第四讲图像预处理技术报告.ppt

第三章 图像的预处理 3.1 像元亮度的变换 模板系数的设计 根据空域中低通冲激响应函数的图形来设计模板的系数 1）大于0 2）都选1，或中间选1，周围选0.5 通过求均值，解决超出灰度范围问题 模板尺寸越大，图像越模糊， 图像细节丢失越多。 5x5 模板 9x9 模板 如果图像处理的目的是去除噪音，那么，低通滤波在去除噪音的同时也钝化了边和尖锐的细节 强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点） 对于同值象素，连续排列。 如（10,15,20,20,20,20,20,25,100） 主要用途：寻找最暗点 计算公式：R = min {zk | k = 1,2,…,9} 最大值滤波 最小值滤波 在图像处理中应用微分最常用的方法是计算 梯度。 (?f/?x) 用（z5 – z6）近似 (?f/?y) 用（z5 – z8）近似， 组合为： ?f ? [(z5 - z6)2 + (z5 - z8)2]1/2 ?f ? [(z5 - z9)2 + (z6 - z8)2]1/2 ?f ? |z5 - z9| + |z6 - z8| 高通滤波器模板系数的设计 根据空域中高通冲激响应函数的图形来设计 模板的系数: g(x,y) = h(x,y) * f(x,y) 1）中心系数为正值，外围为负值 2）系数之和为0 5 x 5模板 3 x 3 模板 常数或变化平缓的区域，结果为0或很小，图像很暗，亮度被降低了 在暗的背景上边缘被增强了 图像的整体对比度降低了 计算时会出现负值，归0处理为常见 高通滤波在增强了边缘的同时，丢失了图像的层次和亮度 梯度计算由两个模板组成，第一个 求得梯度的第一项，第二个求得梯 度的第二项，然后求和，得到梯度。 两个模板称为Roberts 交叉梯度算子 Prewitt梯度算子——3x3的梯度模板 ?f ? |(z7 +z8 + z9) - (z1 + z2 + z3) | + |(z3 +z6 + z9) - (z1 + z4 + z7) | Sobel梯度算子——3x3的梯度模板 ?f ? |(z7 +2z8 + z9) - (z1 + 2z2 + z3) | + |(z3 +2z6 + z9) - (z1 + 2z4 + z7) | 微分滤波器效果的分析 直接使用，与高通类似。 印刷中的细微层次强调。弥补图像的钝化 超声探测成象，分辨率低，边缘模糊，通过锐化来改善 图像识别中，分割前的边缘提取 图像创艺（只剩下边界的特殊图像） 目标提取、定位 在上式原图上乘一个扩大因子A， 有高增溢过滤： 高增溢 = A原图 – 低通 高增溢 = A原图 – 低通 = (A – 1)原图 + （原图 – 低通） = (A – 1)原图 + 高通 当A = 1时，高增溢就是高通过滤， 当A 1 时，原图像的一部分被加到高通中。 A原图 – 低通，是印刷图像处理的重要工具。 对于 3x3的模板，设 w = 9A – 1； （高通时 w = 8）A的值决定了过滤器的特性 实际使用，高通滤波器模板很少有大于3x3的 高增溢比高通的优点是：即增强了边，又保留了层次。 -1 -1 8 -1 -1 -1 -1 -1 -1 1/9 * 1 -1 1 8 -1 1 -1 1 1 -1 1 -1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1/25 * 设计模板系数的原则 局部预处理—边缘增强 1 -1 1 8 -1 1 -1 1 1 -1 1 -1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1/25 * -1 -1 8 -1 -1 -1 -1 -1 -1 1/9 * 过滤器效果的分析 基本高通空域滤波的缺点和问题 z2 z8 z5 z3 z9 z6 z1 z7 z4 0 1 -1 0 -1 0 0 1 微分滤波器模板系数设计 Roberts交叉梯度算子 ?f ? |z5 - z9| + |z6 - z8| 局部预处理—边缘增强 z2 z8 z5 z3 z9 z6 z1 z7 z4 -1 1 0 -1 1 0 -1 1 0 0 0 0 -1 -1 -1 1 1 1 局部预处理—边缘增强 z2 z8 z5 z3 z9 z6 z1 z7 z4 -2 2 0 -1 1 0 -1 1 0 0 0 0 -1 -1 -2 1 1 2 局部预处理—边缘增强 局部预处理—边缘增强 （2）梯度25的赋最大值255，否则赋0。 边被增强，图被二值化