5第五章空间域图像增强试卷.pptVIP

第五章 空间域图像增强 5.1 图像增强基础 5.2 空间域滤波 f是要进行滤波操作的图像。 w是滤波操作所使用的模板，为一个二维数组。 option1, option2,…是可选项，具体内容如表5.1所示。 g为滤波后的输出图像。 参数type用于指定滤波器的类型，type的一些合法值如表 5.2所示。 参数parameters为可选项，是和所选定的滤波器类型相关的配置参数，如尺寸和标准差等。 返回值h 为特定的滤波器。 5.3 图像平滑 5.4 中值滤波 I为原图像。 可选参数type指定了噪声类型，常用噪声类型如表5.3所示。 I1是原图矩阵 m 和 n 是中值滤波的模板大小，默认为3X3。 5.5 图像锐化 一阶微分产生的边缘宽。 一阶微分对灰度阶跃反应强烈。 二阶微分对细节反应强烈如细线、孤立点。 二阶微分对灰度阶梯变化产生双响应。 二阶微分对于点的响应比线强，而对于阶梯的响应最弱。 在大多数应用中，对图像增强来说，二阶微分比一阶微分好一些，因为形成增强细节的能力好一些。 5.5.2 基于二阶微分的图像增强 ——拉普拉斯算子 1.理论基础 二维函数的二阶微分（拉普拉斯算子）定义为： 离散的二维图像的二阶偏微分的近似： 两式相加得到用于图像锐化的拉普拉斯算子： 拉普拉斯算子对应的滤波模板如下： w1这种模板对于90°的旋转是各向同性的。所谓对某一角度各向同性是指把图像先旋转该角度再滤波与先对图像滤波再旋转该角度的结果相同。 这说明拉普拉斯算子对于接近水平和接近竖直方向的边缘都有很好的增强，从而避免像梯度算子一样进行两次滤波。 同样也可以得到对45°旋转各向同性的模板w2： 与高斯模板相似，根据到中心点的距离给模板中的点赋予不同的权重，还可以得到模板w3： 2.拉普拉斯算子Matlab实现 5.5.4 基于一阶与二阶导数的锐化算子比较 * 5.1.1 为什么要进行图像增强 图像增强是指根据特定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息的处理方法。应该明确的是增强处理并不能增强原图像的信息，其结果只能增强对某种信息的辨别能力，而同时这种处理有可能损失一些其他信息。 5.1.2 图像增强的分类 图像增强技术基本上可以分为两大类：一类是空间域增强，另一类是频率域增强。 主要的图像增强技术 直方图修正 灰度变换增强 图像平滑化 图像锐化 图像空间域增强是基于图像中每一个邻域的像素进行灰度变换运算，某一点变换后的灰度值由该邻域内的所有点的灰度值共同决定。空间域变换可以使用下式描述： 5.2.1 空间滤波和邻域处理 对于图像中的一点（x，y），重复下面的操作： （1）对预先定义的以（x，y）为中心的邻域内的像素进行运算。 （2）将（1）中的运算结果作为（x，y）点的新响应。 上述过程就称为邻域处理或空间域滤波。如果邻域中的像素运算为线性运算，则称为线性空间域滤波，否则称为非线性空间域滤波。可以将滤波操作形式化的表示为： E F G D A H C B I e f g d a h c b i 下面以一个简单的示例来说明滤波操作过程的实现,颜色填充的像素点为待处理点。 模板下的图像灰度（滤波处理前） 3X3模板（滤波器） 经过滤波操作后,颜色填充的像素点的值为A*a+B*b+C*c+ D*d+E*e+F*f+G*g+H*h+I*i。 5.2.2 边界处理 执行滤波操作时，模板的某些元素很可能位于图像之外，这时就需要对边缘附近的那些元素单独执行滤波操作，以避免引用到本不属于图像的无意义的值（在Matlab中这将引起系统的警告，而在VC中很可能会由于非法访问内存而产生运行错误）。 以下3种策略可以用来解决边界问题： （1）收缩处理范围——处理时忽略位于图像边界附近会引起问题的那些点。 （2）使用常数填充图像——根据模板形状为图像虚拟出边界，虚拟边界像素值为固定的常数。 （3）使用复制像素的方法填充图像——和（2）基本相同，只是用来填充虚拟边界像素值的不是固定常数，而是复制图像本身的边界。 5.2.3 滤波操作的Matlab实现 Matlab中与滤波相关的函数主要有imfilter和fspecial。 Imfilter完成滤波操作，而fspecial可以为我们创建一些预定义的2维滤波器，直接供imfilter使用。 1.滤波函数imfilter 函数的原型如下： g= imfilter(f,w,option1, option2,…)