06 第八章1 图象增强课件.pptVIP

8 图象增强 ;8.1 引言 ;目前常用的增强技术根据其处理所进行的空间不同，可分为基于图象域的方法和基于变换域的方法两类。 前者直接在图象所在空间进行处理，而后者对图象的处理是通过在图象的变换域而间接进行的。更进一步，前者又可分为两组：基于象素（点）的和基于模板的。在基于象素的处理（也叫点处理）中，增强过程对每个象素的处理与其它象素无关（见点运算）；而模板处理则是指每次处理操作都是基于图象中的某个小区域进行的。 ;空域方法 频域方法;8.2 空间滤波8.2.1 原理和分类 ;空域滤波增强方法;（1）平滑（低通）滤波器：它能减弱或消除傅里叶空间的高频分量，但不影响低频分量。因为高频分量对应图象中的区域边缘、孤立点、噪声等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图象平滑。;图8.1(a)和(b)分别给出2-D平滑滤波器在频域里和在空域里的剖面示意图。由图可见平滑滤波器是低通滤波器。图(c)和(d)分别给出2-D锐化滤波器在频域里和在空域里的剖面示意图。由图可见锐化滤波器是高通滤波器。 ;尽管这些滤波器的剖面形状不同，但在空域实现这些功能的方式是相似的，即都是利用模板卷积，主要步骤为： 1）将模板在图中漫游，并将模板中心与 图中某个象素位置重合； 2）将模板上系数与模板下对应象素相乘； 3）将所有乘积相加； 4）将和（模板的输出响应）赋给图中对 应模板中心位置的象素。 ; 图8.2(a)给出一幅图象的一部分，其中所标为一些象素的灰度值。现设有一个3×3的模板如图(b)所示，模板内所标为模板系数。如将k0所在位置与图中灰度值为s0的象素重合（即将模板中心放在图中(x,y)位置），模板的输出响应R为：R=k0s0+k1s1+……+k8s8 (8.1) ;8.2.2 平滑滤波器 ;图8.3所示窗口分别为3×3、5×5、7×7的线性平滑滤波器的掩模（平滑模板）。图8.4所示分别为用7×7、9×9和11×11三种掩模的滤波效果。图(a)中迭加了均匀分布的随机噪声。 ;(a);8.2.2.2 非线性平滑滤波器 ; 0 1 2 3 4 5 6 7 8 9 10;图8.6 给出用邻域平均和中值滤波处理的结果。原图仍是图8.4(a)。图8.6(a)和(c)分别给出用3×3和5×5模板得到的邻域平均结果，而图 (b)和(d)分别为用3×3和5×5模板进行中值滤波处理得到的结果。 ;8.2.3 锐化滤波器8.2.3.1 线性锐化滤波器;高频增强滤波器在图象处理中同样有重要应用。即把高通滤波的结果加到原图乘以一个系数后的图中去，其结果是原图中的低频信号没有完全除去，高频信号有了一定程度的增加，因而又称为高频提升。;High boost = A×Original – Lowpass = (A-1) ×Original + Highpass (8.3) 如果参数A=0 就还原成高通。如果A0，则部分低频保留而高频得到了加强，图8.8为线性高通滤波与高频增强滤波的比较。图(a)为一幅实验图象，图(b)为对其用线性高通滤波进行处理得到的结果，图(c)为用高频增强滤波器进行处理得到的结果（A=2），图(d)为在此基础上又对灰度值范围进行扩展得到的最终结果。 ;(a);8.2.3.2 非线性锐化滤波器 ;其模（以2为模，对应欧氏距离）为： (8.5) 在实际中为了计算简便，也可不用上述对应欧氏距离的方法组合两个模板的输出。有一种简单的方法是利用城区距离（以1为模），即： (8.6) ; 另一种简单的方法是利用棋盘距离（以?为模），即： (8.7) 注意：上述这些组合的方法本身都是非线性的。 ;8.3 频域增强 ; 在具体的增强应用中，f(x,y)是给定的（所以F(u,v)可利用变换得到），需要确定的是H(u,v)，这样具有所需特性的g(x,y)就可由式算出G(u,v)而得到： g(x,y)=F -1[H(u,v)F(u,v)] (8.9) 根据以上讨论，在频率域中进行增强是相当直观的，其主要步骤有： 1) 计算需增强图的傅里叶变换 2) 将其与一个转移函数相乘 3) 再将结果做傅里叶反变换以得到增强的图 ;常用的频域增强方法有：低通滤波、高通滤波、带通和带阻滤波、同态滤波。 从概念上来说在频域设计滤波器比较直截了当。但由于要经过正、反两次傅里叶变换，计算量较大，还是直接的空间滤波使用广泛。