空域图像增强-2讲解.pptVIP

混合空间增强 处理步骤 b、拉普拉斯变换 c、叠加得到锐化图像 d、用Sobel算子突出边缘 e、对sobel图像进行平均值滤波 f、由c和e相乘形成的掩蔽图像 g、由a和f求和得到的锐化图像。 h、 对g应用幂律变化得到结果。 混合空间增强 有一数字序列为： （106，114，109，145，177，186，188，182，187） 1）利用一维三点平滑模板(1/3,1/3,1/3)对数据进行平滑。 2）利用一维拉普拉斯算子（1,-2,1）对数据进行锐化。 （边缘处理方式自定义，写出如何定义） 习题 答：边缘处理方式为边缘灰度由相邻灰度（处理过的）替代。 1）平滑后的序列为 （109，109，120，153，169，184，186，186） 2）锐化算子 （-13，-13，41，-4，-23，-7，-28，11，11） 锐化后的序列为 （119，127，68，149，200，193，216，193，198） 答案 * 图像减法商业应用：掩模式X光成像法 一般来说，在M×N的图像f上，用m×n大小的滤波器掩模进行线性滤波由下式给出： 为得到一幅经过完整的经过滤波处理的图像，必须对x=0,1,2,…,M-1和 y=0,1,2,…,N-1依次应用公式。 其中 a=(m-1)/2且b=(n-1)/2,处理的掩模长与宽一般为奇数。 简化表达形式： 3×3的掩模： 3×3的滤波掩模 3.5 空间滤波基础 线性滤波器处理与频域卷积类似，因此，线性空间滤波处理经常被称为掩模与图像的卷积。 非线性空间滤波处理也是基于邻域处理，且掩模滑过一幅图像的机理与刚刚论述的一样。例如中值滤波。 3.5 空间滤波基础 三种办法（对于n*n方形模板）： 掩模中心点移动范围距离图像边缘不小于(n-1)/2个像素。 图像边缘部分用部分掩模来处理 图像边缘以外再补上(n-1)/2行或列像素点 邻域处理时的图像边界问题 3.6 平滑空间滤波器 平滑滤波器用于模糊处理和减少噪声。 模糊处理经常用于预处理，例如，在提取大的目标之前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙。 通过线性滤波器和非线性滤波器的模糊处理可以减小噪声。 box filter weighted average 中心像素权重较大，边缘权重较小 3.6.1平滑线性滤波器 所有系数都相等的空间均值滤波器也叫盒滤波器 filter of size m*n (m and n odd) summation of all coefficient of the mask 一幅M*N的图像经过一个m*n的加权平均值滤波器滤波的过程 3.6.1平滑线性滤波器 模板大小对图像平滑的影响 原图 n=3,5,9,15,35 模板尺寸的选择影响图象平滑的效果，尺寸越大，图像越模糊 5x5 模板 9x9 模板 3.6.1平滑线性滤波器 original image result after smoothing with 15x15 averaging mask result of thresholding 平滑掉细节图像，较大物体变的像斑点而易于检测 大尺寸模板可以用来消除一些较小物体。为了对感兴趣的物体得到一个粗略描述而模糊一幅图像 Hubble望远镜拍摄的图片 3.6.2 统计排序滤波器 统计排序滤波器是一种非线性的空间滤波器，他的响应基于图像区域中像素的排序。 50%-〉中值滤波：处理脉冲噪声非常有效，还可以保护边缘。 100%-〉最大值滤波，寻找图像中最大点 0%-〉最小值滤波 中值滤波去除椒盐噪声 原图 3*3均值模板 3*3中值滤波 3.7 锐化空间滤波器 锐化处理的主要目的是突出图像中的细节或者增强被模糊了的细节，这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。 前面讲平滑使用的是邻域平均法，均值处理与积分类似，而锐化处理则可用空间微分来完成。微分算子的响应强度与图像在该点的突变程度有关。这样一来，图像微分增强了边缘和其它突变，削弱了灰度变化缓慢的区域。 图像带 沿图像中心并且包含孤立噪声点的一维水平灰度剖面图 3.7 锐化空间滤波器 图像带 一阶微分 二阶微分 3.7 锐化空间滤波器 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