強技術是利用人眼的視覺特性，將灰度圖像變成彩色圖像或改變彩色圖像已有彩色的分布，改善圖像的可分辨性。彩色增強方法可分為偽彩色增強和假彩色增強兩類。4.5.1偽彩色增強

偽彩色增強是把黑白圖像的各個不同灰度級按照線性或非線性的映射函數變換成不同的彩色，得到一幅彩色圖像的技術。使原圖像細節更易辨認，目標更容易識別。偽彩色增強的方法主要有密度分割法、灰度級一彩色變換和頻率域偽彩色增強三種。

密度分割法

密度分割法是把黑白圖像的灰度級從0（黑）到M0（白）分成N個區間Ii(i=1，2，…，N),給每個區間Ii指定一種彩色Ci，這樣，便可以把一幅灰度圖像變成一幅偽彩色圖像。

該方法比較簡單、直觀。缺點是變換出的彩色數目有限。2.空間域灰度級一彩色變換

根據色度學原理，將原圖像f(x,y)的灰度范圍分段，經過紅、綠、藍三種不同變換TR(?)、TG(?)和TB(?)，變成三基色分量IR(x,y)、IG(x,y)、IB(x,y)，然后用它們分別去控制彩色顯示器的紅、綠、藍電子槍，便可以在彩色顯示器的屏幕上合成一幅彩色圖像。

3.頻率域偽彩色增強頻率域偽彩色增強的方法是：

把黑白圖像經傅立葉變換到頻率域，在頻率域內用三個不同傳遞特性的濾波器分離成三個獨立分量；

然后對它們進行逆傅立葉變換，便得到三幅代表不同頻率分量的單色圖像，接著對這三幅圖像作進一步的處理（如直方圖均衡化）最后將它們作為三基色分量分別加到彩色顯示器的紅、綠、藍顯示通道，得到一幅彩色圖像。4.5.2假彩色增強

假彩色增強是對一幅自然彩色圖像或同一景物的多光譜圖像，通過映射函數變換成新的三基色分量，彩色合成使感興趣目標呈現出與原圖像中不同的、奇異的彩色。

假彩色增強目的：一是使感興趣的目標呈現奇異的彩色或置于奇特的彩色環境中，從而更引人注目；一是使景物呈現出與人眼色覺相匹配的顏色，以提高對目標的分辨力。多光譜圖像的假彩色增強可表示為將可見光與非可見光波段結合起來，通過假彩色處理，就能獲得更豐富的信息，便于對地物識別。對于自然景色圖像，通用的線性假彩色映射可表示為例如采用以下的映射關系則原圖像中綠色物體會呈紅色，藍色物體會呈綠色，紅色物體則呈蘭色。

偽彩色增強與假彩色增強有何區別？

？4.6圖像的代數運算加、減、乘、除運算：

圖像的代數運算是指對兩幅輸入圖像進行點對點的加、減、乘、除四則運算而得到輸出圖像的運算。如果記輸入圖像為A(x,y)和B(x,y)，輸出圖像為C(x,y)，則四種圖像代數運算的表達式如下：C(x,y)＝A(x,y)＋B(x,y)C(x,y)＝A(x,y)－B(x,y)C(x,y)＝A(x,y)×B(x,y)C(x,y)＝A(x,y)／