-图像增强新编.ppt

5.3 频域增强技术 原理： 时域卷积相当于频域乘积。 因此可以在频率域中直接设计滤波器，对信号进行增强处理。 即把一个图像进行傅立叶变换，设计一个滤波器用点操作的方法加工频谱数据，然后进行逆变换。 关键在于设计频率域滤波器的传递函数。 分类： 常用方法包括高、低通滤波、同态滤波等。 5.3.1傅里叶变换及频域增强原理 二维离散傅里叶变换定义为： 反变化为 5.3.2 频率域平滑滤波器 图像空间域的线性邻域卷积实际上是图像经过滤波器对信号频率成分的滤波，这种功能也可以在变换域实现。 即把原始图像进行正变换，设计一个滤波器用点操作的方法加工频谱数据（变换系数），然后再进行反变换，即完成处理工作。这里关键在于设计频域（变换域）滤波器的传递函数H(u,v)。 5.3.2 频率域平滑滤波器-理想低通滤波器 定义： 其中，截止频率为D0 5.3.2 频率域平滑滤波器- Butterworth低通滤波器 n阶Butterworth滤波器的传递函数为： 5.3.2 频率域平滑滤波器- Butterworth低通滤波器示例 (a) Lena图 (b) Butterworth低通滤波结果 5.3.2 频率域平滑滤波器-指数低通滤波器 定义： 5.3.2 频率域平滑滤波器-梯形低通滤波器 定义： 5.3.3 频率域锐化滤波器 图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱，再经傅立叶逆变换得到边缘锐化的图像。 5.3.3 频率域锐化滤波器-理想高通滤波器 定义： 5.3.3 频率域锐化滤波器-巴特沃斯高通滤波器 定义： n阶巴特沃斯高通滤波器的传递函数定义如下： H(u，v)=1/[1+( D0/D(u，v))2n] 5.3.3 频率域锐化滤波器-巴特沃斯高通滤波器示例 (a) Lena图 (b) Butterworth高通滤波结果 5.3.3 频率域锐化滤波器-指数高通滤波器 定义： 5.3.3 频率域锐化滤波器-梯形高通滤波器 定义 5.3.4 同态滤波器 原理：真实的图像除了有加性噪声外，往往还存在乘性或卷积性噪声。 直接用频域滤波的方法，将无法消减乘性或卷积性噪声。 同态滤波基本思想是将非线性问题转化成线性问题处理，即先对非线性混杂信号作某种数学运算，变换成加性的，然后用线性滤波方法处理，最后作逆运算，恢复处理后图像。 5.3.4 同态滤波器—示例 1. 假定原图像为 其中， 照射分量， 反射分量 2.取对数 5.3.4 同态滤波器—示例 3.傅里叶变换 即 4.设计滤波器传递函数为 H(u,v),则有滤波结果： 5.3.4 同态滤波器—示例 5.进行反变化 6.取指数 5.3.4 同态滤波器—示例 (a) 原图 (b)同态滤波处理 三. 例题： 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 2 3 4 5 6 6 6 7 8 问：如何求像素(2,2)的滤波后的灰度值g(2,2) ？ 原图像F 新图像G 将模板中的9个像素灰度值进行排序： {1,1,1,2,2, 2,5,6,7} ∴ g(2,2)=2 中值滤波编程 J=imnoise(I,salt pepper, D) J=imnoise(I, gaussian , M,V) 四. 中值滤波器的特点： 因为中值滤波的原理是取合理的邻近像素值来替代噪声点，所以只适合于椒盐噪声的去除，不适合高斯噪声的去除。 中值滤波的鲁棒性更高，邻域中单个的异常像素点不会对中值有显著影响 由于中值是邻域中某个像素的值，因此当滤波器横跨边缘时，中值滤波不会创建新的不实际的像素值 五. 中值滤波器与均值滤波器的比较 对于椒盐噪声，中值滤波效果比均值滤波效果好。原因是： 椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。中值滤波是选择相邻的干净点的值来替代污染点的值，所以处理效果好。 因为椒盐噪声的均值不为0，所以均值滤波不能很好地去除噪声点。 对于高斯噪声，均值滤波效果比均值滤波效果好。原因是： 高斯噪声是幅值近似正态分布，但分布在每点像素上。因为图像中的每点都是污染点，所中值滤波选不到合适的干净点。 因