1、4.2 图像增强技术,图像细节增强：增强图像中隐含的信息、克服人眼视觉缺陷，使关键信息更容易辨识。即通常说的图像锐化与去模糊、边缘增强。 削弱干扰背景：削弱图像中非关键信息对于关键信息辨识带来的视觉干扰。 在指纹、掌纹、足迹、工痕、枪痕、笔迹检验中，图像细节增强与干扰背景削弱处理对于增强细微特征常常非常有用。,4.2 图像增强技术,（一）、图像细节增强： 1、USM技术 2、拉普拉斯处理 3、差分高斯处理 4、直方图均衡化和规定化 5、频域高通处理 （二）、削弱干扰背景： 1、计算机分色法 2、图像相减法 3、FFT（快速傅里叶变换处理）,空间域处理,频率域处理,频率域处理,空间域处理,4.2
2、.1 增强图像细节,研究发现：人的视觉对于静态场景中的细节内容一开始都是忽略的，只是场景的轮廓、线条、边缘等在大脑中勾勒出场景或物体的大致印像。当某些事件导致人们需要获取更多的详细信息时，人眼才会进一步注意场景中的其他内容。,4.2.1 增强图像细节,日常生活中，由简单线条构成卡通图像在进行视觉交流时非常有效，正是由于视觉系统在获取信息时，往往忽略细节信息，而对轮廓（sketch）印象反应更灵敏。,4.2.1 增强图像细节,因此，任何有助于视觉系统定位、抽取、辨识所看到的场景中的细节信息的工作对于刑事图像都是有意义的。 例如：光滑客体表面上的汗潜指纹可能并不容易发现，但通过采用低角度配光，指纹
3、通常容易被发现。 改变光照角度、强度或方向，并没有“创造”出新的信息，仅仅是有助于帮助视觉系统克服其缺陷，快速定位、抽取、辨识到容易被忽略的一些细节。,较小光照角度下，观察到并拍摄的凶器上的汗液指纹,4.2.1 增强图像细节,与刚才所述例子类似，在图像处理领域的一些技术也有助于帮助人类克服视觉系统的缺陷，注意到被记录在图像中但可能被视觉忽略的细节信息。但需要说明： 这些处理技术绝不是只有计算机才能完成的任务，使用传统暗室处理手段也能达到类似的处理效果，只不过相对繁琐。 例如：1920年的Kodak公司的暗室手册（Darkroom Manual）中就将Unsharp Masking（反屏蔽掩蔽技
4、术）作为增强图像细节的暗室图像处理方法。,4.2.1 增强图像细节USM技术 （天文学邻域的应用）,使用暗室手段完成的天体图像细节增强流程,A：原图胶片 D：采用暗室反屏蔽掩蔽处理（Unsharp Musking） 处理后的天体图像,天体图像中既包含许多亮客体（恒星、星系、尘雾以及其他星体）又包含有大面积的暗区（太空空间）。胶片的动态范围完全足以同时捕获和记录太空中或明或亮的信息，但人的视觉系统却不能同时注意到图像中暗区和亮区中的图像细节。虽然通过对比度和伽马调整处理后冲印出来的照片能够揭示出亮区或暗区中的信息，但是不能将其同时揭示出来。USM处理解决了这一问题,1、USM技术 （暗室手段完成
5、的Unsharp Masking处理过程）,步骤： 1：先通过曝光冲印获得一张同样尺寸的散焦的a图的反相胶片b2：将a胶片与b胶片叠在一起后通过曝光冲印获得胶片c，对比度被压缩，细节被增强，留意图像右下角的点状小天体以及环状体上的黑点。3：为保留原图较高的图像对比度，将c胶片再次叠加到原图a曝光冲印形成图d该过程在暗室图像处理中被称为反屏蔽掩蔽处理（Unsharp Masking）,1、USM技术 Unsharp Masking的计算机实现,类似的处理过程，可以直接通过计算机予以实现，通常仍被称作USM（unsharp masking）技术。有的实现有该项处理功能的软件系统中将该功能称作锐化（
