灰度变换与空间滤波研究.pptVIP

空间滤波 滤波的概念 频域处理 接受（通过）或拒绝一定的频率分量 低通滤波器----接受低通成分，接受高通成分 效果：图像平滑（模糊） 高通滤波器----接受高通成分，拒绝低通成分 效果：图像的细节成分（图像边缘） 空间滤波器：空间掩膜，核，模板，窗口 空间滤波 也称做滤波器(filter)、核(kernel)、模板(template)、窗口(window)。对m×n的掩码（通常要求m,n必须是奇数）： 这里：a=(m-1)/2，b=(n-1)/2。 从滤波器响应的角度讲，上式也可以简写成： 空间滤波器的组成 （1）一个邻域（一般为矩形） （2）对该邻域包围的图像像素所执行的预定义操作 * 空间平滑滤波器 线性平滑滤波器 平滑滤波通常被用作模糊图像和减少噪声。模糊处理通常用在预处理阶段，如在目标抽取前用于移除小的细节，或者把线和曲线间的间隙连接起来。噪声减少可以用可以用线性的或非线性的滤波器来完成。 假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。 从左至右，从上到下分别为500×500象素的原图像，和用大小分别为3、5、9、15和35的矩形平均滤波器模板对原图像平滑的结果。 线性平滑滤波算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。 观察：模板大小与目标尺寸 b)统计排序滤波器 是一种非线性操作，其响应是基于模板所包含图像区域内象素的排序结果来定的，用得最多的是中值滤波器，此外还有最大、最小滤波器等。 中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。 例：采用1×3窗口进行中值滤波（边界对称扩展） 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 2 2 2 2 4 4 4 4 4 优势： 对脉冲干扰及椒盐噪声(salt-and pepper noise)的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。 缺点： 它对点、线等细节较多的图像却不太合适。 图(a)为原图像；图(b)为加椒盐噪声的图像；图(c)和图 (d)分别为3×3、5×5模板进行中值滤波的结果。 可见中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。 优势： 对脉冲干扰及椒盐噪声(salt-and pepper noise)的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。 缺点： 它对点、线等细节较多的图像却不太合适。 空间锐化滤波器 在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。 图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。 一阶导数和二阶导数的特征： 1)在灰度恒定区域，一阶微分和二阶微分值为零；2）在斜坡区域，一阶微分非零，产生更厚的边缘；在斜坡的起点和止点，二阶微分非零，中间过渡区域为零； 3）一阶导数对灰度的阶跃变化响应更强烈，而二阶导数则会在此产生双响应； 4）二阶导数对细的细节，如细线和孤立点的响应更强；5）二阶导数在灰度变化相似时，其对线的响应要强于阶跃变化，对点的响应又强于线。 二阶： 在灰度均匀的区域或斜坡中间▽2f(x，y)为0； 在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲”； 在阶跃处产生由零分开的一个像素宽的双边缘。 强调灰度的突变，而不强调灰度级的缓变 二阶微分增强－Laplacian算子 具有各向同性特征的线性变换算子（线性二阶微分算子）: Laplacian算子（相当于线性高通滤波器） 离散实现（对离散的数字图像而言，二阶偏导数可用二阶差分近似）： 其具有90度旋转不变性，当对角方向的不变性（45度方向）也加上时，即得到如下右图的掩码： 滤波器的各向同性：滤波器的响应与滤波器作用的图像的突变方向无关， 各项同性滤波器是旋转不变的，即将原图像旋转后 进行滤波处理给出的结果与先对图像滤波后再旋转 的结果相同。 Laplacian图像增强算子： 通过把原图像与锐化处理结果相减，可以既保留锐化效果，同时能恢复图像的背景特征。 0 -1