3_图像增强(my)青岛大学.ppt

梯度算子 微分滤波器模板系数设计 Roberts交叉梯度算子 Prewitt梯度算子 Sobel梯度算子 1. 水平方向的锐化 例： 2. 垂直方向的锐化 一阶水平方向锐化效果 单方向一阶锐化效果图例 实例 拉普拉斯变换对图像增强的基本方法 单一掩模的一次扫描来实现 使用复合拉普拉斯掩模的图像增强 　imnoise函数用于对图像生成模拟噪声，如： i=imread(e:\w01.tif); 　j=imnoise(i,‘gaussian’,0,0.02);模拟均值为0方差为　0.02的高斯噪声， 　j=imnoise(i,saltpepper, 0.04) 模拟叠加密度为0.04的椒盐噪声 　　　f为是输入图像。函数imnoise在给图像添加噪声之前，将它转换为范围[0,1]内的double类图像。指定噪声参数时必须考虑到这一点。 g=imnoise(f,‘gaussian’,m,var) //将均值m,方差为var的高斯噪声加到图像f上，默认值是均值m为0，方差var为0.01的噪声。 g=imnoise（f,‘localvar’,V) //将均值为0，局部方差为V的高斯噪声添加到图像f上，其中V是与f大小相同的一个数组，它包含了每一个点的理想方差值。 g=imnoise(f,‘localvar’,image_intensity,var) //将均值为0的高斯噪声添加到图像f中，其中噪声的局部方差var是图像f的亮度值的函数。 g=imnoise(f,‘saltpepper’,d) //用椒盐噪声污染图像f，其中d是噪声密度（即包括噪声值的图像区域的百分比）。 g=imnoise(f,‘speckle’,var) //用方程g=f+n*f)将乘性噪声添加到图像f上，其中n是均值为0，方差为var的均匀分布的随机噪声，var的默认值是0.04。 g=imnoise(f,poisson) //从数据中生成泊松噪声 fspecial函数用于产生预定义滤波器，如： h=fspecial(sobel);%sobel水平边缘增强滤波器 h=fspecial(gaussian);%高斯低通滤波器 h=fspecial(laplacian);%拉普拉斯滤波器 h=fspecial(log);%高斯拉普拉斯（LoG）滤波器 h=fspecial(average);%均值滤波器 A=imread(005.bmp); A=rgb2gray(A); B=medfilt2(A);//中值滤波 subplot(121);imshow(A) subplot(122);imshow(B) i=imread(e:\w01.tif); h=[1,2,1;0,0,0;-1,-2,-1];%产生Sobel算子的水平方向模板 　j=filter2(h,i); 或者： h = fspecial(‘prewitt’) I = imread(cameraman.tif); imshow(I); H = fspecial(prewitt‘); %预定义滤波器 M = imfilter(I,H); imshow(M) 或者： i=imread(e:\w01.tif); h=[1,1,1;1,1,1;1,1,1]; h=h/9; j=conv2(i,h); rgb=imread(005.bmp); h2=[1 2 1;0 0 0;-1 -2 -1]; rgb2=imfilter(rgb,h2); subplot(121); imshow(rgb) subplot(122); imshow(rgb2) 傅里叶变换在信号处理和图像处理中得到广泛的使用。 设大小为M*N的图像，其傅里叶变换F(u,v) 图像经傅里叶变换后，直流分流正比于图像的均值，高频分量则表明了图像中目标边缘的强度及方向。 使用低通滤波器对图像的傅里叶变换进行滤波，可以做到平滑处理。 使用高通滤波器对图像的傅里叶变换进行滤波，可以做到锐化处理。 图像经傅里叶变换后，能量不变，但分布有变化，使之集中到少数项上，实现压缩。 对比 一维傅里叶频谱 频谱中的垂直亮线是因为图像中比较多的水平边缘。 1.平移定理 f(x,y)在空间平移了，相当于把傅里叶变换与一个指数相乘。 f(x,y)在空间与一个指数项相乘相当于平移其傅里叶变换 2.旋转定理 对f(x,y)旋转一定角度，相当于将其傅里叶变换F(u,v)旋转一定角度 3.尺度定理 幅度尺度 空间尺度 时域压缩，高频部分增多，频谱拉宽，又因为能量守恒，所以谱图像变暗。 剪