mv-chp05图像预处理.ppt

北京邮电大学自动化学院 (a) 原始图像 (b)高斯噪声 被高斯噪声所污染的图像 如果一幅图像用散布参数为σ的高斯函数滤波，以及相同的图像用散布参数为 的高斯函数滤波，那么，可以不用较大散布参数的高斯函数进行滤波，而是用相同散布参数的滤波器对上一次滤波结果再进行滤波就可得到预期的图像．这就意味着在计算图像的多种尺度平滑时，计算量能得到显著减少．在具有不同散布参数σ的高斯函数级联运算中，也可以得到类似的结果． 高斯函数的最佳逼近由二项式展开的系数决定 0 1 1 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1 1 6 15 20 15 6 1 5点逼近对应于杨辉三角形的第5行 这一模板被用来在水平方向上平滑图像． 二维高斯滤波器用两个一维高斯滤波器逐次卷积来实现．对较大的滤波器，通过重复使用小高斯滤波器来实现． 高斯滤波器设计:杨辉三角形逼近法 离散高斯分布: 例如，选 ，n=7，在[0,0]处的值等于1产生下列数组： 高斯滤波器设计:直接法 其中c是归一化常量． 左上角值定义为1并取整： 7X7 高斯滤波模板 15X15高斯滤波模板 其它常用的高斯模板 均值滤波和高斯滤波运算的主要问题：有可能模糊图像中的尖锐不连续部分． 5 非线性滤波器 按亮度值大小排列像素点 选排序像素的中间值作为点 的新值。 （1）中值滤波器：中值滤波器的基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节，这是因为它不依赖于邻域内那些与典型值差别很大的值 。 例如，取 函数窗，计算以点 为中心的函数窗像素中值步骤如下： 对图5．4(b)噪声图像进行中值滤波后的结果． (a) 原始信号 （b）均值滤波 （c）中值滤波 尖顶边缘滤波示意图． （2） 边缘保持滤波器 均值滤波的平滑功能会使图像边缘模糊，而中值滤波在去除脉冲噪声的同时也将图像中的线条细节滤除掉。边缘保持滤波器是在上述两种滤波器的基础上发展的一种滤波器，该滤波器在滤除噪声脉冲的同时，又不致于使图像边缘十分模糊。 边缘保持算法的基本过程如下：对灰度图像的每一个像素点[i,j]取适当大小的一个邻域（如3X3邻域），分别计算[i,j]的左上角子邻域、左下角子邻域、右上角子邻域和右下角子邻域的灰度分布均匀度，然后取最小均匀度对应区域的均值作为该像素点的新的灰度值。 计算灰度均匀度的公式为： 举例 由上面计算可见，分布越均匀，V值越小。 * 图 像 预 处 理 Chapter 5 Image Processing 第 5 章 主讲课本： 1、贾云得，《机器视觉》，科学出版社，2000年 （有电子版本：word格式和pdf格式） 2、冈萨雷斯等著，阮秋琦等译，《数字图像处理》 （Matlab版），电子工业出版社，2005 深度阅读： 1、Milan Sonka等著，艾海舟等译，《图像处理、分析与机器视觉》，人民邮电出版社，2003年 2、D.A.Forsyth, J.Ponce, Computer Vision -- A modern approach，清华出版社，2004 1 引言 对机器视觉系统来说，所用的图像预处理方法并不考虑图像降质原因，只将图像中感兴趣的特征有选择地突出，衰减其不需要的特征，故预处理后的输出图像并不需要去逼近原图像．这类图像预处理方法统称为图像增强． 图像增强技术主要有两种方法：空间域法和频率域法．空间域方法主要是在空间域内对图像像素直接运算处理．频率域方法就是在图像的某种变换域，对图像的变换值进行运算，如先对图像进行付立叶变换，再对图像的频谱进行某种计算(如滤波等)，最后将计算后的图像逆变换到空间域． 2 直方图修正 许多图像的灰度值是非均匀分布的，其中灰度值集中在一个小区间内的图像是很常见的．直方图均衡化是一种通过重新均匀地分布各灰度值来增强图像对比度的方法．一般来说，直方图修正能提高图像的主观质量，因此在处理艺术图像时非常有用． 直方图均衡化举例1 推广：图像的大多数像素灰度值分布在[a,b]区间 把在灰度区间 内的像素点映射到区间 。 分段函数变换 连续函数灰度变换 直方图均衡化举例2 (1) 线性系统 图像处理系统可以用一个线性系统作为模型 对于线性系统，当系统输入是一个中心在原点的脉冲?(x,y)时，输出g(x,y)就是系统的脉冲响应． 3 图像线性运算 线性空间不变系统(Linear Space Invariant，