数字图像处理-图像增强-空域滤波.pptVIP

*;空域滤波增强;滤波器实现 —— 邻域运算：;*; 空域滤波功能都是利用模板卷积，具体过程如下： (1)将模板在图像中按从左到右，从上到下的顺序移动，将模板中心与每个像素依次重合(边缘像素除外)； (2)将模板中的各个系数与其对应的像素一一相乘，并将所有结果相加(或进行其他四则运算)； (3)将(2)中的结果赋给图像中对应模板中心位置的像素。 ;常用的掩模有： 掩模不同，中心点或邻域的重要程度也不相同，因此，应根据问题的需要选取合适的掩模。但不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。 ;模 板;常见的图像噪声： 椒盐噪声是图像中经常见到的一种噪声，它是一种随机的白点或者黑点，常用的去除这种噪声的有效手段是使用中值滤波器。 脉冲噪声是非连续的，由持续???间短和幅度大的不规则脉冲或噪声尖峰组成。它突然爆发又很快消失，持续时间小于0.5秒、间隔时间大于1秒的噪声。（在短时间内突变，随后又迅速返回其初始值的物理量称之为脉冲。脉冲有间隔性的特征，因此我们可以把脉冲作为一种信号。） 高斯噪声是一种具有正态分布（也称作高斯分布）概率密度函数的噪声。换句话说，高斯噪声的值遵循高斯分布或者它在各个频率分量上的能量具有高斯分布。; 任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，从而对图像分析不利。 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪,它可以在空间域和频率域中进行。 平滑滤波器用于模糊处理和降低噪声。 ▓目的：去除或衰减图像中噪声和假轮廓； ▓方法分类：空域和频域方法。; 4.3.1-线性平滑滤波器; 1.定义：邻域平均法是简单的空域处理方法。用某点邻域的灰度平均值来代替该点的灰度值。假定有一幅 N×N 个像素的图像 f(x,y) ，平滑处理后得到一幅图像 g(x,y) 。 2.公式：g(x,y) 由下式决定 ： ; 上式说明，平滑化的图像 g(x,y) 中的每个像素的灰度值均由包含在 (x,y) 的预定邻域中的f(x,y) 的几个像素的灰度值的平均值来决定的。; ;图(a)的方法是一个点的邻域，定义为以该点为中心的一个圆的内部或边界上的点的集合。图中像素间的距离为△x，选取△x 为半径作圆，那么，点R 的灰度值就是圆周上四个像素灰度值的平均值。 图(b)是选 为半径的情况下构成的点 R 的邻域，选择在圆的边界上的点和在圆内的点为 S 的集合。 ;图3—19 在数字图像中选取邻域的方法 ; 实现方法： 以（a)和(b)作模板，扫过全部图像，即可完成平滑处理。 边缘处理： 1）、在原图像上补上行和列，在处理； 2）、处理后重复一下边缘行或列的结果。;3. 特性 （1）假定： ① 图像由许多灰度级相近（恒定）的小块组成； ② 噪声η(m,n)是加性、均值为 0，方差为 ，且与 图像不相关的白噪声。 ; (2) 含噪声图像 f=fs+η, 则 上式第 2 项的 E{·}=0，D{·}= ，故减少了噪声。 （3）带来问题：使目标物轮廓或细节（边缘）变模糊。; 例如，对图像采用8-邻域平均法，对于像素（m,n)，则公式如下：; 处理结果表明，上述选择邻域的方法对抑制噪声是有效的，但是随着邻域的加大，图像的模糊程度也愈加严重。为克服这一缺点，可以采用阈值法减少由于邻域平均所产生的模糊效应。;其基本方法由下式决定：;用邻域内灰度值及本点灰度加权值来代替该点灰度值。 不同位置的系数采用不同的值。一般认为： 离模板中心近的像素对滤波贡献大，所以中心系数大，而周围系数小。 系数的实用取值：最外周边系数为1，内部系数成正比例增加，中间系数最大;（四）模板平滑法：以上方法可归结为消噪掩模法;（四）模板平滑法 ： 以上方法可归结为消噪掩模法 （1）邻域平均 4-邻域平均： 8-邻域平均： （2）加权平均 4-邻域加权平均： 8-邻域加权平均： （权值M=1）， （权值M=2）， （权值M=1）， （权值M=2），;1. 根据实际需要，我们可以设计 其它具有不同特性的平滑模板，如： 2. 用模板对原图像从第 2 行第 2 列开始逐渐移法计算。 （注：图像四周边界一般