第8章图像平滑和锐化资料.ppt

3阶巴特沃思低通滤波器转移函数三维图 3阶巴特沃思低通滤波器转移函数剖面图 巴特沃斯低通滤波器的优点是： 一、模糊大大减少。因为包含了许多高频分量； 二、没有振铃现象。因为滤波器是平滑连续的。 clear all; I=imread(lena.bmp); J=imnoise(I,salt pepper,0.02); %给原图像加入椒盐噪声 figure; subplot(121);imshow(J); J=double(J); %采用傅里叶变换 f=fft2(J); %数据矩阵平衡 g=fftshift(f); [m,n]=size(f); N=3; d0=20; n1=floor(m/2);n2=floor(n/2); for i=1:m for j=1:n d=sqrt((i-n1)^2+(j-n2)^2); h=1/(1+(d/d0)^(2*N)); g(i,j)=h*g(i,j); end end g=ifftshift(g); g=uint8(real(ifft2(g))); subplot(122);imshow(g); 3）指数低通滤波器（elpf） 性质：比相应的巴特沃思滤波器要稍微模糊，但没有振铃现象。 高通滤波器法 1）原理 2）理想高通滤波器 3）巴特沃思高通滤波器 4）指数高通滤波器 1 原理 图像锐化处理的目的是使模糊图像变得清晰。 通常图像模糊是由于图像受到平均或积分运算，因此图像锐化采用微分运算。 在频域处理上，即采用高通滤波器法。 注意：进行处理的图像必须有较高的信噪比，否则图像锐化后，图像信噪比会更低。 2 理想高通滤波器 ? 理想高通滤波器的定义 (1) 一个二维的理想高通滤波器（ILPF）的转换函数满足（是一个分段函数） 其中：D0 为截止频率 D(u,v)为距离函数 D(u,v)=(u2+v2)1/2 (2) 理想高通滤波器的截面图 0 D0 D(u,v) H(u,v) 1 H(u,v)作为距离函数D(u,v)的函数的截面图 (3) 理想高通滤波器的三维透视图 H(u,v) H(u,v)作为u、v的函数的三维透视图 1) Butterworth高通滤波器的定义 (1) 一个截止频率在与原点距离为D0的n阶Butterworth高通滤波器（BHPF）的变换函数如下： D0 / D(u,v) 3 Butterworth高通滤波器 (2) Butterworth高通滤波器的截面图 0 2 D(u,v)/D0 H(u,v) 1 H(u,v)作为D(u,v)/D0的函数的截面图 1 3 0.5 (3) Butterworth高通滤波器的三维透视图 H(u,v) H(u,v)作为u、v的函数的三维透视图 u v D0=1, n=2 2) Butterworth高通滤波器截止频率设计 变换函数中不存在一个不连续点作为通过的和被滤波掉的频率的明显划分。 通常把H(u,v)开始小于其最大值（为“1”）的一定比例的点当作其截止频率点。 有两种选择： 选择1：H(u,v) = 0.5 当 D0 = D(u,v)时 选择2： 3) Butterworth高通滤波器的分析 问题：低频成分被严重地消弱了，使图像失去层次。 高通滤波器只记录了图像的变化，而不能保持图像的能量。低频分量大部分被滤除后，虽然图中各区域的边界得到了明显的增强，但图中原来比较平滑区域内部的灰度动态范围被压缩，整幅图像比较昏暗。这在边缘提取中是合适的，但仍不能满足一般的图像增强的要求。 改进措施： 加一个常数到变换函数 H(u,v) + A （A取0→1），这种方法被称为高频强调（增强）。 为了解决变暗的趋势，在变换结果图像上再进行一次直方图均衡化。这种方法被称为后滤波处理。 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 (b)梯度图像直接输出 g(x, y)=G［f(x, y)］ 此法的缺点是增强的图像仅显示灰度变化比较陡的边缘轮廓， 而灰度变化平缓的区域则呈黑色。 Matlab demos -Matlab more examples\superquadrics * clear all; [I,map]=imread(lena.bmp); subplot(231),imshow(I,map);tit