《数字图象处理》复习宝典合编.ppt

* 有人可能就会问了，前面讲到平滑滤波的作用时候，说平滑滤波通过模糊细节可用来消除噪声，而这里锐化正好是突出细节，会不会使噪声增加呢？ 答案是肯定的，会在一定程度上增加噪声。 所以能够进行锐化处理的图像必须有较高的信噪比（噪声数量相对较小），否则锐化后图像噪声的增加的比有效信号还多，因此一般是先平滑（去除或减轻噪声后）再进行锐化处理。 操作一：打开“椒盐噪声.bmp”，直接进行拉普拉斯锐化 操作二：打开“椒盐噪声.bmp”，进行两次中值滤波后，再进行拉普拉斯锐化 * * * * 该图为原点不包含在结构元素中时的腐蚀运算的另一个示例，左图是将前图中的输入图像逆时针转90度得到的。中间的结构元素与前图相同，右图为腐蚀的结果（浅紫色为腐蚀掉的点）。注意标有“?”的点原来不属于输入图像A，但现在属于腐蚀结果，由此可见原点不包含在结构元素中时，腐蚀后图像的可能不是输入图像的子集。 * 该图为一个原点不包含在结构元素中时的膨胀运算示例，左图与前图像同，中间的结构元素与前图中不同之处是原点现在不属于B，右图为膨胀的结果（其中浅紫色为输入图像部分，深紫色为扩大的部分）。注意右图中“?”的点原来属于输入图像A，但现在并不属于膨胀结果，由此可见原点不包含在结构元素中时，输入图像A不在膨胀后图像的内部。 * 利用圆盘作开运算起到磨光尖角边缘、消除毛刺的作用，类似低通滤波平滑的效果。 * 开闭运算都能使图像的轮廓变得光滑。闭操作是填补内部尖角磨光内边界，开操作是消去外部尖角磨光外边界。 * * 傅里叶变换定义 一维离散傅里叶变换（DFT）及反变换 单变量离散函数 f (x) (x = 0, 1, …, M-1)的傅里叶变换F(μ)定义为： 给定F(μ)，通过傅里叶反变换可以得到f(x)： μ = 0, 1, …, M-1 x = 0, 1, …, M-1 * * 傅里叶变换定义 图像 “频域”空间的物理意义 图像的频率是表征图像中灰度变化剧烈程度（梯度）。如大面积的沙漠在图像中是一片灰度变化缓慢的区域, 对应的频率值很低;而对于地表变化剧烈的边缘区域在图像中是一片灰度变化剧烈的区域, 对应的频率值较高。 傅立叶变换的物理意义是将图像的灰度分布函数变换为频率分布函数。 举例：绘画 频率的幅值表示该频率成分对原来图像信息（能量）的贡献。 * * 傅里叶变换的性质 可分离性 图像尺寸为M×N的函数f (x,y)的DFT可以为如下形式： F(x,ν)是沿着f (x,y) 的一列所进行的傅里叶变换。当x=0,1,…,M-1，沿着f (x,y) 的所有列计算傅里叶变换。 上式说明：二维DFT可分离为两次一维DFT * * 傅里叶变换的性质 平移性质（ 综合题用到 ） DFT平移特性如下： 第一个公式表明将F(μ,ν)与一个指数项相乘就相当于把其变换后的空域中心移动到新的位置。 第二个公式表明将f (x, y)与一个指数项相乘就相当于把其变换后的频域中心移动到新的位置。 * * 傅里叶变换的性质 平移性质（ 续 ） 上式表明：如果要将图像的频谱原点移到图像中心，只要将f (x, y)乘上因子 ，再进行DFT变换即可。 将DFT频谱的原点移动到矩阵M×N的中心，这样只要设： * * 傅里叶变换的性质 分配律 根据傅里叶变换的定义，可以得到： 上式表明：傅里叶变换对加法满足分配律。但对乘法则不满足，一般有： * * 傅里叶变换的性质——卷积 傅里叶变换的卷积定理 卷积是空间域过滤和频域滤波之间的纽带 卷积定理的效能：点数?32时，FFT方法较快。 对于连续和离散卷积都有下列定理成立： * * 傅里叶变换（FT） 离散傅里叶变换DFT的计算（计算4） DFT的计算 例：一维函数的四个采样值为f(0)=2, f(1)=3, f(2)=f(3)=4。 x 0 1 2 1 2 3 4 3 * * 傅里叶变换（FT） 离散傅里叶变换DFT的计算（续） * * 快速傅里叶变换（FFT） FFT算法基本思想 FFT算法基于一个叫做逐次加倍的方法。通过推导将原始M个点的傅里叶变换转换成两个递推公式： 其中K=M/2，Feven(μ)、Fodd(μ)是K个点的傅里叶变换值。 μ = 0, 1, …, K-1 * * 快速傅里叶变换FFT的计算（计算4） ①首先分成奇偶两组： {f(0), f(2)} {f(1), f(3)} f (x) FFT递推公式： 快速傅里叶变换（FFT） * * 快速傅里叶变换FFT的计算（续） ②计算 ： ③计算两个点的FT 快速傅里叶变换（FFT） *