第六章 Matlab应用举例.docVIP

第六章 Matlab应用举例 图像的频域变换增强 1图像变换增强概述 图像增强是相对于图像识别、图像理解而言的一种前期处理。在图像信号的采集、输入等过程中，总会使得图像质量有所下降。例如，按检测对象的大小和形状的要求看，图像的边缘过于模糊；在相当满意的一幅图像上会发现多了一些不知来源的黑点或白点；图像的失真、变形等。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题。 图像增强的目的是采用一系列技术改善图像的效果或将图像转换成一种更适合人或计算机进行分析处理的形式，主要是按需要对图像进行适当的变换突出某些有用的信息，去除或削弱无用的信息，如去除噪声或强调边缘的处理等。由于具体应用的目的和要求不同，因而这里“有用”的含义也不相同，并且所需要的具体增强技术也可以大不相同。从根本上说，并没有图像增强的通用标准，观察者是某种增强技术优劣的最终判断者。 计算机图像处理中，图像变换是一种为了达到某种目的而对图像使用的一种数学技巧，为了有效地和快速地对图像进行处理和分析，常常需要将原定义在图像空间的图像以某种形式转换到另外一些空间，并利用在这些空间的特有性质方便地进行一定的加工，最后再转回图像空间以得到所需要的效果。经过变换后的图像将会更为方便、容易地处理和操作。在图像变换中，应用最为广泛的变换是傅立叶变换，从某种意义上说，傅立叶变换就是函数的第二种语言，掌握了傅立叶变换，人们就可以在空域和频域中同时思考处理问题的方法，这是一种非常重要的能力，有时能够使用简单的方法来解决非常复杂的问题。 .2 图像的频域增强 .2.1图像频域增强的原理和分类 卷积理论是频域技术的基础。设函数与线性位不变算子的卷积结果是，即，那么根据卷积定理在频域有： (.1) 其中，，分别是，，的傅立叶变换。用线性系统理论的话来说，是转移函数。 在具体的增强应用中，是给定的，需要确定的是，这样具有所需特性的就可由式（.1）算出而得到： (.2) 根据以上讨论，在频率域中进行增强是相当直观的，其主要步骤有： 计算需增强图像的傅立叶变换； 将其与1个（根据需要设计的）转移函数相乘； 再将结果傅立叶反变换以得到增强的图像。 常用的频域增强方法有： ①低通（平滑）滤波；②高通（锐化）滤波；③带通滤波；④带阻滤波。 .2.2频域低通（平滑）滤波 在频率域中，通过滤波器函数衰减高频信息而使低频信息畅通无阻的通过的过程称为低通滤波。低通滤波抑制了反映灰度聚变边界特征的高频信息以及包括在高频信息中的孤立点噪声，起到平滑图像去噪声的增强作用。 1、理想低通滤波器 一个二维的理想低通滤波器（ILPF）的传递函数为： (3) 式中D0是一个非负整数。是从点到频率平面原点的距离。 理想低通滤波器的透视图及其剖面图如图.1所示。尽管理想低通滤波器在数学上定义得很清楚，在计算机模拟中也可实现，但在截断频率处直上直下的理想低通滤波器是不能用实际的电子器件实现的。如果使用这些“非物理”的理想滤波器，其输出图像会变得模糊和有“振铃”现象出现。 图.1 理想低通滤波器透视图及剖面图图像中的大部分能量是集中在低频分量里的，频域低通滤波产生的模糊如图.2所示。图.2(a)为一幅MATLAB中自带的原始图像，图(b)到图(d)分别为用截断频率为11，35，68的理想低通滤波器进行处理得到的结果。图(b)有明显的“振铃”效应，图(c)虽然有一定程度的模糊但视觉效果尚可，图(d)则与原始图像几乎无差别。 (a) (b) (c) (d) 图.2 频率域低通滤波所产生的模糊2、巴特沃斯低通滤波器 具有从原点开始到距离D0处的截止频率轨迹的n阶巴特沃斯（Butterworth）低通滤波器的传递函数可以由下式决定： (4) 巴特沃斯低通滤波器传递函数的透视图和剖面图如图.3所示。它的特性是连续性衰减，而不像理想低通滤波器那样陡峭和明显的不连续性。因此采用该滤波器在抑制噪音的同时，图像边缘的模糊程度大大减小，没有“振铃”效应产生。 一般情况下，常取使H最大值降到某个百分比的频率为截止频率。当D(u，v)=D0时，H(u，v)=0.5。另一个常用的截断频率值是使H降到最大值的时的频率。 图.3 巴特沃斯低通滤波器传递函数的透视图和剖面图.2.3频域高通（锐化）滤波 高通滤波是为了衰减或抑制低频分量，让高频分量畅通无阻通过的图像滤波技术。因为边缘及灰度急剧变化部分与高频分量相关联，所以在频率域中