-数字图像-4-图像预处理OK.pptVIP

4.2 图像平滑 4.2.4 低通滤波：程序实现说明 通过数学推导可以证明，空间域的邻域平滑算法等效于频域低通滤波器； 为了降低计算开销，在OpenCV滤波函数filter2d()的实现中，只有当平滑模板大于11×11时，才使用离散傅立叶变换算法。 可以使用简单线性平滑计算实现的功能，就不应定要使用开销较大的频域平滑。 4.3 图像锐化 图像变模糊原因：相机聚焦不好或信道过窄带来的平均或积分效应，使得使目标物轮廓变模糊，细节、轮廓（边缘）不清晰。 目的：加重目标物轮廓，使图像变清晰，或为后续处理做准备。 方法分类： 空域微(差)分法—模糊图像实质是受到平均或积分运算，故对其进行逆运算（微分），使图像清晰； 频域高频提升滤波法—图像模糊的实质是高频分量较弱，故可用高频提升滤波法加重高频，使图像清晰。 4.3 图像锐化 4.3.1 拉普拉斯锐化法 对于连续图像f(x,y)： Laplacian算子： 锐化公式： 对于数字图像f(m,n)： 二阶微分： 锐化公式： 4.3 图像锐化 4.3.2 模板锐化法 1- 4邻域模板 2- 8邻域模板 模板内系数有正有负，表示差分运算； 模板内系数之和为1，锐化后不改变图像亮度； 图像最边缘行列的像素不被锐化； 4.3 图像锐化 4.3.3 高频提升滤波器 4.3 图像锐化 4.3.3 高频提升滤波器： 同样可以通过数学推导证明，时域拉普拉斯算子与频域高频提升具有同等功效。 在OpenCV中，使用可滤波函数filter2d()实现图像锐化。 4.3 图像锐化 4.3.3 高频提升滤波器：OpenCV举例 int main(int argc, char** argv) { double m,M; IplImage *src=cvLoadImage(老长城-虚化.jpg, CV_LOAD_IMAGE_GRAYSCALE); IplImage *imsrc = cvCreateImage( cvGetSize(src), IPL_DEPTH_64F, 1); cvScale(src, imsrc, 1.0, 0.0);//整数图像变换为浮点数，以便运算 CvMat*kernel = cvCreateMat(3,3,CV_64FC1); //高通滤波模板 cvSet2D(kernel, 0, 0, cvRealScalar(0) ); cvSet2D(kernel, 0, 1, cvRealScalar(-1) ); cvSet2D(kernel, 0, 2, cvRealScalar(0) ); cvSet2D(kernel, 1, 0, cvRealScalar(-1) ); cvSet2D(kernel, 1, 1, cvRealScalar(5) ); cvSet2D(kernel, 1, 2, cvRealScalar(-1) ); cvSet2D(kernel, 2, 0, cvRealScalar(0) ); cvSet2D(kernel, 2, 1, cvRealScalar(-1) ); cvSet2D(kernel, 2, 2, cvRealScalar(0) ); IplImage *dst = cvCloneImage(imsrc); cvFilter2D(imsrc, dst, kernel, cvPoint(-1,-1)); //滤波 cvNamedWindow(Input, CV_WINDOW_AUTOSIZE ); cvShowImage(Input,src); cvMinMaxLoc(dst, m, M, NULL, NULL, NULL); cvScale(dst, dst, 1.0/(M-m), 1.0*(-m)/(M-m)); cvNamedWindow(Highpass, CV_WINDOW_AUTOSIZE ); cvShowImage(Highpass,dst); cvWaitKey (0); } 4.4 图像校正 校正目的： 修复镜头曲面带来的失真——大幅面或广角照片； 对图片进行旋转操作； 对图片进行缩放操作； 数字视频图像与通信 第四章 图像预处理 本章内容 4.1 灰度变换 4.2 图像平滑 4.3 图像锐化 4.4 图像校正 图像预处理 = 图像增强： 根据后续处理的需要： 强化图像中感兴趣的信息； 淡化无关信息； 4.1 灰度变换 4.1.1 直接灰度变换 1- 亮度调整：v = v + b；v为象素值，b为亮度调整值。 直接为图像每个象素加一个指定值即可； 2- 对比度增强： k