数字图象处理及matlab的实现 ppt 课件 第03章研讨.pptVIP

* 直方图规定化 * 直方图规定化 ? ? * 直方图规定化 方法设计——先考虑归一化的连续灰度情况： (1) (2) (3) 连续情形下直方图规定化步骤： r T(r) s G -1(s) z T(r)与G-1(s)解析式一般不存在 * 直方图规定化 离散情形： (3) (2) (1) 离散情形下直方图规定化步骤： r T(r) s G -1(s) z T(r)与G-1(s)可通过查表计算 直方图规定化 r r0 r1 … rL-1 s s0 s1 … sL-1 z z0 z1 … zL-1 * 如何建立? * 直方图规定化 对于给定的sk，不一定存在zk精确满足 G(zk) = sk 解决办法：寻找满足的最小 ，并取zk = G(z)隐含一个叠加过程（ ）对k=k+1，只需从 开始叠加。 * 直方图规定化 直方图规定化的完整步骤： 计算原图像直方图pr(r) 利用获得下表： r r0 r1 … rL-1 s s0 s1 … sL-1 * 直方图规定化 根据规定的pz(z)，进一步利用获得下表： 利用上表进行灰度级变换r→z。 r r0 r1 … rL-1 s s0 s1 … sL-1 z z0 z1 … zL-1 * 直方图规定化实例 ? ? * 直方图规定化实例 1: pr(r) 2: s=T(r) * 直方图规定化实例 G(z) G-1(s) 3: G(zk) - sk≥0 4: r → z MATLAB函数： h = histeq(f, hgram); * 空间滤波 空间滤波：利用基于空间邻域的运算实现滤波 该邻域称为滤波器(filter)、掩模(mask)、核(kernel) 、模板(template)或窗口(window)，滤波器中的值称为系数(coefficient) 点(x,y)处的线性滤波响应R为： 为何这是线性滤波? * 空间滤波基础 一般线性滤波器大小为m×n，其中m=2a+1, n=2b+1, a, b为正整数。 线性滤波公式为一卷积(convolution)： 对图像中每个像素重复该滤波运算即实现整幅图像的线性滤波。 边界处理：方法1：掩模不超出图像边界（图像略微变小）方法2：允许掩模的一部分超出边界，运算中只采用位于图像范围内的系数方法3：进行边界填充或复制 * 平滑空间滤波器 平滑空间滤波器：对图像进行平滑处理，以去除较小尺度的噪声及细节的空间滤波器 平滑线性滤波器(smoothing linear filter)设计：利用线性滤波计算邻域内像素平均值 也称均值滤波器(averaging filter) 对应低通滤波器(lowpass filter) 相邻像素灰度级过渡更为平缓，降低噪声 减少小尺度细节 副作用：目标边缘可能变模糊 * 均值滤波器实例 盒滤波器 加权平均滤波器 滤波公式： * 均值滤波实例 随着均值滤波掩模增大，噪声和不相关细节被更好滤除，但感兴趣的目标边缘也更模糊 具体问题具体分析，根据需要选用 原图像 9×9均值滤波 35×35均值滤波 3×3均值滤波 （图像大小：500×500像素） * 均值滤波实例 原图像 均值滤波后 MATLAB空间滤波函数 * g = imfilter(f, w, filtering_mode, boundary_options, size_options) f: 输入图像 w: 空间滤波模板 filtering_mode：滤波模式，corr——相关滤波（默认选项），conv——卷积滤波 boundary_options: X——填充值为X（默认选项为X = 0），replicate——复制外边界，symmetric——对称扩展，circular——循环扩展 size_options: full——结果为完全大小，包括扩展后的部分，same——结果与原图像同大小（默认选项） * 非线性空间滤波 统计排序滤波器(order-statistics filter)：对滤波器覆盖的图像区域中的像素排序，然后由统计排序结果决定的值代替中心像素的值。 属于非线性滤波器 中值滤波器(median filter)：排序结果取中间值的统计排序滤波器。 降噪能力强，模糊图像的副作用相对类似大小的线性平滑滤波器更小 对脉冲噪声(impulse noise)，或称椒盐噪声(salt-and-pepper noise)特别有效，可滤除小于掩模大小一半的此类噪声 类似可有最大值滤波器(max filter)和最小值滤波器(min filter) * 中值滤波实例 叠加椒盐噪声的图像