6、Sharpen），这主要是因为经过该项处理后的图像，图像细节的锐度得到了明显提高。 作用：增强容易被忽略的图像中的边缘、线条、点等突变的细节( Deblurring 、Edge Enhancement)。可见，使用计算机来增强图像中不易辨识的细节，既源于被广泛接受的传统暗室处理，同时也体现了现代科技对这些技术的实现手段的拓展，是具有科学性一项图像处理技术。,Unsharp Masking的计算机实现过程,A:原图,B：将A图进行模糊处理（将像素灰度值与其周围像素平均）,C：将A图减去B图，获得图像中的突变细节,D:将C图加到原图A中，保留原图层次，避免造成图像难以解释,2、拉普拉斯运算（Lap
7、lacian）,与计算机实现的Unsharp Masking类似的处理效果可通过另外一种策略来实现，这种手段的数学机理源于变量的二阶导数特性。 例如：二元函数的变量曲线在某一坐标处是否存在突变，可通过其二阶导数值进行检测。 若二阶导数值在某坐标范围内维持某一非零值不变，则这一范围内曲线斜率变化较为稳定（曲线在该处的切线斜率存在变化，但变化率恒定)。如果曲线斜率变化加快，则二阶导数值将不再维持恒定不变（突然增大或减小）。 若二阶导数值在某坐标范围内维持为零值，说明曲线在该处的切线斜率恒定不变（该段曲线是直线）。,y,2、拉普拉斯运算（Laplacian）,同理，由于图像中的易被忽略的细节通常就是
8、一些不明显的浅灰色线条、轮廓和突变点（虽然存在，但与背景之间的反差很小）。因此，将图像看做离散的变量，并将二阶导数的定义推广到图像中，对图像每一个空间坐标（x，y）处进行二阶微分计算，在二维空间上的微分结果即为图像中的突变信息（线条、轮廓、边缘、突变点）。 1、灰度平坦的区域（不存在变化），二阶导数为0。 2、灰度阶梯或斜坡起始点（突变处），二阶导数为绝对值较大非零值。 3、灰度斜坡（缓慢变化）的区域，二阶导数绝对值为较小非零值。,2、拉普拉斯运算（Laplacian）,图像坐标（x,y）处的二阶微分的计算机实现为：使用拉普拉斯微分算子（掩膜）对图像进行卷积运算，算子（掩膜）如图 ：,算子的意
9、义为：计算机按程序指令将原始图像每个像素亮度值乘以8，然后减去与该像素相邻的8个像素的亮度值。 在图像色调恒定的区域，计算结果为0的，此时新图像该空间位置处像素将被赋予中灰的亮度值（对于8位位深图像，该值为128）； 假如计算结果不为0，则必定邻域内中心像素与周围像素亮度值存在亮度差异，此时新图像中该空间位置处像素将被赋予比中灰更暗或更亮的强度值。,2、拉普拉斯运算（Laplacian） （运算过程）,按此运算逻辑，对原始图像中所有像素进行运算后将得到一幅灰度突变得到强调（保留）及灰度慢变化进一步被降低的新图像。,原图,拉普拉斯处理后 保留了灰度突变信息但削弱了图像的缓慢变化层次,与USM处理
10、类似，通常需要将处理结果再次与原图进行“加”运算以获得更易于理解的增强结果，为简化运算，只需简单地将算子（掩膜）中央的权值由“8”改为“9”即可通过一次掩膜扫描实现整个处理过程。,2、拉普拉斯运算（Laplacian）,Photoshop中，“滤镜”-菜单下的“其他”-“自定”功能，可用于实验这一算子对增强图像细节的所起到的作用,在PS 3版本中的细节增强功能对应的处理技术,“锐化”： Unsharp Masking “锐化”：拉普拉斯处理，若单次操作若不能获得理想效果，可多次处理。 CS2版本以上的PS 中提供有“智能锐化”功能，对于轻微散焦模糊、运动模糊的图像效果更佳。,4.2锐化与去模糊
