5第五章空间域图像增强汇编.ppt

第五章 空间域图像增强 5.1 图像增强基础 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 空间域滤波 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： I B C H A D G F E i b c h a d g f e 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,…) 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。 参数说明： 表 5.1 示例： 2.Fspecial创建预定义的二维滤波器 其调用格式如下： h=fspecial(type,parameters) 参数说明： 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。 表 5.2 合法取值 功能描述 ‘average’ 平均模板 ‘disk’ 圆形邻域的平均模板 ‘gaussian’ 高斯模板 ‘laplacian’ 拉普拉斯模板 ‘log’ 高斯-拉普拉斯模板 ‘prewitt’ Prewitt水平边缘检测算子 ‘sobel’ Sobel水平边缘检测算子 5.3 图像平滑 5.3.1 平均模板及其实现 图像平滑是一种可以减少和抑制图像噪声的实用数字图像处理技术。在空间域中一般可采用邻域平均达到平滑的目的。 所谓平均模板就是在模板覆盖下的所有像素点在决定中心点像素值得过程中权重相同，也就是指模板中每个元素的值是一样的。平均模板的一般表达形式为： Matlab示例： 原图像 3X3均值滤波 5X5均值滤波 9X9均值滤波 15X15均值滤波 35X35均值滤波 5.3.2 高斯平滑及其实现 1.理论基础 平均平滑对邻域内的像素一视同仁。为了减少模糊，得到更自然的平滑效果，适当的加大模板中心位置的权重，随着远离中心点权重迅速减小，这样的模板就是高斯模板。任意大小的高斯模板都可以通过建立一个 的矩阵M得到，