空间域滤波详解.pptVIP

7.1 引言 空域滤波是将邻域内的图像像素值同对应的与邻域有相同维数的子图像值相作用 子图像亦称作：filter（滤波器）、 mask（掩模）、 kernel（核）、 template（模板）、 window（窗） 3 平滑和锐化滤波器 3 平滑和锐化滤波器 4 相关和卷积 7.2线性空间滤波 1 imfilter——实现线性空间滤波 2 imfilter通用语法 在使用预先旋转的滤波器或对称的滤波器时，希望执行相关，就有两种方法： 第一： g=imfilter(f, w, ‘conv’, ‘replicate’) 第二：使用函数rot90(w,2), 将图像旋转180°，然后使用g=imfilter(f, w, ‘replicate’) 滤波后的图像的每个元素使用双精度浮点算术进行计算。然而，imfilter会将输出图像转换为与输入图像相同的类型。 若f是一个整数数组，则输出中超过整型范围的元素将被截断，且小数部分会四舍五入。 若结果要求更高的精度，则f需要在使用函数imfilter之前利用im2double或double转换为double类型。 例子：使用函数imfilter f=zeros(512); f(1:256,256:512)=1; f(256:512,1:256)=1; imshow(f) w=ones(31); gd=imfilter(f,w); figure() imshow(gd,[]) gr=imfilter(f,w,replicate); figure() imshow(gr,[]) f8=im2uint8(f); g8r=imfilter(f8, w,replicate); figure,imshow(g8r,[]) 3 图像处理工具箱的标准线性空间滤波器 函数fspecial支持的空间滤波器 函数fspecial支持的空间滤波器 3 均值滤波器 3 均值滤波器 3 均值滤波器 常用的模板： 均值滤波器 例1 均值滤波器 例2 4 锐化滤波器 锐化（拉普拉斯）滤波器 例3 f=imread(moon.tif); imshow(f) w4=fspecial(laplacian,0); w8=[1,1,1;1,-8,1;1,1,1]; f=im2double(f); g4=f-imfilter(f,w4,replicate); g8=f-imfilter(f,w8,replicate); imshow(f) figure,imshow(g4) figure,imshow(g8) 7.3 非线性空间滤波 1 ordfilt2——实现非线性空间滤波 2 统计排序滤波器 2 统计排序滤波器 2 统计排序滤波器 3 中值滤波的原理 4 中值滤波的实现 4 中值滤波的实现 5 中值滤波的特点 6 ordfilt2——实现非线性空间滤波 1）实现大小为m*n的最小滤波器 2）实现大小为m*n的最大滤波器 例：使用函数medfilt2进行中值滤波 中值滤波是降低图像椒盐噪声的有效工具 例：最大值滤波器 例：最小值滤波器 微分滤波器的原理 微分滤波器的原理 5 拉普拉斯算子 5 拉普拉斯算子 5 拉普拉斯算子 (2) 原 图 像 使用中心为-4的拉普拉斯滤波器增强后的图像 使用中心为-8的拉普拉斯滤波器增强后的图像 6 梯度算子（非线性锐化滤波器） 6 梯度算子 例： 梯度用于边缘增强 在图像的一阶导数运算中，一阶导数通常产生较厚的边缘。 一阶导数对灰度阶跃有较强的响应。 二阶导数对细微结构有较强的响应，如细线和孤立点。 二阶导数在灰度级阶跃变化时产生双响应。 二阶导数对线的响应比对阶跃的响应强，对点的响应比对线强。 导数的性质 ordfilt2函数可以生成统计排序（order- statistic）滤波器（也称为排序滤波器，rank filter）. 他们都是非线性滤波器，其响应基于对图象邻域中所包含的像素进行排序，然后使用排序结果确定的值来替代领域中的中心像素的值。 是一种非线性滤波器 基于滤波器所在图象区域中像素的排序，由排序结果决定的值代替中心像素的值 分类： 最大值滤波器：用像素邻域内的最大值代替该像素 中值滤波器： 用像素邻域内的中间值代替该像素 最小值滤波器：用像素邻域内的最小值代替该像素 将模板区域内的像素排序，求出中间值 在去除噪声的同时，可以比较好地保留边的锐度和图像的细节（优于均值滤波器） 能够有效去除脉冲噪声：以黑白点叠加在图像上 函数的语法 g=ordfilt2(f, order, domain ) f是输入图像 使用邻域的一组排列元素中的第order个元素来替代f中的每个元素，而该邻域则由domain中的非零元素指