4图像增强概述.ppt

* * * * * * * * * * * 二维中值滤波的不变性如图4-21所示。它不但与输入信号有关， 而且还与窗口形状有关。图4-22给出了几种二维窗口及与之对应的最小尺寸的不变输入图形。一般与窗口对顶角连线垂直的边缘线保持不变性。利用这个特点，可以使中值滤波既能去除图像中的噪声，又能保持图像中一些物体的边缘。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 噪声随机不相关加性，各点噪声统计独立。信号与噪声的方差可以提高M倍； * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 图像空间域锐化 图象增强－锐化处理 图象增强－锐化处理 梯度锐化法－对离散图像处理，用到梯度大小，用一阶偏导数采用一阶差分。 图像突出边缘区，梯度值大，平滑区，梯度小，灰度为常数，梯度为0。 除梯度算子以外，还可采用Roberts、Prewitt和Sobel 算子计算梯度，来增强边缘。 Roberts对应的模板 图象增强－锐化处理 －1 1 1 －1 图象增强－锐化处理 Prewitt－为在锐化边缘的同时减少噪声的影响，Prewitt从加大边缘增强算子的模板大小出发，由2x2扩大到3x3来计算差分。 Sobel－ 在Prewitt算子的基础上，对4-邻域采用带权的方法计算差分，对应的模板。 －1 0 0 －1 1 1 －1 0 1 0 －1 0 －1 －1 0 1 1 1 －2 0 0 －1 1 2 －1 0 1 0 －2 0 －1 －1 0 1 2 1 图象增强－锐化处理 根据梯度计算式就可以计算Roberts、Prewitt和Sobel梯度。一旦梯度算出后，按不同的方法计算出梯度值后，根据不同的需要生成不同共同梯度图像。 A.图像各点(x,y)的灰度g(x,y)等于该点的梯度。g(x,y)=grand(x,y) B.图像各点g(x,y)=grad(x,y) grad(x,y)=T =f(x,y), grad(x,y)T C.图像各点g(x,y)=Lg, grad(x,y)=T =f(x,y), grad(x,y)T D.图像各点g(x,y)= grad(x,y) grad(x,y)=T =Lb, grad(x,y)T E.图像各点g(x,y)= Lg, grad(x,y)=T = Lb, grad(x,y)T 第一种输出形式：梯度图像直接输出 g(x,y)=grad(x,y) 此法的缺点是增强的图像仅显示灰度变化比较徒的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色。 第二种输出形式：加阈值的梯度输出 式中T是一个非负的阈值。适当选取T，可使明显的边缘轮廓得到突出，又不会破坏原来灰度变化比较平缓的背景 第三种输出形式：给边缘规定特定灰度级 它将明显边缘用一固定的灰度级LG来表现。 图象增强－锐化处理 第四种输出形式：给背景规定特定灰度级 此方法将背景用一个固定的灰度级 LB来表现，便于研究边缘灰度的变化。 第五种输出形式：二值图像输出 这种方法将明显边缘和背景分别用灰度级LG和LB表示，生成二值图像，便于研究边缘所在位置。 图象增强－锐化处理 图象增强－锐化处理 Laplacian 算子是线性二阶微分算子。即 ▽2f(x，y)= 对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Laplacian算子表达式为 ▽2f(x，y)= f(x+1，y)+f(x-1，y)+ f(x，y+1)+f(x，y-1)-4f(x，y) Laplacian增强算子为： g(x，y)=f(x，y)- ▽2f(x，y) =5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)] 0 1 0 1 -4 1 0 1 0 Laplace算子 0 -1 0 -1 5