第三章频率域图像增强研究.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 几个梯度算子 用于边缘增强的梯度处理 a 隐形眼镜的光学图像（边缘处类似时钟4点和5点处的缺陷） b Sobel梯度 a b 组合多种空间增强方法进行图像增强处理 a b c d a 骨骼扫描图像 b 拉普拉斯变换 c 图a加图b的锐化图像 d Sobel处理 e f g h e 均值滤波图像 f 图c加图e掩膜图像 c 图a加图f锐化图像 h 对图g幂律变换图像 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 空间滤波和空间滤波器的定义 平滑空间滤波器的作用 模糊处理:去除图像中一些不重要的细节 减小噪声 平滑空间滤波器的分类 线性滤波器：均值滤波器 非线性滤波器 最大值滤波器 中值滤波器 最小值滤波器 平滑线性滤波器 平滑线性滤波器的输出是包含在滤波器邻域内像素的平均值，也称为均值滤波器 作用 减小图像灰度的“尖锐”变化，减小噪声 由于图像边缘是由图像灰度尖锐变化引起的，所以也存在边缘模糊的问题 平滑线性滤波器 a b 图a是标准的像素平均值 图b是像素的加权平均，表明一些像素更为重要 平滑线性滤波器----举例 原图 5 x 5 15 x 15 3 x 3 9 x 9 35 x 35 随着掩模尺寸的增加，图像的模糊程度逐渐加大 通过选取恰当的掩模尺寸，提取感兴趣的目标 平滑线性滤波器----举例 原图 15 x 15 阈值＝25％ 统计排序滤波器 什么是统计排序滤波器？ 是一种非线性滤波器 基于滤波器所在图像区域中像素的排序，由排序结果决定的值代替中心像素的值 分类 中值滤波器： 用像素邻域内的中间值代替该像素 最大值滤波器：用像素邻域内的最大值代替该像素 最小值滤波器：用像素邻域内的最小值代替该像素 统计排序滤波器 中值滤波器 主要用途：去除噪声 计算公式：R mid zk| k 1,2,…,n 最大值滤波器 主要用途：寻找最亮点 计算公式： R max zk| k 1,2,…,n 最小值滤波器 主要用途：寻找最暗点 计算公式： R min zk| k 1,2,…,n 中值滤波器 中值滤波的原理 用模板区域内像素的中间值，作为结果值 R mid zk | k 1,2,…,n 强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点） 中值滤波器 中值滤波算法的实现 将模板区域内的像素排序，求出中间值 例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。 对于同值像素，连续排列。 如（10,15,20,20,20,20,20,25,100） 中值滤波器 中值滤波算法的特点 在去除噪音的同时，可以比较好地保留边的锐度和图像的细节（优于均值滤波器） 能够有效去除脉冲噪声：以黑白点叠加在图像上 中值滤波器 原图 3x3均值滤波 3x3中值滤波 最大值滤波器 最小值滤波器 ? 锐化滤波器的主要用途 突出图像中的细节，增强被模糊了的细节 印刷中的细微层次强调。弥补扫描对图像的钝化 超声探测成像，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 锐化处理恢复过度钝化、暴光不足的图像 尖端武器的目标识别、定位 锐化空间滤波器 均值产生钝化的效果，而均值与积分相似，由此而联想到，微分能不能产生相反的效果，即锐化的效果？结论是肯定的。 锐化处理主要是通过空间微分来完成 锐化空间滤波器 锐化空间滤波器 一元函数f x 表达一阶微分的定义是一个差值： 同理，对一元函数f x 的二阶微分，则定义为： 一阶微分产生较“宽”的边界，二阶微分产生较“细”的边界； 二阶微分处理对细节有较强的响应，如细线和孤立点； 一阶微分对阶梯状的灰度变化有较强的响应； 二阶微分在处理阶梯状灰度变化时产生双响应 如果灰度的变化相似，二阶微分对线的反应比对阶梯强，对点的反应比对线强。 一阶微分处理和二阶微分处理响应的特点： 锐化滤波器的分类 二阶微分滤波器－拉普拉斯算子 一阶微分滤波器－梯度算子 锐化空间滤波器 基于二阶微分的图象增强---拉普拉斯算子 一个二元函数f x,y 拉普拉斯变换定义为： 在离散情况