11、、边缘增强,A：原图,B：色调范围改善,C：USM处理后,USM技术及拉普拉斯处理 可能的风险,Caution: A high degree of enhancement can also increase the visibility of existing noise and artifacts; 不管是Unsharp Masking与锐化拉普拉斯处理，都会增大图像原有的噪声或瑕疵（ noise and artifacts ），使得增强后的细节被同时增强的噪声干扰，增强效果得不到体现。如果图像存在噪声，进行降噪处理后，再进行其他细节增强处理是一种广泛适用的最佳处理策略。,USM技术及拉普拉
12、斯处理 可能的风险（例一）,A:存在高斯随机噪声的图像,B:直接应用拉普拉斯多次处理后获得图像，由于噪声被当作突变细节进行处理，噪声被同时放大。,USM技术及拉普拉斯处理 可能的风险（例二）,A:存在噪点的指纹图像,B:直接应用拉普拉斯算子的锐化（Sharpenning)处理多次后的图像，明显可见噪点被同时放大（注意图中的白色杂点）。,3、差分高斯处理(Higauss滤波处理),为避免噪声在增强后被同时放大，从而干扰有用细节，可采用一种源于USM的变通滤波器，这种滤波器被称为差分高斯滤波器，其计算机处理原理及过程如下：采用高斯模糊处理获得原图的1张低模糊程度的图像，目的在于消除图像随机噪声，但
13、真实细节仍然然保留在图像中。 同样采用高斯模糊处理获得原图的第二张较高模糊程度的图像，将感兴趣的细节一并模糊掉。以上张图像的差别即为图像真实细节。因此，将第一张减去第二张图像即为图像中被增强后的细节。 将第3步获得的图像与第一步获得的消除噪声后的轻微模糊图像相加。 与USM的区别在于：USM使用原图减去模糊后的图像，而差分高斯处理使用较低程度的模糊图像（消除噪声后）减去更高程度模糊的图像。,一些提供差分高斯处理滤波功能的系统,Image Pro Plus 6.0 软件,菜单“Process”-”Filters.” 名捕痕检、文检分析系统或其监控录像处理系统,名捕系统中的图像锐化事实上即为差分高
14、斯处理,差分高斯处理例子一,A:存在高斯随机噪声的图像,C:原图A采用差分高斯滤波器增强细节后的图像，噪声没有干扰细节，车牌细节被有效增强，使用ImagePro,HIguss （参数Pass：10,strength:2）,B:直接应用拉普拉斯处理多次后的图像，由于噪声被当作突变细节进行处理，噪声被同时放大，细节增强的效果被噪声抵消。,差分高斯处理例子二,拉普拉斯锐化3次后噪声被同时放大的图像,注意图中的较小噪点,使用Higauss(pass:6,strength:1)处理，注意图中较小噪点与上图相比被有效减少，此外，被增强的指纹纹线多于上图。,4、直方图均衡化与局部均衡化,之前介绍的空域滤波的
15、细节增强三种处理通过放大图像局部变化并压缩全图对比度以提高图像细节的可辨识性，另外一种可以获得类似结果的处理叫做直方图均衡化。,直方图对图像外观的描述意义：,低对比度（暗）,低对比度（亮）,低对比度（灰）,全色调,高对比度、层次细节丰富的图像特点： 直方图覆盖了灰度级很宽的范围并且比较均匀。,4、直方图均衡化 histogram equalization,既然外观正常的图像，其直方图往往具有相似的外观特征（直方图覆盖较宽的灰度范围，像素在所有的灰度等级上分布较均匀），若能找到一种变换函数，能自动将低对比度图像的直方图改造为覆盖所有可能的强度等级并且均匀分布的形式，则自然扩大了图像动态范围，提高
