ch5-图象增强2讲解.ppt

(2)图象噪声 4 总结 (5) 中值滤波优缺点总结: 优点: 对椒盐噪声的抑止效果显著 ; 在滤去噪声的同时，能保留边缘信息。 缺点: 在计算窗口内中值时，需要进行排序，该操作非常耗费机器时间，特别在滤波窗口增大时。 对高斯白噪声效果较差。 ▓使用中值滤波时的注意事项 （1）中值滤波适合于滤除椒盐噪声和干扰脉冲，尤其适合于目标物形状 是块状时的图像滤波。 （2）具有丰富尖角几何结构的图像，一般采用十字形滤波窗，且窗口大 小最好不要超过图像中最小目标物的尺寸，否则会丢失目标物的细小 几何特征。 （3）需要保持细线状及尖顶角目标物细节时，最好不要采用中值滤波 计算量 噪声类型 滤波类型 大 很小 很好 效果较差 中值滤波 小 较严重 效果较差 效果较好 均值滤波 边缘模糊程度 椒盐噪声 高斯白噪声 思考： 对均值滤波有什么改进算法，可以既有效抑止 噪声，又不造成严重的边缘模糊？ 3. 中值滤波有没有改进算法？中值滤波窗口的大小 对滤波效果有何影响? 2. 从频域考虑，均值滤波的幅频特性响应曲线怎 么计算？是高通滤波器还是低通滤波器？ 简单均值滤波法： 加权均值滤波法： 阈值均值滤波法： 均值滤波及其改进算法 其他均值滤波模板： 实际图像处理中，都是先用不同模板实验，选最佳模板 均值滤波的频域分析 FFT 以模板 为例，计算其传递函数 : . 均值滤波的频域分析 根据 ，则 代入系数1／10后， 令v =0，则 再令 ,则 π/2 π 其幅频特性曲线为： a=imread(a.bmp); b=rgb2gray(a); c=1/9.*[0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1 0.1]; d=conv2(c,b); imshow(d,[0,255]); 5 中值滤波和均值滤波MATLAB代码演示(1) 分析、 运行程序 testsmooth.m 第一种方法： 使用二维卷积 函数conv2实现 同时还有filter2 函数为专门的 均值滤波函数 a=imread(1.jpg); b=a(:, :, 1); c=[0.1 0.1 0.1 0.1 0.2 0.1 0.1 0.1 0.1]; d=conv2(c,b); imshow(d,[0,255]); a=imread(1.jpg); b=a(:, :, 1); c=[0 0.1 0 0.1???? 0.6 0.1 0??? ? 0.1 0 ]; d=conv2(c,b); imshow(d,[0,255]); 5 中值滤波和均值滤波MATLAB代码演示(2) a=imread(1.jpg); b=a(:,:,1); d=medfilt2(b,[m n]); %[m,n]为滤波模板的规格 7×7 5 × 5 3 × 3 原图 5 中值滤波和均值滤波MATLAB代码演示(3) MATLAB自带中值滤波函数：medfilt2 原图 均值滤波 中值滤波 高斯滤波器空间域形式： σ为标准差。 G = fspecial(gaussian, [5,5], 1) MATLAB代码： 高斯滤波器频域形式： 对上式进行傅里叶变换，得 频域内仍然是低通高斯型滤波器 程序 gaussfilter.m演示了如何生成高斯滤波器、 如何使用fspecial函数以及imfilter函数 分别是lena原图、 5*5高斯滤波、 原图-高斯滤波图 4.频域滤波法（1） 构造一个低通滤波器，使低频分量顺利通过而有效地阻止高频分量，即可滤除频域中高频部分的噪声，再经逆变换就可以得到平滑图像。 基本原理 在傅立叶变换域，变换系数反映了图像的某些特征。 频谱的直流低频分量对应于图像的平滑区域，而外界 叠加噪声对应于频谱中频率较高的部分等。 频域低通滤波法的处理过程 频率域滤波流程如下： 不使用函数imfilter，直接在频域内滤波，其步骤如下： 1.对原图f(x,y)，尺寸为M*N, 设置P=2M,Q=2N; 2.将f(x,y)补零，达到2M*2N； 3.将f(x,y)进行傅里叶变换，并把频谱原点转移到 2M*2N的中心处； 4.生成2M*2N滤波模板，将模板与信号频谱直接相乘； 然后进行反变换；频谱原点还原； 4.取反变换的实部，取1：M行与1:N列即可。 演示、讲解程序ch5_filterInFourierDomain.m 1.空域模板平滑法等效于频域低通