数字图像处理第三章课件.pptVIP

灰度变换与空间滤波 直方图均衡的表解 例：64×64*23bits灰度图象 n=64×64, 灰度级范围[0，L-1], 输入灰度值为lk ,出现的频数为nk , 归一化灰度值rk =lk/(L-1), 概率p(rk)=nk/n , 累计概率分布Sk=T(rk)=p(r0)+p(r1)+…+p(rk) , 输出灰度值sk=lk’=[Sk*(L-1)], 输入灰度值为lk ,出现的频数为nk ,归一化灰度值rk =lk/(L-1), 概率p(rk)=nk/n ,累计概率分布Sk=T(rk)=p(r0)+p(r1)+…+p(rk) ,输出灰度值sk=lk’=[Sk*(L-1)], 直方图均衡后的灰度级数量(动态范围)并没有减少，减少的是非零频数的灰度级数。 线性滤波的通式（3.5.1） 模板卷积 图象f(x,y) 大小N×N 模板(filter mask, template) T(i, j) m×m 相关： 卷积： 在Matlab中定义特定类型的２维滤波器H = FSPECIAL(TYPE) 类型： 　 average averaging filter disk circular averaging filter gaussian Gaussian lowpass filter laplacian filter approximating the 2-D Laplacian operator log Laplacian of Gaussian filter motion motion filter prewitt Prewitt horizontal edge-emphasizing filter sobel Sobel horizontal edge-emphasizing filter unsharp unsharp contrast enhancement filter 例： I = imread(moon.tif); h = fspecial(laplacian ); I1= imfilter(I,h); h = fspecial(unsharp); % laplacian I2 = imfilter(I,h); figure; subplot(1,3,1),imshow(I), title(Original image); subplot(1,3,2), imshow(I1), title(Laplacian Filtered image); subplot(1,3,3), imshow(I2), title(Unsharp Filtered image); 图像对一阶导数与二阶导数响应的比较 一阶导数通常产生较粗的边缘； 二阶导数对细节有强烈的响应。 一阶导数通常对灰阶阶跃产生强烈的响应; 二阶导数对灰阶阶跃产生双重的响应。 R1: IF颜色是绿色，THEN 水果是生的 OR R2:IF颜色是黄色，THEN 水果是半熟的 OR R3:IF颜色是红色，THNE水果是熟的 使用模糊技术进行灰度变换和空间滤波 隶 属 度 干脆的集合 一个模糊集合的隶属度函数 隶属度 补集 并集 交集 空集：当且仅当Z中的隶属度函数等于零，模糊集合为空集。 相等：当且仅当对于所有的 有 ，两个模糊集合A和B相等。 子集： 模糊集合A是模糊集合B的子集。 或NOT (OR) 模糊集合的交并补 常用的隶属度函数 三角形 梯形 S形 钟形 截尾高斯形 模糊集合的应用 隶 属 度 波长 推理规则： 局部直方图均衡化 (a)原图 (b)整体直方图均衡 (c)局部直方图均衡 (c)图中的每个像素值是其7*7邻域局部直方图均衡映射 函数对该点进行映射后的值。突显了原黑斑中的细节 局部直方图均衡化 SEM(Scanning Electron Microscope) 钨丝缠绕的扫描电镜图像(SEM) 例 3.3.4 用直方图统计量进行图像增强 p(r)是对应灰度值r的归一化的局部直方图分量，S表示某邻域； k?[0,1], M,D是整图的均值,方差 (b) (a) (c) 实验数据： K0=0.4 K1=0.02 K2=0.4 E=4.0 比较原图：虽然亮部不变，只有一些暗部被增强，但也包括一些不该增强的。 本例的思想可以举一反三，用于其它局部增强。 3.5 Basics of Spatial Filtering 掩模/ 模板 掩模下 的子图 m*n是滤波器的大小, a=(m