16、图像整体对比度。,4、直方图均衡化 histogram equalization,为实现此目标，经数学推导和证明，原始图像的直方图曲线的积分函数(累计分布函数CDF)正适合作为这样的灰度变换函数。由于该处理仅仅需要借助直方图提供的统计信息即可获得直方图曲线的累计分布函数，因此即实现图像的自动匀强处理，因此被称作直方图均衡化（Histogram equalization ）。,4、直方图均衡化 histogram equalization,直方图均衡化处理的一个实例,4、直方图均衡化 histogram equalization,大量科学研究与实践应用证明，直方图均衡化是一种适应性很强的自动增强
17、工具。 1、各种低对比度图像都能获得较好的视觉增强效果。 2、由于处理过程回避了主观的视觉测评，直方图均衡化在诸多科学研究领域经常被用于增强不同的实验样本图像，以便客观进行比较分析。 3、其处理机制易于在实时图像处理领域使用硬件实现。从图像自身看，直方图均衡化处理使得图像中缓慢变化的肉眼难于辨识的暗区和亮区细节都更加明显。虽然如此，直方图均衡化却很少被用于处理日常生活中的图像，这是因为其改变图像的方式对一般人来说较为陌生，其处理效果有时也让观察者感觉不够自然。,4、局部直方图均衡化 local histogram equalization,局部直方图均衡化处理源于是直方图均衡化的基本原理。但将
18、其机制运用于一个小的邻域。假如一个小的邻域（子图像，通常直径为3-15像素）被均衡化，其结果是每个像素都得到一个新强度值，但最终只有邻域中心的像素被保留以构建结果图像。然后，邻域（子图像）的中心被移至与之相邻的像素，重复以上步骤直到邻域遍历了原始图像中所有可能的位置。 直方图局部均衡化使得轻微比其周围像素暗的像素更暗，相反，使轻微比周围像素亮的像素更亮。当图案、纹理等结构类细节分布于明暗差异较大的背景上时，经过局部直方图均衡化处理的图像将获得亮度均匀的视觉外观，同时使得结构类细节更易于辨识。,4、局部直方图均衡化 local histogram equalization,直方图局部均衡化处理（
19、右图） （Local histogram Equalization，本例中，调整图像像素强度值使其服从均匀分布） 使用Image Pro 处理（参数:直方图形态liner, windows10：step：1）,4、局部直方图均衡化的缺点及其拓展,与之前介绍其他增强技术一样，局部直方图均衡化同样在诸多领域被运用多年，被作为一种标准技术被大部分图像处理书籍所介绍并被许多图像处理软件所实现。由于其增大了邻域中心像素与其周围像素的差异，它具有与USM处理及拉普拉斯处理相同的噪声敏感特性。 与之相比，近年来的研究的新方法则拓展了局部直方图均衡化的适应性。例如自适应直方图均衡化（Adaptive hist
20、ogram Equalization），其特点： 1、在处理机制中加入了降噪机制。 2、可将处理后的图像再次与原图进行“加”运算。 自适应局部直方图均衡化具有较低的噪声敏感特性且能够同时揭示图像亮区和暗区的细微细节和变化，处理后的图像具有较为正常的外观。,Adaptive histogram Equalization,一种更优的直方图局部均衡化处理算法自适应直方图均衡化（Adaptive histogram Equalization） （算法加入了降噪处理，将均衡化处理后的图像与原图相加，保留了原图背景信息，降低了不真实感）,a:原图（1枚硬币局部） b:自适应直方图均衡化处理 （暗调、高光部
