数字图像处理空域滤波.pptVIP

Sobel梯度算子——3x3的梯度模板 ?f ≈ |(z7 +2z8 + z9) - (z1 + 2z2 + z3) | +|(z3 +2z6 + z9) - (z1 + 2z4 + z7) | -1 -2 0 0 -1 0 1 2 1 -1 0 -2 0 1 2 -1 0 1 拉普拉斯算子 一个连续的二元函数f(x,y)，其拉普拉斯运算定义为： 拉普拉斯算子 对于数字图像，拉普拉斯算子可以简化为： g(i,j)=4f(i,j)-f(i+1,j)-f(i-1,j)-f(i,j+1)-f(i,j-1) 也可以表示成卷积形式： g(i,j)=∑f(i,j)H(r,s) 0 H(r,s)= -1 0 -1 4 -1 0 -1 0 拉普拉斯变换对图像增强的基本方法 (1)用于拉普拉斯模板中心系数为负 (1)用于拉普拉斯模板中心系数为正 原图:月球北极 拉普拉斯滤波后的图像 3×3，中 心点为－8 的掩膜 标 定 的 图 像 原始图像 ＋拉普拉 斯的结果 空域滤波器 空域滤波和空域滤波器的定义： 使用空域模板进行的图像处理，被称为空域滤波。模板本身被称为空域滤波器。 空间域图像增强 基础知识 基本概念 点运算 ??代数运算 ??直方图运算 空间域滤波器 平滑空域滤波器 锐化空域滤波器 空间滤波和空间滤波器的定义 在M×N的图像f上，使用m×n的滤波器： 空间滤波的简化形式： 其中，w是滤波器系数，z是与该系数对应的图像灰度值，mn为滤波器中包含的像素点总数。 在空域滤波功能都是利用模板卷积，主要步骤为： (1) 将模板在图中漫游，并将模板中心与图中某个像素位置重合； (2) 将模板上系数与模板下对应像素相乘； (3) 将所有乘积相加； (4) 将和（模板的输出响应）赋给图中对应模板中心位置的像素。 例：模板滤波示意： 模板的输出为： 平滑空域滤波器 作用 （1）模糊处理:去除图像中一些不重要的细节。 （2）减小噪声。 平滑空间滤波器的分类 （1）线性滤波器：均值滤波器 （2）非线性滤波器 ?? 最大值滤波器 ?? 中值滤波器 ?? 最小值滤波器 线性滤波器 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 （1）减小图像灰度的“尖锐”变化，减小噪声。 （2）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。 线性滤波器 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。 线性滤波器——例1 3 x 3 5 x 5 9 x 9 15 x 15 35 x 35 原图 图像说明： 顶端的黑方块，大小分别为3，5，9，15，25，35，45，55个像素，边界相隔25个像素。位于底端的字母在10到24个像素之间，增量为2个像素。垂直线段5个像素宽，100个像素高，间隔20个像素。圆的直径25个像素，边缘相隔15个像素。灰度以20%增加。噪声矩形大小是50*120像素。 结果分析： （1）噪声明显减少，但图像变模糊了。尤其是图像细节域滤波器近似相同时。 （2）滤波器越大，模糊程度加剧。 线性滤波器——例2 提取感兴趣物体而模糊图像 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： （1）中值滤波器： 用像素领域内的中间值代替该像素。 （2）最大值滤波器：用像素领域内的最大值代替该像素。 （3）最小值滤波器：用像素领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} 强迫突出的亮点或暗点更象它周围的值，以消除孤立的亮点或暗点。 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： （1）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） （2）能够有效去除脉冲噪声：以黑白点（椒盐噪声）叠加在图像