第七章 图象增强之平滑与锐化.pptxVIP

北京大学遥感所1第七章图象增强之平滑与锐化目录引言图象平滑空域法频域法图像锐化空域法频域法北京大学遥感所2引言北京大学遥感所3§图象增强的基本内容■ 图像增强是数字图像处理的基本内容。■图像增强技术的主要目的是对一幅给定的图像，突出图像中的某些信息，削弱或除去某些不需要的信息，使它的结果对某种特定应用来说比原始图像更合适。■图象增强只能为满足某一特定目的而改善图像质量，并不能增加原图像的信息，甚至可能会损失一些信息。■图像增强的结果能加强对特定信息的识别能力，使图像更适合于人的视觉特性或机器的识别系统。引言§图象处理技术主要包括空域法和频域法两类空域法直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的，所用映射变换的类型取决于增强的目的。点处理：增强过程是对每个像素的处理，与其它像素无关模版处理：每次处理是基于图像中某个小区域进行的。频域法频域法的基础是卷积定理。利用图像的频率特性对图像进行处理。北京大学遥感所4引言§图象增强的主要部分如下图象增强处理对象处理方法处理策略空域方法频域方法全局处理局部处理灰度图像彩色图像北京大学遥感所5图象平滑§图象平滑消除或减少图像中各种噪声的处理方法。图象平滑的目的在于消除各种噪声，这些噪声可能是在图像采集、量化等过程中产生的，也可能是图像传送过程中产生的。其表现是图像信息被干扰噪音所污损。这类噪音的特点是离散性和随机性。图像平滑包括空域法和频域法两大类。北京大学遥感所6图象平滑§图象平滑主要内容图象平滑空域法频域法多图像平均法邻域平均法梯度倒数加权法中值滤波法最大均匀法自适应滤波局部统计滤波法理想低通滤波器Butterworth滤波器指数低通滤波器梯形滤波器北京大学遥感所7图象平滑—空域法§多图像平均法对同一景物的多幅图像取平均来消除噪声的方法。以噪声干扰的统计学特征为基础。即如果一幅图像包含有噪音，可以假定这些噪音相对于每一个坐标点（x,y）是不相关的，随机的。其数学期望为零。均值为零。设g(x,y)是有噪声的图像，它是由噪声图像η(x,y)和原始图像f(x,y)叠加而成。g(x,y)f(x,y)n(x,y)M北京大学遥感所8Mgi(x,y)i11对M幅有噪声的图像平均后有：f(x,y)g(x,y)图象平滑—空域法§多图像平均法方差为：表明对M幅图像取平均可把噪声方差减少M倍。M北京大学遥感所9ng2(x,y) 12(x,y)图象平滑—空域法§邻域平均法采用此法的前提：图像是由许多灰度恒定的小块组成的，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。基本思想：用图像上点（x,y）及其邻域像素的灰度平均值来代替点（x,y）的灰度值。方法：采用3×3、5×5或7×7邻域不等，以3×3邻域为例e*=1/9(a+b+c+d+e+f+g+h+i)北京大学遥感所10abcdefghi图象平滑—空域法§邻域平均法有时为体现各个邻域像素的重要程度，可以赋予权值，比如如果认为e应有较大贡献，则可如下以上方法也称模版卷积这种方法使颗粒噪音得到了平滑，但整幅图像都变得模糊起来。北京大学遥感所11AB×=1/101/101/101/101/51/101/101/101/10abcdefghi图象平滑—空域法§中值滤波法■ 采用此法前提：在消除和减少噪声的同时，保持边缘少受损。■ 基本思想：用像素邻域内的中间灰度值代替该像素原来的灰度值。是一种非线性平滑方法。■ 方法：开一个小窗口，以一维小窗口为例■ 1、将像素灰度值进行排序■ 2、取中间值110代替要处理的像素■ 值200北京大学遥感所128090110120200…8090200110120…8090110110120…图象平滑—空域法§中值滤波法中值滤波方法可以实现抑制随机噪声的同时保持边缘较少受模糊。正确选择窗口尺寸大小是用好中值滤波器的重要环节。原始图像北京大学遥感所133×3中值滤波加入10%的噪声图象平滑—空域法§中值滤波与邻域平均法的比较(a)北京大学遥感所14(d)(c)(b)(a)(c)邻域平均：3×35×5(b)(d)中值滤波：3×35×5图象平滑—频域法北京大学遥感所15§频域法图像经过二维傅立叶变换后，噪声频率一般位于空间频率较高的区域，而图像本身的频率分量处于空间频率较低的区域内，因此可以通过低通滤波的方法使高频分量受到抑制，而让低频分量通过，实现图像的平滑G(u,v)H(u,v)F(u,v)F(u,v)：是原始图像的傅立叶频谱G(u,v):是平滑后图像的傅立叶频谱；H(u,v):滤波器的转移函数（即频谱响应）。图象平滑—频域法§理想低通滤波器理想二维传递函数：D(u,v)D0D(u,v)D0H(u,v)1,0,D0：是截止频率；D(u,v)=（u2+v2）1/2，是点(u,v)到频率平面原点