- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
Chapter 3 Image Enhancement in the Spatial Domain 3.7 锐化空间滤波 3.7.2 基于二阶微分 的图像增强一 拉普拉斯算子 简化: 上边的过程实际中可用一步来完成而把会成,即把合成与拉氏计算会起来。 最终模板 如右图所示: Chapter 3 Image Enhancement in the Spatial Domain 3.7 锐化空间滤波 3.7.2 基于二阶微分的图像增强一拉普拉斯算子 反锐化模板与高提滤的处理 在出版业中,图像锐化处理是将图像的模糊形式从原图像中减去,该过程叫反锐化换模(模板) 锐化图像 原 模糊形式 反锐化掩模进一步普遍形式为主提升滤波 其中, ,亦 结合前边的式子得: Chapter 3 Image Enhancement in the Spatial Domain 3.7 锐化空间滤波 3.7.2 基于二阶微分的图像增强一拉普拉斯算子 使用拉氏算子时 具体模板见下图 Chapter 3 Image Enhancement in the Spatial Domain 3.7 锐化空间滤波 3.7.2 基于二阶微分的图像增强一拉普拉斯算子 具体实例: Chapter 3 Image Enhancement in the Spatial Domain 3.7 锐化空间滤波 3.7.3 基于一阶微分的图像增强一梯度法 在图像中一阶微分用梯度法来实现,梯度用一个二维列向量来定义 模值: 实际中往往用梯度模值代替梯度 为减少计算量,用下式算近似: 运算简单,但是各向同性就不存在了 (只对90o才保持) Chapter 3 Image Enhancement in the Spatial Domain 3.7 锐化空间滤波 3.7.3 基于一阶微分的图像增强一梯度法 右图给出了Roberts算子 和Sobel算子: Chapter 3 Image Enhancement in the Spatial Domain 3.7 锐化空间滤波 3.7.3 基于一阶微分的图像增强一梯度法 例子 如下图所示: Chapter 3 Image Enhancement in the Spatial Domain 3.8 混合空间法 把各种互补的图像增强技术结合起来,实践复杂的增强任务 举例:骨骼图像处理: Chapter 3 Image Enhancement in the Spatial Domain 3.8 混合空间法 把各种互补的图像增强技术结合起来,实践复杂的增强任务 举例:骨骼图像 处理: Chapter 3 Image Enhancement in the Spatial Domain 3.8 混合空间法 目的:突出骨骼的更多细节 策略:先用拉氏算子突出图像中的小细节,然后用梯度法突出其边缘,平滑过的梯度图像用于屏蔽拉氏图像,最后用灰度变换扩展灰度动态范围。 Chapter 3 Image Enhancement in the Spatial Domain 本章小结 如何增强图像: (1)灰度变换 (2)直方图 (3)算术/逻辑 (4)空间滤波 平滑 锐化 混合 Chapter 3 Image Enhancement in the Spatial Domain 3.3 直方图处理 3.3.2 直方图匹配 离散情况时, 实现 在实际中, 和 因为整数而不是 还有,处理的都必须是整数。 我们可以按照P78,图3.19来每行映射, 得到 及G(z)两值,可按下式每行送代 而 是满足正式的最小整数 。 图3.19给出了一个映射关系 具体的实施情况可参见P77 实际例子可参见例3.4 Chapter 3 Image Enhancement in the Spatial Domain 3.3 直方图处理 3.3.2 直方图匹配 Chapter 3 Image Enhancement in the Spatial Domain 3.3 直方图处理 3.3.2 直方图匹配 Chapter 3 Image Enhancement in t
文档评论(0)