DVIP09 图像增强和复原.ppt

第09章 图像增强和复原 Image Enhancement and Restoration 空间域的图像增强 图像增强的首要目的是处理图像，使其比原图像更适合于特定的应用。 技术 ? 面向问题 例如：一种适合增强 X 射线图像的方法，不一定是适合增强由空间探测器发回的火星图像的最好方法。 图像增强的方法分为两大类： 空间域方法：对图像像素直接处理 频域方法：基于图像傅氏变换的处理 许多技术是基于两种方法的结合的。 不存在图像增强的通用理论 为视觉解释而进行处理时，由观察者最后判断特定方法的效果。 图像质量的视觉评价是高度主观的过程，因此，定义一个“理想图像”标准，通过这个标准去比较算法的性能。即便如此，在选择特定的增强算法之前，需要试验和检查误差的允许量。 基于空间滤波的图像增强技术 用空间子图像掩模进行图像增强的方法称为空间滤波处理。 子图像被称为滤波器、掩模、核、模板或窗口。 滤波器子图像中的值是滤波器抽头系数值，即系数矩阵，而不是像素值。 讨论的内容包括 空间滤波基础 平滑空间滤波器 锐化空间滤波器 混合空间增强法 空间滤波基础 滤波器可分为线性空间滤波器/非线性空间滤波器。 考虑低通滤波（LPF）和高通滤波(HPF)。 低通滤波（LPF） 作用：除去/削弱图像的高频分量，也就是图像中尖锐、急剧变换 的细节部分。 效果：模糊（blurring） 高通滤波（HPF） 作用：除去/削弱图像的低频部分，也就是图像中 缓慢变化的部分， 如图像的整体对比度和平均强度。 效果：尖锐化（sharpen） 带通滤波（BPF）：用于图像重建(CH5)，很少用于图像增强。 空间滤波基础 对于 M×N的图像 f，用 m×n大小的滤波器掩模进行线性滤波的表达式由上式给出，输出(响应)为模板系数与模板覆盖区域中对应像素值的乘积之和。为了得到一幅完整的滤波处理的图像，必须对 x=0,1,2…,M 和y=0,1,2,N 依次应用此公式。 空间滤波基础 线性空间滤波 对于上图 3?3 的掩模，图像中任意点的响应为： R=w1z1+ w2z2+……+ w9z9 给定 3?3 掩模系数： w1、 w2、…..、w9 系数对应的灰度级：z1、 z2、…..、z9 掩模中心 z5 的灰度级用 R 代替。 ? 需要建立新的矩阵存贮处理后的图像（不能同址计算） 空间滤波基础 术语： 线性空间滤波处理与频域中卷积处理的概念相似，故常被称作“掩模与图像的卷积”，相应的滤波掩模有时也被称作“卷积模板”、“卷积核”等。 下列公式在图像处理文献中经常出现，请理解其含义。 非线性空间滤波 也是基于邻域处理，掩模滑过一幅图像的机理与线性的一样。 中值/最大值/最小值滤波器 R 取掩模中图像灰度级的中间/最大/最小值 空间滤波基础 问题：当滤波中心靠近图像边界时的情况? 掩模的行或列位于图像平面之外，如何处理这一类问题？ 解决办法 抛弃问题像素 方法：对于 n?n 的方形掩模，将掩模中心的移动范围限制在距离图像边缘不小于 (n-1)/2 个像素处。 缺点：这种做法将使处理后的图像比原图像稍小，但处理后的图像中所有像素点都由整个掩模处理。 举例： 3?3 大小的掩模，512 ?512输入 ? 510 ?510输出 零值填充 方法：在图像边缘以外再补上 (n-1)/2 行和 (n-1)/2 列灰度值为 0 的像素点，或其它常数的灰度值，或者将边缘像素复制补在图像之外，补上的部分经过处理后去除。 缺点：这种方法处理后的图像与原始图像尺寸大小相等，但是补在靠近图像边缘的部分会带来不良影响，例如 0 值填充会产生人为的线或边界，这种影响会随着掩模尺寸的增加而增大。一般的采用边缘像素复制法更好。 举例： 3?3大小的掩模 512 ?512输入?514 ?514处理 ? 512 ?512输出 平滑空间滤波器 平滑滤波器用于模糊处理和减少噪声。 模糊处理常用于预处理 例如：在提取大的目标值前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙。 通过线性滤波器和非线性滤波器的模糊处理可以减少噪声。 平滑线性滤波器 统计排序滤波器（中值滤波器）(非线性) 平滑线性滤波器 平滑线性空间滤波器的输出响应是包含在滤波掩模邻域内像素的简单平均值，是低通滤波器，又称均值滤波器。 原理：用滤波掩模确定的邻域内像素的平均灰度去代 替图像每个像素点的灰度值。 结果：减小了图像灰度的尖锐变化。 应用： 减噪（典型的随机噪声由灰度级的尖锐变化组成）； (由于灰度量级