DIP-06-卷积边缘检测图像锐化.pptVIP

Guo S. * 中值滤波和均值滤波 对于椒盐噪声，中值滤波效果比均值滤波效果好。 原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。 中值滤波是选择适当的点来替代污染点的值，所以处理效果好。 因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。 Guo S. * 中值滤波和均值滤波 对于高斯噪声，均值滤波效果比中值滤波效果好。 原因：高斯噪声是幅值近似正态分布，但分布在每点像素上。 因为图像中的每点都是污染点，所中值滤波选不到合适的干净点。 因为正态分布的均值为0，所以根据统计数学，均值可以消除噪声。 Guo S. * 编程实现中值滤波3x3 for i=2:sx-1 for j=2:sy-1 kk = 1; for ii=i-1:i+1 %取出对应的九个像素值 for jj=j-1:j+1 t(kk) = f(ii, jj); kk = kk+1; end; end; t2 = sort(t); %排序 g(i,j) = t2(5); %将中间的值，赋给结果图 end; end; Guo S. * matlab实现 B=medfilt2(A,[m n]) Guo S. * 你试试 模板设计（一阶梯度）--重点 边缘检测合成实现--重点 中值滤波设计和实现--重点 数字图像处理Digital Image Processing 郭 素梅 Guo S. 数字图像处理Digital Image Processing 郭 素梅 Guo S. Guo S. * Guo S. * 本课程总内容 空域处理 点运算（灰度映射、二值化（otsu）、多值化、直方图均衡化） 模板运算（卷积-线性滤波、非线性滤波（中值、形态学）） 坐标变换（几何变换、几何校正） 频域处理 信号分解的概念 变换（傅里叶变换、离散傅里叶和cos变换、傅里叶变换性质） 滤波器（高通、低通、带通、带阻滤波） 彩色图像处理 彩色模型（RGB，CMY，HSV，Yuv） 各个模型下的处理 图像处理应用 图像数字水印和图像合成、编码和压缩 Guo S. * 目录 模板运算 边缘检测：一阶微分 sobel算子、roberts算子、prewitt算子 matlab实现 非线性滤波：中值滤波 Guo S. * 点运算和模板运算 点运算（映射、直方图均衡化）： 数学表达：g(x,y) = T( f(x,y) ) 输入输出的x,y不变，仅改变灰度值。输出的灰度值g(x,y)仅仅和输入的灰度值有关 模板运算： 数学表达：g(x,y)=∑∑f(y-i, x-j)w[i][j] 输出的灰度值g(x,y)，不仅和当前像素f(x,y)的值有关，还和周边像素的值有关，还和模板w有关 Guo S. * 卷积 模板移动在原图像上！ Guo S. * Guo S. * 模板运算 模板不同，处理结果不同。 但是处理方法相同：均为卷积运算 所有w值为正，且ΣΣw = 1 时，平滑滤波：消除噪声，模糊图像 所有w值有正有负，且ΣΣw = 1 时，锐化图像 所有w值有正有负，ΣΣw = 0 时，边缘检测 Guo S. * 除噪、锐化模板例w 0.15 w = 0.15 0.4 0.15 0.15 1/9 1/9 1/9 w = 1/9 1/9 1/9 1/9 1/9 1/9 0 -a 0 w = -a 1+4a -a 0 -a 0 -a -a -a w = -a 1+8a -a -a -a -a ΣΣw(i,j) = 1 时，保持灰度 Guo S. * 图像边缘检测 一阶微分/差分/梯度 Guo S. * Guo S. * 图像边缘检测 一阶微分 Guo S. * Guo S. * Sobel算子 -1 1 -2 2 -1 1 -1 -2 -1 1 2 1 wx wy Guo S. * Roberts算子 -1 1 -1 1 wx wy Guo S. * Prewitt算子 -1 1 -1 1 -1 1 -1 -1 -1 1 1 1 wx wy Guo S. * 一阶微分模板 其他方向 Guo S. * 边缘检测：有方向 Guo S. * 边缘检测：有方向 β为调整输出边缘值的系数 Guo S. * 拉普拉斯（Laplace）算子 1 -2 1 1 -2 1