21、分呈现更多层次，划痕细节被增强）,Adaptive histogram Equalization,自适应直方图均衡化（Adaptive histogram Equalization），对于增强图像中客体细微特征特别有效。例如，枪弹退弹痕迹、撞针撞击痕迹等枪弹、或其他工具痕迹。效果优于差分高斯处理。 A图：原图 B图：锐化 C:图: 差分高斯处理 D图：自适应直方图均衡化,其他基于直方图统计信息的处理： 直方图规定化处理,有时，将图像直方图改造为均匀分布的外观，对于特定的应用场合可能不是最好的办法，可能期望处理后的图像直方图具有规定的外观形状，这种技术被称作直方图规定化。其中，将直方图改造为倒扣
22、的钟型外观，同样能极大地增强图像对比度，增强图像细节。,均匀分布,钟形分布（bell 分布），或称正态分布,直方图规定化处理,改造后的直方图具有正态分布的外观，且像素覆盖0-255的全部灰度等级，图像对比度增强。此时指纹纹线与背景的灰度差别同时被增大，视觉反差极大增强。,原图像直方图说明图像过暗，对比度较小，指纹纹线与其背景灰度差别过小，指纹纹线不可能与背景形成较大视觉反差。,原图,使用“名捕”软件“自动匀强”处理，这个功能事实上是即为直方图规定化（规定其外观为倒扣的钟状，即像素在0-255上的分布服从正态分布，或称钟形（bell）分布,直方图规定化,直方图局部规定化处理（右图） （本例中，调
23、整图像像素 灰度值使其服从正态分布，使其看起来像倒扣的钟） 使用Image Pro 软件Local histogram Equalization，处理（参数:直方图形态：bell， windows：10，step：1）,直方图均衡化与规定化处理的特点总结,优点：与其他细节增强处理相比，直方图均衡化与规定化处理更适合计算机自动处理。（不需要用户去分析图像存在的问题，也不需要用户输入较多的处理参数）。因此，这种处理较适合“傻瓜”化处理，在涉及刑事图像应用的系统中，大都提供这种功能（例如:名捕软件中的“自动匀强”，指纹比对系统中的“自动均衡化”）,5、频域高通滤波,之前的细节增强处理方法，包括USM
24、、拉普拉斯及差分高斯处理都去除了图像像素亮度的缓慢变化（对应于电气工程学中的“低频”信号）并且保留了图像中的突然变化（“高频”信号，因此被统称为“高通”滤波。 即便如此，他们仍然属于空域的图像处理技术（本质上是像素进行直接运算）。通过频域（Fourier space）的高通滤波图像处理技术，类似的细节增强效果同样可以实现，并且可获得更快的运算速度。,频域图像处理技术,考虑内容完整性，本节将频域处理的基本原理及频域高通、低通及带通滤波原理一并作简要介绍和讨论。 其他的频域图像处理应用，诸如去除周期性噪声、规则图案背景和模糊图像复原放到其他内容里面作介绍。,频率域图像处理的基础傅里叶思想,傅里叶（
25、1822）的数学思想：任何有限域的函数，都可以将其分解为不同频率的正弦和（或余弦和）的形式。 数学思想表明： 所有单一信号波，不管其多么复杂，都可以分解成为不同频率的正弦信号（或余弦信号）之和。由于简单信号的处理远简单于复杂信号，因此，傅里叶的思想给信号处理领域带了了革命性的变化，使得很多以前不可能的处理成为可能，成为最近一个世纪电子工程学和现代计算机信号处理邻域的最重要的支撑理论之一。 傅里叶思想在信号处理领域的代表性应用：将复杂信号分解为很多正弦（余弦）分量，然后对分解后的信号进行分析并根据需要修改这些分量的振幅或频率，最后重构为处理后的所需信号。,傅里叶变换与傅里叶反变换,从数学的观点看
