数字图像处理技术要点解析.pptVIP

数字图像处理技术 主要内容 图像降噪预处理 图像的平滑 均值滤波 中值滤波 平滑滤波与中值滤波的对比与应用 平滑滤波与中值滤波的对比与应用 平滑滤波与中值滤波的对比与应用 图像增强 图像增强 灰度变换 图像增强 直方图处理 直方图均衡化 为了使图像的灰度级能跨越更大的范围，采用均匀直方图的基本增强。 直方图均衡化 直方图匹配 通过指定图像直方图所具有的形状来实现。 图像拼接 举例（逐一比较法） 举例 图像拼接之基于特征点的匹配 图像拼接之基于特征点的匹配 图像融合 图像融合 图像分割 边缘检测 梯度算子 Roberts算子 Prewitt算子 Sobel算子 Kirsch算子 高斯拉普拉斯算子 Canny边缘检测法 边缘提取算子举例比较 边缘连接处理 基于局部处理的边缘连接 设定A（方向角）、T（梯度）的阈值大小，确定邻域的大小。 当梯度值和方向角都是相似的，则点(x’，y’)，与边点界(x，y)是连接的。 阈值分割法 阈值分割法：阈值获取方法 阈值分割法：阈值获取方法 面向区域的分割 区域增长法 区域分裂与合并法 谢 谢！ 模板： 特点： 8个模板形成了Kirsch 边缘检测算子，图像中的每个像素都用这8个模板进行操作，每个模板都对某个特定边缘方向作出最大响应，所有8个方向的最大值作为该点的输出值。最大响应掩模的序号构成了边缘方向的编码。 模板： 定义数字形式的拉普拉斯的基本要求是，作用于中心像素的系数是一个正数，而且其周围像素的系数为负数，系数之和必为0。对于一个3x3的区域，经验上被推荐最多的形式是： Gauss-Laplacian算子是各向同性的,能对任何走向的界线和线条进行锐化,无方向性。这是高斯拉普拉斯算子区别于其他算法的最大优点。 特点： Canny 边缘检测是一种比较新的边缘检测算子, 具有很好的边缘监测性能,在图像处理中得到了越来越广泛的应用。它依据图像边缘检测最优准则设计Canny 边缘检测算法: (1)首先用2D 高斯滤波模板进行卷积以消除噪声。 (2)利用导数算子找到图像灰度地沿着两个方向的偏导数(Gx,Gy),并求出梯度的大小 。 (3)利用(2)的结果计算出梯度的方向。 (4)一旦知道了边缘的方向,就可以把边缘的梯度方向大致分为四种:水平、竖直、45 度方向、135 度方向。通过梯度的方向,就可以找到这个像素梯度方向的邻接像素。 (5)遍历图像,若某个像素的灰度值与其梯度方向上前后两个像素的灰度值相比不是最大的,那么这个像素值置为0,即不是边缘。 (6) 使用累计直方图计算两个阈值, 大于高阈值的一定是边缘,小于低阈值的一定不是边缘,介于之间的,看这个像素的邻接像素中有没有超过高阈值的边缘像素,如果有的话那么它就是边缘了,否则它就不是边缘。 算法： 特点： Canny 方法不容易受噪声干扰,能够检测到真正的弱边缘。优点在于,使用两种不同的阈值分别检测强边缘和弱边缘,并且当弱边缘和强边缘相连时,才将弱边缘包含在输出图像中。 原图 Prewitt canny roberts log sobel 方法： 基于局部处理的图像边缘连接 基于模糊判决的图像边缘连接 基于人类感知的图像边缘连接 基于自适应数学形态学的图像边缘连接 基于视觉感知的双层次阈值的图像边缘连接 基于边缘生长的图像边缘连接：效果较好 目的与意义： 边缘检测处理后，由于噪音的原因，边界的特征很少能够被完整地描述，在亮度不一致的地方会中断。需要连接过程用来归整边像素，成为有意义的边。 原理 对做过边检测的图象的每个点(x，y)的特性进行分析。 分析在一个小的邻域（3x3或5x5）中进行。 所有相似的点被连接，形成一个享有共同特性象素的边界。 用比较梯度算子的响应强度和梯度方向确定两个点是否同属一条边。 基本思想： 确定一个合适的阈值T（阈值选定的好坏是此方法成败的关键）。?? 将大于等于阈值的像素作为物体或背景，生成一个二值图像。 If f (x，y) ≥T set 255 Else set 0 特点： 适用于物体与背景有较强对比的情况，重要的是背景或物体的灰度比较单一。 阈值的选取是图像阈值分割方法中的关键技术。 直方图法 基本思想：边界上的点的灰度值出现次数较少 取值的方法：取直方图谷底(最小值)的灰度值为阈值T。 缺点：会受到噪音的干扰，导致最小值不是预期的阈值，而偏离期望的值。 最大类间方差法：它被认为是阈值分割中的经典算法。 最佳熵阈值方法：此算法无需先验知识，且对于呈非理想双峰直方图的图像也可以进行较好的分割。但是，该算法在确定阈值，特别是多阈值时，存在计算量相当大、分割结果对阈值的变化较为敏感等不足。 P-tile法：是早期的基于灰度直方图的自动阈值选择方法。该方法计算简单，抗噪声性能较好。其不足之处是要预先知道给定