th数字图像处理同态滤波及综合.ppt

相对于高通，带通的结果中，突变点、明显的边缘消失了 * 从门外看屋里，是很难看清楚内部情况的。但同态滤波器可以将门内的细节也显示出来。 * 我们学过的函数中，哪一种具备乘变加的功能？对数函数lnxy=lnx+lny * 这个概念非常重要：照度分量对应于低频分量，反射分量对应于高频分量 * * 动态范围：二值图像黑色0白色255，则对比度非常高，但此时图像动态范围非常小，只有两个值。从直方图上看，就是大部分像素所占据的范围。范围越大， 动态范围越高。对比度： 图像中亮的目标和暗的目标的反差， 应该来说是一种视觉上的感受。 * 该处区域定义是平移了原点之后的频谱图，即靠近频谱图像中心是低频，远离图像中心是高频 * 此处，频域理解为通频带的宽度，由截止频率确定。f(x)是右图所示的加权均值滤波器的示意图，示例讲解。X是像素的位置，f(x)是其幅值，容易得出对应的模板 * f(x)是右图所示的高斯滤波器的一种的示意图。思考2分钟，画出空间域滤波模板。请同学上台画。 * * 常见的灰度变化课本里有，直方图尤其要注意 * 图 同态滤波器的剖面图 如果选取 HL1, HH1，滤波器函数将减弱低频部分，扩大高频部分，最后的结果将同时压缩了图像的动态范围，又增加了图像各部分之间的对比度。 特点：能消除乘性噪声，能同时压缩图像的整体动态范围，并增加图像中相邻区域间的对比度 例 同态滤波的增强效果 * 例 同态滤波的增强效果 陷波滤波器 陷波滤波器：希望图像的平均值为零 设置F(0,0)=0，保留其它频率成分不变 除原点有凹陷外其它均是常量函数 频域技术与空域技术对比 * 空间滤波器的工作原理可借助频域进行分析 空间平滑滤波器 消除或减弱图像中灰度值具有较大较快变化部分的影响，这些部分对应频域中的高频分量，所以可用频域低通滤波来实现。 空间锐化滤波器 消除或减弱图像中灰度值缓慢变化的部分，这些部分对应频域中的低频分量，所以可用频域高通滤波来实现 。 空间域滤波和频域滤波之间的对应关系 关注的焦点在幅度谱|F(u,v)|，因为相位谱φ(u,v)是随机的，且没有特征。 在频率域中，可以利用频率成分和图像特征之间的关系： 低频部分(接近(0,0)区域)对应图像缓慢变化、或平坦的分量。 高频部分(接近（±M/2, ±N/2）区域)对应图像边缘、灰度突变或噪声等部分。 空域中的平滑滤波器在频域里对应低通滤波器 频域越宽，空域越窄，平滑作用越弱 频域越窄，空域越宽，模糊作用越强 空域中的锐化滤波器在频域里对应高通滤波器 频域技术与空域技术 空域滤波器 频域滤波器 FT 如果两个域内的滤波器具有相同的尺寸，借助FFT在频域中进行滤波一般效率更高； 在空域中可以使用较小的滤波器来达到相似的滤波效果，计算量也有可能反而较小。 频域设计滤波器比较方便，实际应用较多。 频域滤波与空域滤波 区 别： 空域基于模板操作，每次只是基于部分像素的性质 频域利用图像中所有像素的数据，具有全局性质，更好地体现图像的整体特征 图像加法：减少和去除图像采集中混入的噪声 图像相减：把图像差异显示出来。常用在医学图像处理消除背景；在运动检测中很有用，通过对时间上相邻的两幅图像求差可以确定图像中目标的位置和形状变化 图像乘法(或除法)：校正由于照明或传感器性造成的图像灰度阴影 空间域滤波总结 邻域平均：算法简单，计算速度快；在一定程度上 抑制噪声，但会引起模糊现像。 中值滤波：去除噪声,比较好地保留边缘的锐度和图 像细节 。特别适合滤除椒盐噪声。 灰度变换：g(x，y)=T(f(x，y))。功能多样化，如图象求反，对比度拉伸，动态范围变化，插值。 平滑滤波器：删去无用的细小细节,连接中断的线段和曲线, 降低噪音。 锐化滤波器: 细微层次强调, 图像识别中分割前的边 缘提取; 恢复过渡平滑、暴光不足的图像。 巴特沃思低通滤波器：模糊程度减少，可减少振铃现像, 去除虚假轮廓； 理想的频域低通滤波器：概念清楚, 通阻分明;产生模糊和振铃现像； 频率域滤波总结 高斯低通滤波器：模糊程度比二阶巴特沃斯低，无振铃现像, 去除虚假轮廓； 带通、带阻滤波器：删除特定频率； 同态滤波：能消除乘性噪声,能同时压缩图像的整体动态范围,并增加图像中相邻区域间的对比度。 频域滤波器: 应用频域的传递函数, 减少低频或高频分量,实现增强。 空间域滤波和频率域滤波之间的对应关系 空间域和频率域之间最基本的联系是由卷积定理建立的 大小为M×N的两个离散函数卷积的定义: 计算过程： 1. h(m,n) 关于原点翻转： h(-m,-n) 2. 通过