第4、6章节 图像增强.ppt

二值图象平滑概述 二值图象平滑处理实例 图象平滑的电路设计 中值滤波概述 中值滤波计算方法 中值滤波快速算法1 中值滤波快速算法2 中值滤波快速算法3 中值滤波组合1 中值滤波组合2 中值滤波组合3 伪中值滤波1 伪中值滤波2 并行实现原理 并行实现电路 堆栈滤波器 逐位比较中值滤波器 逐位比较修改中值 逐位修改中值流程 中值滤波小结 中值滤波实例 自适应加权平滑优点 指数变换概述 其它灰度变换函数 灰度线性处理实例 灰度非线性处理实例 直方图均衡化概述 直方图均衡化处理算法描述： 直方图均衡化公式 直方图均衡化图示 直方图均衡化计算步骤 直方图均衡化例子 例子的图表示 直方图均衡化实例 直方图规定化处理概述 公式及实现步骤 直方图规定化图表示 直方图背景式规定化处理实例 直方图8灰级规定化实例 伪彩色处理概述 伪彩色处理示意 伪彩色处理用于频率表示 点处理的快速实现 图象平滑概述 局部平均概述 局部平滑的降噪能力分析 局部平滑的几种模板 局部平滑例子 平滑后绝对差分析 平滑频域分析1 平滑频域分析2 局部平滑频分析3 门限去噪概述 多帧平均法概述 首先判断局部处理窗口是否存在边缘，定义窗口中心像素与邻域内其它点之间的梯度的绝对值的倒数定义为权值，则物体区域内部象素权值大，而处于边缘附近的象素点权较小。 定义f(x,y)在n×n邻域内的梯度倒数g（x，y；I，j）： 自适应平滑公式: 原 图 自适应加权平滑 处理后图 §3边缘增强 ? (Image Sharpening/Edge Enhancement) ? 图象边缘是图象的基本特征之一，它包含对人类视觉和机器识别有价值的物体图象边缘信息。边缘是图象中特性（如象素灰度、纹理等）分布的不连续处，图象周围特性有阶跃变化或屋脊状变化的那些象素集合。图象边缘存在于目标与背景、目标与目标、基元与基元的边界，它标示出目标物体或基元的实际含量，是图象识别信息最集中的地方。 边缘增强是要突出图象边缘，抑制图象中非边缘信息，使图象轮廓更加清晰。由于边缘占据图象的高频成分，所以边缘增强通常属于高通滤波。 ? 3.1线性滤波方法 ? 如前所述,图象锐化是要增强图象频谱中的高频部分，就相当于从原图象中减去它的低频分量，即原始图象经平滑处理后所得的图象。选择不同的平滑方法，会有不同的图象锐化结果。 或 g（x，y）是输出图象。 当K=1时，上式： 平滑窗口 图象锐化模板 这个图象锐化算子的传递函数为： 令Wu=0,则 相当于高通滤波器，其传递 函数幅值示意图如右：h  w 其它图象锐化模板 原 图 用模板 进行边缘增强的处理后图 3.2梯度增强 ?对于图象灰度特性，边缘是灰度梯度较大的地方。定义 图象f（x，y）的梯度为 。对于离散图像有 梯度定义可简化为 或简化为 梯度计算的另一种近似表达式为Roberts梯度算子，其定义为： 3.3 Laplacian算子 ? 拉普拉斯算子定义图象f（x，y）梯度为： 对于离散图象： ? 相当于原图象与模板 卷积 。 Laplacian算子边缘的方向信息被丢失，对孤立噪声点的响应是阶跃边缘的四倍，对单象素线条的响应是阶跃边缘的二倍，对线端和斜向边缘的响应大于垂直或水平边缘的响应。 原 图 Laplacian算子 处理后图 3.4 Sobel算子 Sobel相当于先对图象进行加权平均在做差分, 对于图象的3×3窗口 ,设 则定义sobel算子为: