数字图像处理dippresentationchapter3.pptVIP

空间域的图像增强 直方图均衡的表解 例：64×64*23bits灰度图象 n=64×64, 灰度级范围[0，L-1], 输入灰度值为lk ,出现的频数为nk , 归一化灰度值rk =lk/(L-1), 概率p(rk)=nk/n , 累计概率分布Sk=T(rk)=p(r0)+p(r1)+…+p(rk) , 输出灰度值sk=lk’=[Sk*(L-1)], 输入灰度值为lk ,出现的频数为nk ,归一化灰度值rk =lk/(L-1), 概率p(rk)=nk/n ,累计概率分布Sk=T(rk)=p(r0)+p(r1)+…+p(rk) ,输出灰度值sk=lk’=[Sk*(L-1)], 直方图均衡后的灰度级数量(动态范围)并没有减少，减少的是非零频数的灰度级数。 线性滤波的通式（3.5.1） 模板卷积 图象f(x,y) 大小N×N 模板(filter mask, template) T(i, j) m×m 相关： 卷积： 在Matlab中定义特定类型的２维滤波器H = FSPECIAL(TYPE) 类型： 　 average averaging filter disk circular averaging filter gaussian Gaussian lowpass filter laplacian filter approximating the 2-D Laplacian operator log Laplacian of Gaussian filter motion motion filter prewitt Prewitt horizontal edge-emphasizing filter sobel Sobel horizontal edge-emphasizing filter unsharp unsharp contrast enhancement filter 例： I = imread(moon.tif); h = fspecial(laplacian ); I1= imfilter(I,h); h = fspecial(unsharp); % laplacian I2 = imfilter(I,h); figure; subplot(1,3,1),imshow(I), title(Original image); subplot(1,3,2), imshow(I1), title(Laplacian Filtered image); subplot(1,3,3), imshow(I2), title(Unsharp Filtered image); 图像对一阶导数与二阶导数响应的比较 一阶导数通常产生较粗的边缘； 二阶导数对细节有强烈的响应。 一阶导数通常对灰阶阶跃产生强烈的响应; 二阶导数对灰阶阶跃产生双重的响应。 3.4.1 Image Subtraction 原图 | 低4位为零 c图=a图-b图 C图的 直方图均衡 图像相减实例：脑部血管造影 从头顶往下拍的脊椎 3.4.2 Image Averaging b=a+零均值64灰阶标准差的 高斯加性噪声 c、d、e、f分别是 8、16、64、128幅 上述加噪图像b的 平均图像 a原图： 上例中原图a与各幅平均图像c,d,e,f的差异图 3.5 Basics of Spatial Filtering 掩模/ 模板 掩模下 的子图 m*n是滤波器的大小, a=(m-1)/2, b=(n-1)/2 使用时，g(x,y) 要除以比例因子 点(x,y)周围像素的加权和 其中x=1,2,…N-m+1; y=1,2,…N-m+1．当m=3时， 当m为奇数（2n+1)时： 演示：lectures_2D_3_linear_filtering_1up.pdf 两个平滑滤波器 3.6 Smoothing Spatial Filters 3.6.1 平滑空间滤波器 平均滤波器大小从3、 5、9、15到35的平滑效果 太空望远镜图像 平滑 二值化 3.6.2 Order-Statistics Filter 排序统计量滤波器 +椒盐噪声 均值滤波 中值滤波 需要用Photoshop实例演示，Linear filtering in Matlab help？ 3.7 Sharpening Spatial Filters 3.7.1 Foundation 锐化 3.7.2 利用二阶导数作增强——Laplacian算子 用Laplacian算子做增强： 其中： 由（3.7-5a): Unsharp masking hi