第四讲模版滤波.pptx

图像滤波、边缘提取与平滑;一、图像滤波; 噪声在图像上常表现为一引起较强视觉效果的孤立象素点或象素块。一般，噪声信号与要研究的对象不相关，它以无用的信息形式出现，扰乱图像的可观测信息。 对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减作用于图像象素的真实灰度值上，在图像造成亮、暗点干扰，极大降低了图像质量，影响图像复原、分割、特征提取、图识别等后继工作的进行。;???抑制使图像退化的各种干扰信号、增强图像中的有用信号，以及将观测到的不同图像在同一约束条件下进行校正处理就显得非常重要。;???均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。 线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。。;???;原图;??? 中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值. 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域 。;???;;???边缘检测是图像处理和计算机视觉中的基本问题 边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。这些包括（i）深度上的不连续、ii）表面方向不连续、（iii）物质属性变化和（iv）场景照明变化。 边缘检测是图像处理和计算机视觉中，尤其是特征提取中的一个研究领域。. ;???图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。 有许多方法用于边缘检测，它们的绝大部分可以划分为两类：基于查找一类和基于零穿越的一类。 基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界， 通常是将边界定位在梯度最大的方向。 基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是Laplacian过零点或者非线性差分表示的过零点。 ;???主要用于数字图像的一阶梯度计算和边缘检测。 在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。 ;?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????;?????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????????;??? Gx = (-1)*f(x-1, y-1) + 0*f(x,y-1) + 1*f(x+1,y-1) +(-2)*f(x-1,y) + 0*f(x,y)+2*f(x+1,y) +(-1)*f(x-1,y+1) + 0*f(x,y+1) + 1*f(x+1,y+1) = [f(x+1,y-1)+2*f(x+1,y)+f(x+1,y+1)]-[f(x-1,y-1)+2*f(x-1,y)+f(x-1,y+1)] Gy =1* f(x-1, y-1) + 2*f(x,y-1)+ 1*f(x+1,y-1) +0*f(x-1,y) 0*f(x,y) + 0*f(x+1,y) +(-1)*f(x-1,y+1) + (-2)*f(x,y+1) + (-1)*f(x+1, y+1) = [f(x-1,y-1) + 2f(x,y-1) + f(x+1,y-1)]-[f(x-1, y+1)