26、，图像可看作亮度幅值随坐标位置变化而变化二维非周期有限域信号，按傅里叶的数学思想，同样可以采用科学技术领域被广泛接受并使用的二维傅里叶变换算法将其从空间域转换到频率域，即将其分解为不同频率的正弦函数和（或余弦和）的形式进行表达，并且分解后的函数项可以无损地通过傅里叶反变换再次重构为空间域我们熟悉的图像。,傅里叶变换与傅里叶反变换,亮点对应不同幅值的正弦信号 亮点的明亮程度及大小表征其对应信号幅值的大小 亮点距离频谱图中心（原点）的距离代表信号的频率大小（其倒数是信号的周期） 亮点相对中心（原点）的位置表征信号的方向 亮点成对出现，与图像中点（原点）呈共轭对称关系。,频域高通、低通、带通处理,对
27、于复杂内容的图像，通过傅里叶变换获得的频谱表达并不能直接揭示更多信息。通常离频谱图中心越远的信号幅值越小（高频信号强度幅值较小），当图像左、右或上、下部内容不对称时，频谱图中将会出现穿越图像中心的横向和纵向线条。,修改图像的傅里叶表达中的函数项的对应的信号分量的强度幅值，只需在其函数项前乘以一个常数即可。,频域高通处理,抑制低频信息（亮度缓慢变化），增强高频信息（亮度突变），叫做频域的高通滤波器 。实质是图像频域表达式的高频函数项乘以较大常数，低频函数项乘以较小常数，然后再将改造后的图像频域表达通过快速傅里叶逆变换转换为空域图像。,常数值由低到高,高通滤波器,原图频谱,应用高通滤波器后,频域低
28、通处理,类似地，抑制高频信息、通过低频信息的滤波器产生图像平滑效果、同时削弱随机噪声，称为低通滤波器。实质是图像频域表达式的高频函数项乘以较小常数，低频函数项乘以较大常数，然后再将改造后的图像频域表达通过快速傅里叶逆变换转换为空域图像。,常数值由低到高,低通滤波器,原图频谱,应用低通滤波器后,频域带通处理,抑制低频信息（亮度缓慢变化），同时也抑制高频（噪声或突变）信息的滤波器被称作带通滤波器，其处理效果类似与之前介绍的空间域差分高斯处理，带通滤波器可以用于削弱图像中的高频和低频信息，保留所关心的细节。 其实质为，介于某个频率范围之外的频域表达函数项乘以较小常数或0。,(a) 背光照明条件下，使
29、用摄像机拍摄的存在带状视频噪声干扰的玻璃杯内表面的指印图像 （b）允许指印纹线信息通过的，抑制高频、低频信息的圆形带通滤波频谱图 （c）选择性保留圆环之间的频谱信息逆变换为空域图像所得到的指印图像,4.2 干扰背景削弱,有时削弱图像中关键信息背景干扰同时也意味着增强了感兴趣的图像细节。 根据图像干扰背景与前景的差异的特点以及处理方法的不同，可分为三种基本方法： 1、计算机分色法 2、图像相减法 3、FFT（快速傅里叶变换处理）,1、计算机分色处理分色摄影技术,传统黑白胶片摄影中，常在镜头前加彩色滤色镜以吸收（阻止通过）与滤色镜片颜色相补的色光（红色与青色相补，黄色与蓝色相补，洋红与绿色相补）以
30、有选择地增强所关心的图像细节的反差。 （同色通过、异色吸收） 这种被称作“分色摄影”的摄影技术在刑事技术工作中被常用于增强与背景存在微弱强度差异但存在明显色差的感兴趣细节或者削弱杂乱背景干扰、突出感兴趣细节。 例如，使用红色滤色镜拍摄深蓝衣物上的暗红血迹，可获得反差较强的血迹形态图像。,1、计算机分色处理原理,类似的效果可以通过计算机模拟得到。此时，一个表征某色滤镜的向量与图像中每个像素的颜色向量进行点乘运算，点乘的结果作为处理后的像素的灰度强度值S，用该值表征穿透物理滤镜后的通光量。 如，图像为RGB颜色模式时，以RGB（r,g,b）表示像素的颜色向量，以Fil(r%,g%,b%)表征滤镜向
31、量，则 ：,S=RGB（r，g，b）FiL(r%，g%，b%),1、计算机分色处理,分别使用表征红、绿、蓝、橙、黄的滤镜向量与包换四种色调的图像进行点积运算，点乘结果值及其对应的灰度图 。,1、计算机分色处理,计算机分色处理处理机理与传统分色摄影相似但更具灵活性，这是因为任何颜色的滤镜都可以在必要时候通过更改滤镜向量分量的数值而被创造出来，从而实现更多使用物理滤镜和胶片摄影无法实现分色处理。,1、计算机分色处理,（a）原图（彩图） （b）设置滤镜参数（PS软件通道混合器功能）（c）计算机分色处理后,1、计算机分色处理CMYK色彩空间下,计算机进行分色处理也可在CMYK空间进行。一些复杂情形下，
