CV03-图像预处理2导论.ppt

* * * 对图像中每一像素点，输出响应值是通过平移卷积模板到像素点处，计算模板与像素点邻域加权得到的，其中各加权值对应卷积模板的各对应值 和的卷积等于卷积的和，尺度变换后的图像卷积等于卷积后作相应的尺度变换 * 任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。 * * 为克服简单局部平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等，下面简要介绍几种算法。 * 对邻域平均法稍加改进，可导出超限像素平滑法 * 这算法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊程度也大。 同局部平滑法相比，超限像素平滑法去椒盐噪声效果更好。 * 笔记： 结合图示说明高斯平滑滤波的基本思想，随着距离的增大，对中心像素的影响减小 转换： 下面说明高斯函数的良好特性 时间： 2分钟 * 1）一般来说，一幅图像的边缘方向是事先不知道的，因此，在滤波前是无法确定一个方向上比另一方向上需要更多的平滑．2）因为边缘是一种图像局部特征，如果平滑运算对离算子中心很远的像素点仍然有很大作用 3）图像常被不希望的高频信号所污染(噪声和细纹理)．而所希望的图像特征（如边缘），既含有低频分量，又含有高频分量．高斯函数付立叶变换的单瓣意味着平滑图像不会被不需要的高频信号所污染，同时保留了大部分所需信号． 5）二维高斯函数卷积可以分两步来进行，首先将图像与一维高斯函数进行卷积，然后将卷积结果与方向垂直的相同一维高斯函数卷积 * 笔记：详细说明该方法 这一模板被用来在水平方向上平滑图像．二维高斯滤波器用两个一维高斯滤波器逐次卷积来实现；模板尺寸约为10时的滤波效果极好．对较大的滤波器，通过重复使用小高斯滤波器来实现． 转换： 下面介绍直接法 时间： 3分钟 * 笔记： 分为三步 转换： 时间： 3分钟 * 但是，这一模板的权值之和并不等于1．所以，在进行卷积的时候，像素点的输出值必须用模板的权值来规范化，以确保图像的均匀灰度区域不受影响． * 笔记： 分为三步 转换： 时间： 3分钟 * 详细讲解该过程 优点：简单有效，对脉冲噪声 缺点：不适于细节多的图像 4分钟 * 可见中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。 * 模板长度是5 * 均匀度可认为是方差 (a)原图像 (b)对(a)加椒盐噪声的图像 (c)3×3邻域平滑 (d) 5×5邻域平滑 (e)3×3超限像素平滑(T=64) (f)5×5超限像素平滑(T=48) 超限像素平滑法 高斯平滑滤波器 根据高斯函数选择邻域内各像素的权值 随着距离的增大，对中心像素的影响减小 高斯平滑滤波器 旋转对称性：在各个方向上的平滑是一致的，在后续边缘检 测中不会偏向任一方向。 单调递减：邻域的影响随着距离的增加而减弱，避免平滑运 算使图像失真。 付氏频谱是单瓣的：高斯函数付氏变换等于高斯函数本身， 能够保留所需信号。 参数σ调节平滑程度：σ越大，高斯滤波器的频带就越宽，平滑程度就越好，在过平滑与欠平滑之间取得平衡。 可分离性：二维高斯函数卷积，可先按行进行一维高斯卷积， 再把结果按列进行一维高斯卷积，降低计算复杂度。高斯平滑滤波器 1）杨辉三角形逼近法 高斯函数的最佳逼近由二项式展开的系数决定 0 1 1 1 2 1 1 3 3 1 1 4 6 4 1 1 5 10 10 5 1 1 6 15 20 15 6 1 5点逼近对应于杨辉三角形的第5行 2）直接法： 直接根据高斯函数的离散值计算模板权值 （1）计算离散值 ó2=2，n=7 高斯平滑滤波器 高斯平滑滤波器 （2）放大，取整 （3）规范化，使权值之和为1 高斯平滑滤波器 (左) 原始图像，(右)高斯噪声 (左)σ=1的7*7模板 (右)σ=2的13*13模板 (左)σ=3的19*19模板 (右)σ=4的25*25模板 中值滤波器 基本过程： （1）取邻域 （2）按亮度值大小排列像素点 （3）选排序像素的中间值作为中心点的新值 中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。 中值滤波器 图(a)为原图像；图(b)为加椒盐噪声的图像；图(c)和图 (d)分别为3×3、5×5模板进行中值滤波的结果。 优点：对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。 缺点：对点、线等细节较多的图像却不太合适。 正确选择窗口尺寸的大小是很重要的