4 平滑, 锐化滤波.ppt

中值滤波法： 模板： 强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）； 中值滤波器是非线性的； 中值滤波器特点： (a)椒盐噪声污染的电路板X光图像，(b)用3x3均值滤波器去除噪声， (c)用3x3中值滤波器去除噪声 中值滤波器 VS 均值滤波器 中值滤波器：不是简单的平均，产生的模糊比较少。 特点：在去除噪声的同时，可以比较好地保留边缘的锐度和图像的细节。 中值滤波器比均值滤波器效果好 最大值滤波器： 主要用途：寻找最亮点 最小值滤波器： 主要用途：寻找最暗点 其它滤波器 最大值滤波器 最小值滤波器 ※ 空域平滑滤波器模板的所有系数都是正数，具有平滑的效果，在去除噪声的同时模糊了图像边缘、细节。本质上是一种低通滤波器。 ※ 在设计滤波器时通常还要求行列数为奇数，保障中心定位性能。 ※ 空域平滑滤波的去噪能力与它的模板大小有关，模板越大，去噪声能力越强； 小 结 4.6.2 锐化滤波器 突出图像中的细节或者增强被模糊了的细节 4.6.2 锐化滤波器 均值滤波－－积分－－平滑 微分－－锐化?? 在离散空间，f(x)的一阶微分定义为一个差值： 类似地，用差分定义二阶微分： 在图像处理中，一阶微分是通过梯度法来实现的。对于函数f(x,y)，其在(x,y)处的梯度是通过一个二维向量来定义的： 该向量的模值为： 注意：一般将梯度的模值称为梯度。 一、基于一阶微分的图像增强－－梯度法（非线性） 近似算法： 梯度计算由两个模板组成，第一个求得梯度的第一项，第二个求得梯度的第二项，然后求和，得到梯度。 0 1 0 -1 1 -1 0 0 原图像 |Gx|，x方向上的梯度分量，水平细节非常清楚 |Gy|，y方向上的梯度分量，垂直细节非常清楚 梯度图像|Gx|+|Gy|，水平和垂直细节都非常清楚 常用梯度算子- Roberts交叉算子 0 1 -1 0 1 0 0 -1 Roberts 45度模板的检测结果 Roberts -45度模板的检测结果 |▽ f |≈ |Gx|+|Gy| = |(z7 +z8 + z9) - (z1 + z2 + z3) | +|(z3 +z6 + z9) - (z1 + z4 + z7) | -1 -1 -1 0 0 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 常用梯度算子- Prewitt 算子 |? f |≈ |Gx|+|Gy| = |(z7 +2z8 + z9) - (z1 + 2z2 + z3) | +|(z3 +2z6 + z9) - (z1 + 2z4 + z7) | -1 -2 -1 0 0 0 1 2 1 -1 0 1 -2 0 2 -1 0 1 常用梯度算子- Sobel梯度算子 (a)隐形眼镜的光学图像（注意，在边缘处类似时钟4点和5点处的缺陷，(b)Sobel梯度 总体要求 清楚图像间运算 掌握直接灰度映射原理及分析 重点掌握直方图均衡化和规定化计算 掌握平滑滤波相关原理及计算 清楚锐化滤波原理及计算 1 1 2 2 1 1 9 2 1 10 2 2 1 1 2 2 3 1)4邻域平均法 2)用加权模板M1处理 3)中值滤波法：用模板M2处理 1 习题4-8（1,2) 2 习题4-13 作业 求职应注意的礼仪 求职时最礼貌的修饰是淡妆 面试时最关键的神情是郑重 无论站还是坐，不能摇动和抖动 对话时目光不能游弋不定 要控制小动作 不要为掩饰紧张情绪而散淡 最优雅的礼仪修养是体现自然 以一种修养面对两种结果 必须首先学会面对的一种结果----被拒绝 仍然感谢这次机会，因为被拒绝是面试后的两种结果之一。 被拒绝是招聘单位对我们综合考虑的结果，因为我们最关心的是自己什么地方与用人要求不一致，而不仅仅是面试中的表现。 不要欺骗自己，说“我本来就不想去”等等。 认真考虑是否有必要再做努力。 必须学会欣然面对的一种结果----被接纳 以具体的形式感谢招聘单位的接纳，如邮件、短信 考虑怎样使自己的知识能力更适应工作需要 把走进工作岗位当作职业生涯的重要的第一步，认真思考如何为以后的发展开好头。 Thank you 回顾： 空域技术分类 点操作：图像间的运算，灰度映射， 直方图变换等 模板操作 滤波——利用像素本身以及其邻域像素的灰度关系进行增强的方法。 平滑（低通）滤波器 锐化（高通）滤波器 它能减弱或消除图像中的高频分量，但