32、在CMYK色彩空间进行分色处理相比RGB色彩空间更有效。与RGB色彩空间不同，CMYK色彩空间使用青（Cyan）、洋红（Magenta）、黄（Yellow）、黑（Black）四维向量描述像素色彩，因此，滤镜向量相应也为四维向量。,1、计算机分色处理CMYK色彩空间下,（a）原图 （b） 设置滤镜参数（PS软件通道混合器功能）（c）计算机分色处理后 注意：图像默认的颜色模式一般是RGB，要在CMYK色彩空间进行分色处理，需先将其转换为CMYK颜色模式。,PS软件中计算机分色处理,简单情形：直接通道分离，复制原始图像的两个图像副本，一份保持为RGB颜色模式，一份转换为CMYK模式，打开通道面板，分
33、别进行通道分离。复杂情形：复制原始图像的两个图像副本，一份保持为RGB颜色模式，一份转换为CMYK模式，分别使用通道混合器功能。,2、 图像减法处理,通过两幅图像相减（同一空间坐标处的灰度值相减）获得一幅新图像，新图像即为两图之间的的差异。,报纸上的指纹图像,同一期报纸上的相同位置图像,两图相减的结果,在刑事图像处理领域可用于去除不规则的背景信息，增强感兴趣的细节,2、图像减法处理,使用该法的限制及一些注意事项： 限制：需要获取一幅同样背景（不包含需增强的细节）的图像。 拍摄时的注意事项： 相机与被拍客体平行 使用相同的物距及镜头焦距（确保影像大小一致） 同等光照条件下拍摄，并使用相同曝光参数
34、（光圈、快门一致，确保影像色调深浅一致）,3、FFT 快速傅里叶变换处理,适用场合：图像中的干扰背景表现为反复出现的一定频度的规则图案、线条、干扰点、纹理类背景 。,3、FFT 快速傅里叶变换处理,能提供FFT处理的软件系统： Image-pro(IPP)软件 名捕、恒锐等刑事图像处理系统 Photoshop FFT插件（该插件可从http:/www.3d4x.ch/?c=16,35 上下载 ），能直接对彩色图像进行处理),图像减法处理 PS软件中的操作步骤,打开图像 使用移动工具将待削弱背景图像拖移到另一图中。 在“图层面板”上将“叠加模式”更改为“差值”（即相减） 观察图像是否对齐，必要时
35、使用移动工具、自由变换工具对齐图像（快捷键盘 Ctrl +T）。 合并图层 必要时通过色阶命令调整图像对比度，提高细节反差。,总 结（细节增强）,本节介绍的细节增强技术： Unsharip Musking，拉普拉斯运算以及差分高斯、可用于降低图像中的色调层次的缓慢变化，进一步增强图像的突变细节（线条，轮廓、边缘、突变点） ，在数字图像处理领域可统称为空间域高通滤波技术。 其中，差分高斯对于图像噪声敏感程度较低，即便图像未经过降噪处理，也能获得较为理想的细节增强效果。 直方图均衡化（线性化）与规定化处理：自动化的灰度变化处理，适合增强明暗差异较大的背景上的细微特征。 频率域高通处理，与空间域的高通滤波器一样可增强图像细节，但其实现机理不同（但数学上具有同一性）。,总 结（背景削弱）,对于存在背景干扰的物证检验图像，应仔细分析所关心的图像信息与干扰背景之间的差异特点以选择正确的处理方法和策略。从图像自身的视觉特点出发，物证检验图像中的背景干扰大体上表现为三种典型情形： 规则背景图案类FFT处理 干扰背景与前景存在色彩差异计算机分色 不规则背景干扰类且色差微弱尝试图像相减法,
