第6讲中值滤波及锐化解析.ppt

复习：平滑的定义及过程 新课：加权平均模板 中值滤波 锐化 区域运算：平滑 某一像素，如果它与周围像素点相比，有明显 的不同，则该点被噪声感染了。 平滑：去除图像中的噪声 算法：处理前图像为：f（x，y） 处理后图像为： g （x，y） 模板：h（x，y） 对图像进行平滑时的结论： 1、模板越大，噪声去除效果越好，但边缘越模糊，且计算量越大 2、模板大小：含有奇数个系数 系数都为正 系数之和为1 3、适合去除随机噪声 从两方面改善： 1、改变模板：加权平均 中值滤波：非线性的处理方法，在去噪的同时可以兼顾到边缘信息的保留。 选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。 常用的窗口有条形、方形、十字形、圆形和环形 等。 中值滤波对于消除孤立点和线段的干扰十分有用。 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。如果采用中值滤波窗口大小要小于最小目标物的尺寸。 区域增强算法：锐化 基本思想：增强图像时，除了去除噪声，有时还需要加强图像中景物的边缘和轮廓。 边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观的想到用灰度的差分对边缘和轮廓进行提取。 梯度向量的幅度： 数字微分将用差分代替： 提取边缘的方法： 第一种方法:使其输出图像的各点等于该 点处的梯度。即 第二种方法: 对梯度值超过某阈值T的像素选用梯度值。 提取边缘时计算公式和平滑时类似，只是模板不同。 提取边缘模板特点：系数有正有负，中心系数为正，系数之和为0。 图像经过提取边缘的模板处理之后，就会得到图像的边缘。然后，把图像的边缘以一定的比例加到原图像上，就得到锐化图像。 锐化模板特点：系数有正有负，中心系数为正，系数之和为1。 * 例：利用模板 对图 进行平滑， 求结果图像 其中， 模板大小对平滑效果的影响： 3X3的模板处理效果 模版大小对平滑效果的影响： 5X5的模板处理效果 2、改变算法：中值滤波 例：利用中值滤波对图 进行平滑， 求结果图像 其中， 梯度法提取边缘 二元函数f (x,y)在坐标点(x,y)处的梯度定义为 为了降低运算量，常用绝对值或最大值运算代替平方与平方根运算近似求梯度的幅度： 锐化例子： *