第06章 图像增强.ppt

Slide * 6.4.3 中值滤波 1．滤波原理 邻域平均法：在去噪的同时也使边界变得模糊了。 中值滤波： 非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。 选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升/降序排列，取位于中间的灰度值，来代替该点的灰度值。 Slide * 图6.22 一维窗口及滑动滤波过程 m?2 m?1 m m + 1 m + 2 （a）一维窗口 （b）滤波过程 Slide * 2．MATLAB的二维中值滤波函数 【例6.6】选用3×3的窗口对椒盐噪声进行中值滤波。 I = imread(eight.tif); imshow(I); J = imnoise(I,salt pepper,0.04); figure, imshow(J); K = medfilt2(J); %二维中值滤波 figure, imshow(K); Slide * 图6.23 中值滤波 （a）原始图像 （b）加噪图像 （c）中值滤波后的图像 Slide * 6.5 锐化 基本思想： 有时还需要加强图像中景物的边缘和轮廓。 边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观的想到用灰度的差分对边缘和轮廓进行提取。 注意： 待锐化的图像要有足够的信噪比，否则会使噪声得到比原图像更强的增强，信噪比更加恶化。 Slide * 6.5.1 空间域差分法 原理： 图像的边缘和轮廓一般位于中灰度突变的区域，因而可以用灰度的差分提取边缘和轮廓并进行增强。 常用方法： 1．梯度锐化法 2．拉普拉斯算子 Slide * 1．梯度锐化法 二元函数 f (x,y)在坐标点(x,y)处的梯度定义为 梯度向量的幅度： Slide * 为了降低运算量，常用绝对值或最大值运算代替平方与平方根运算近似求梯度的幅度： 数字微分将用差分代替： Slide * 采用梯度进行图像锐化的方法 在灰度变化较大的边界轮廓点处有较大的梯度值，而在灰度变化比较平缓的区域，相应的梯度值也较小。 利用它来增强图像中景物的边界，达到锐化的目的。 图4.21 沿x和y方向的一阶差分 图4.22 罗伯茨差分 Slide * 【例6.7】利用罗伯茨梯度进行锐化处理。 【解】图像：rice.tif。 I = imread(rice.tif); imshow(I); BW = edge(I,roberts,0.1); %对输入图像求罗伯茨梯度 figure, imshow(BW); Slide * 图6.29 罗伯茨梯度的锐化 （a）原图像 （b）锐化结果图 Slide * 2．拉普拉斯算子 二阶微分算子。 一个连续的二元函数f (x,y)，其运算定义为 对于数字图像，拉普拉斯算子可以简化为 Slide * 表示为卷积的形式 式中，i, j = 0, 1, 2, , N?1，k = 1，l = 1，H(r, s)如下： Slide * 拉普拉斯的增强算子 其对应的模板为： Slide * 图6.30 拉普拉斯算子图像锐化实例 （a）原Cameraman图像 （b）锐化后的图像 Slide * 【例6.8】应用拉普拉斯算子进行锐化处理。 I = imread(rice.tif); imshow(I); h = [0 -1 0;-1 4 -1;0 -1 0]; J = imfilter(I,h); figure, imshow(J); figure, imhist(J); K = imadjust(J,[0.0 0.2],[]); figure, imhist(K); figure, imshow(K); Slide * 图6.31 拉普拉斯算子的锐化 （a）原始图像 （b）拉普拉斯锐化 Slide * 图6.31 拉普拉斯算子的锐化 （c）拉普拉斯锐化后图像的直方图 （d）对锐化后图像的对比度扩展 （e）对比度扩展后的图像 Slide * 6.5.2 频率域高通滤波法 图像模糊的本质是图像的高频分量受到衰减，采用合适的高通滤波器提升高频分量将会使模糊得到相应的补偿。 只要适当地选择滤波因子H(r, s)，就可以组成不同性质的高通滤波器，从而使图像达到期望中的增强效果。 常用的高通模板有 ， ， Slide *