灰度变换与空间滤波讲解.ppt

3.6 平滑空间滤波器 3.6 平滑空间滤波器 3.7 锐化空间滤波器 锐化处理的目的是突出图像中的细节或者增强被模糊了的细节. 对于二阶微分必须保证: 在平坦区微分值为零 在灰度阶梯或斜坡的起始点处微分值非零 沿着斜坡面微分值为零 对于一阶微分必须保证： 平坦段微分值为零 在灰度阶梯或斜坡的起点处微分值非零 沿着斜坡面微分值非零 我们最感兴趣的微分性质是恒定灰度区域(平坦段)、突变的开头与结尾(阶梯与斜坡突变)以及沿着灰度级斜坡处的特性。 锐化处理可以用空间微分来完成. 微分算子的响应强度与图像在该点的突变程度有关，图像微分增强了边缘和其他突变(如噪声)而消弱了灰度变化缓慢的区域. 3.7 锐化空间滤波器 用差分定义一元函数f(x)的二阶微分: 用差值定义一元函数f(x)一阶微分: 由于我们处理的是数字量,最大灰度级的变化是有限的,变换发生的最短距离是在两个相邻像素之间. 3.7 锐化空间滤波器 图像带 一阶微分 二阶微分 一阶微分和二阶微分的区别: (1)一阶微分处理通常会产生较宽的边缘 (2)二阶微分处理对细节有较强的响应,如细线和孤立点 (3)一阶微分处理一般对灰度阶梯有较强的响应 (4)二阶微分处理对灰度级阶梯变化产生双响应 (5)二阶微分在图像中灰度值变化相似时,对线的响应要比对阶梯强,且点比线强. 大多数应用中,对图像增强来说.二阶微分处理比一阶微分好,因为形成细节的能力强. 而一阶微分处理主要用于提取边缘. 3.7 锐化空间滤波器 二阶微分的图像增强 —— 拉普拉斯算子 二元图像函数f(x,y)的拉普拉斯变换定义为： 离散方式： x方向 y方向 故二维拉普拉斯数字实现由以上两个分量相加： 最简单的各向同性微分算子,并且是一个线性操作 3.7 锐化空间滤波器 扩展方式： 执行离散拉普拉斯变换所用的滤波器掩模 扩展的拉普拉斯掩模，包括了对角线邻域 和(d)其他两种拉普拉斯的实现 3.7 锐化空间滤波器 拉普拉斯微分算子强调图像中灰度的突变,弱化灰度慢变化的区域。这将产生一幅把浅灰色边线、突变点叠加到暗背景中的图像。 3.7 锐化空间滤波器 将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。因此拉普拉斯算子用于图像增强的基本方法如下: 注意拉普拉斯定义时的符号 3.7 锐化空间滤波器 月球北极的图像 拉普拉斯滤波后的图像 标定后的拉普拉斯图像 复合增强后的图像 实际运用时，叠加过程可以简化为: 3.7 锐化空间滤波器 可以用下面的掩模 一次扫描来实现 3.7 锐化空间滤波器 (a)合成拉普拉斯掩模 (b)第二种合成掩模 (c) 扫描电子显微镜图像 (d)和(e)分别为用(a)和(b)掩模滤波的结果 (a) (b) (c) (d) (e) 3.7 锐化空间滤波器 反锐化掩蔽与高提升滤波处理 长期以来在出版业中使用的图像锐化是将图像模糊形式从原始图像中去除.通过反锐化掩蔽来完成. 反锐化掩蔽的基本算法如下: 会使 的低频成分损失很多,而高频成分较完整地被保留下来. 3.7 锐化空间滤波器 可用简单局部平均法求得,邻域取3x3,掩模为 取C=9， 的掩模为 3.7 锐化空间滤波器 3.7 锐化空间滤波器 反锐化掩蔽的进一步普遍形式称为高提升滤波，定义如下： 3.7 锐化空间滤波器 高提升滤波掩模 3.7 锐化空间滤波器 原始图像 A=0 A=1 A=1.7 (a) (b) (c) (d) 3.7 锐化空间滤波器 基于一阶微分的图像增强 梯度法 实际运算时用绝对值代替平方根运算: 3.7 锐化空间滤波器 Robert提出的交叉梯度算子 3.7 锐化空间滤波器 3X3的掩模: Sobel算子 3.7 锐化空间滤波器 隐形眼镜的光学图像 Sobel梯度 梯度处理经常用于工业检测、辅助人工检测缺陷，或者是更为通用 的自动检测的预处理。 用于边缘增强的梯度处理 3.7 混合空间增强法 3.7 混合空间增强法 3.7 混合空间增强法 习题3.1, 3.6, 3.13, 3.16, 3.18, 3.21, 3.24, 3.26 本章作业 直方图匹配 (规定化) 指定希望处理的图像所具有的直方图形状 输入 r 对应的概率密度函数 Pr(r) 输出 z 对应的概率密度函数 Pz(z) 3.3