第四节 图像预处理.pptVIP

* p(s)为均匀分布，故p(s)=常数 * 表4.3.1 L为灰度级数（本例为8） ------------------------- 原始图灰度级 0 1 2 3 4 5 6 7 原始直方图 0.02 0.05 0.09 0.12 0.14 0.2 0.22 0.16 累积直方图gf 0.02 0.07 0.16 0.28 0.42 0.62 0.84 1.0 四舍五入取整 0 0 1 2 3 4 6 7 注：int((L-1)*gf+0.5 确定映射关系 0,1-0 2-1 3-2 4-3 5-4 6-6 7-7 新直方图 0.07 0.09 0.12 0.14 0.2 0 0.22 0.16 * * ？ 0 0 0 0 1 0 0 0 0 * = 图像左移一个像素 原图像 0 0 0 0 0 1 0 0 0 ？ 0 0 0 0 1 0 0 0 0 * = 图像模糊 均值滤波 原图像 0 0 0 0 0 1 0 0 0 1 1 1 1 1 1 1 1 1 原图 叠加均匀分布随机噪声 3×3平滑模板 5×5平滑模板 7×7平滑模板 9×9平滑模板 11×11平滑模板 5×5, ? = 1 0.003 0.013 0.022 0.013 0.003 0.013 0.059 0.097 0.059 0.013 0.022 0.097 0.159 0.097 0.022 0.013 0.059 0.097 0.059 0.013 0.003 0.013 0.022 0.013 0.003 5×5, ? = 1 高斯模板 3×3, ? = 0.5 高斯模板 类似有： 滤除图像中的高频分量 = 30 pixels = 1 pixel = 10 pixels = 5 pixels 二维高斯模板可分解为两个一维的高斯模板相乘 水平高斯模板和垂直高斯模板 original smoothed (5x5) – detail = Let’s add it back: original detail + α sharpened = ？ * = 图像锐化 原图像 1 1 1 1 1 1 1 1 1 0 0 0 0 2 0 0 0 0 - -1 -1 -1 -1 8 -1 -1 -1 -1 0 0 0 0 1 0 0 0 0 + 拉普拉斯模板 原图 + 拉普拉斯模板滤波结果 非线性滤波 选择局部窗口中亮度的中间值代替窗口中心像素 步骤： 将模板中心与图像中某像素位置重合 读取模板下各对应像素的灰度值 将这些灰度值从小到大排成一列 找出这些灰度值里排在中间的一个 将这个中间值赋给对应模板中心位置像素 遍历图像中所有像素 宽度为5的滤波模板 结论: 1、中值滤波可有效消除突变 线性滤波总是响应所有的变化 2、中值滤波具有部分不连续保持特性 线性滤波会产生平滑过渡的效果 中值滤波器比均值滤波器更适合去除加性椒盐噪声 含噪图像 均值滤波结果 中值滤波结果 3x3 5x5 7x7 Gaussian Median 梯度（基于一阶微分） 第四章 图像预处理 设给定平移量(2, 5)，并用2和5作为放缩因子沿X和Y轴进行尺度变换，分别计算对图像点(2,5)先平移变换后尺度变换和先尺度变换后平移变换所得的结果。 平移矩阵 （假定左平移） 尺度变换 图像点 先平移变换后尺度变换 先尺度变换后平移变换 给出实现对一个像素先平移、再旋转、最后尺度变换的变换矩阵。 设用三角形代替下图中的四边形，建立与下式相对应的校正几何形变的空间变换式。 解: 以顶点为对应点，一个对应点可列出2个公式，因此三角形的三个顶点可列出6个公式，最多求解6个几何形变参数，因此空间变换式为： E1(s)和E2(s)为两条灰度变换曲线 (1) 讨论这两条曲线的特点、功能 及适用场合 (2) 设L=8， E1(s)=int[(7s)1/2+0.5]，