14-15数字图像处理第四章解读.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 同态滤波 图像f(x,y),照明分量 i(x,y),反射分量r(x,y) 两边取自然对数 傅里叶变换 频域滤波可以灵活地解决加性噪声问题，但无法消减乘性或卷积性噪声。 同态滤波是一种在频域中同时将图像亮度范围进行压缩和将图像对比度进行增强的方法。 * 同态滤波 假设用滤波器函数来处理 反变换 故增强后的图像由对应的照明分量与反射分量叠加而成 取指数 同态图像增强法示意图 * 所以，图像对数傅里叶变换中的低频部分主要对应照明分量，而高频部分主要对应反射分量。 故可以设计一个对傅里叶变换的高频分量和低频分量影响不同的滤波函数H(u,v)。 因为一般照明分量是在空间缓慢变化的，而反射分量在不同物体的交界处是急剧变化的 同态滤波 * 同态滤波 同态滤波器的径向横断面 如果选取 Hl1, Hh1，滤波器函数将减弱低频部分，扩大高频部分，最后的结果将同时压缩了图像的动态范围，又增加了图像各部分之间的对比度。 * J=imread(eight.tif); subplot(121);imshow(J); J=double(J); f=fft2(J); g=fftshift(f); [M,N]=size(f); d0=10; r1=0.5; rh=2; c=4; n1=floor(M/2); n2=floor(N/2); for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); h=(rh-r1)*(1-exp(-c*(d.^2/d0.^2)))+r1; g(i,j)=h*g(i,j); end end g=ifftshift(g); g=uint8(real(ifft2(g))); subplot(122);imshow(g); MATLAB程序 * 同态滤波 原始图像的背景等平滑区域亮度减弱 钱币边缘及线条处对比度增强 效果 作用：能消除乘性噪声，增强暗区的图像细节，又不损失亮区的图像细节。 * 同态滤波 当处理一幅由于照射光不均匀而产生黑斑暗影时（摄象机常常会有这种缺陷），想要去掉这些暗影又不失去图像的某些细节，则使用同态滤波处理是很有效的。 * * * * * * * * * * * * * * * * * * * * * * * * * * 锐化滤波器-梯度算子法 一幅月球北极的照片，用中心为负8的拉普拉斯掩膜处理 原图 拉普拉斯变换 灰度调整后 * 锐化滤波器-梯度算子法 0 -1 0 -1 5 -1 0 -1 0 -1 -1 -1 -1 9 -1 -1 -1 -1 也可以使用单一模板的一次扫描实现 * 锐化滤波器-混合空间增强 通常，为了实现满意的效果，对给定的图像增强目标常常需要应用多种互补的图像增强技术。 增强策略：首先用拉普拉斯变换突出图像中的小细节，然后用梯度法突出其边缘。 原图和拉普拉斯变换的结果相加 Sobel算子处理的结果 * 锐化滤波器-混合空间增强 乘积图像与原图像相加 对Sobel算子处理的结果用5×5的均值滤波器处理 拉普拉斯与平滑后的梯度图像乘积 幂次变换 * 4.4 频域图像增强 * 频域图像增强 f(x,y)和h(x,y)卷积定义为： 有： * 频域图像增强 设 则： 频率域增强主要步骤： （1）计算需要增强图的傅里叶变换； （2）将其与1个转移函数相乘； （3）将结果傅里叶反变换以得到增强的图像。 常用的频域增强方法有：低通滤波、高通滤波、带通和带阻滤波、同态滤波等 * 低通滤波 1、理想低通滤波器 理想低通滤波器模型 对于理想的低通滤波器横截面,在H(u,v)=1和H(u,v)=0之间的过渡点D0称为截止频率。 * 理想低通滤波器 图像能量百分比 设 不同截止频率的特性研究： 半径为R的圆所包含的能量 * 理想低通滤波器 效果 在傅里叶频谱中叠加的圆周分别有5、15、30、80和230像素的半径。这些圆周包围的图像功率的百分比分别为 92.0%、94.6%、96.4%、98%和99.5%。右图显示用所示半径处截止频率的理想低通滤波器的结果。 * 理想低通滤波器 效果 理想低通滤波器模糊和振铃特性可以使用卷积定理来解释： H(U,V)，截止频率为5 h(x,y) 截面显示 可以看出,滤波器h(x,y)有两个主要