图像处理第七章邻域运算.docVIP

第七章 邻域运算 目录 引言 平滑 中值滤波 边缘检测 细化 1.引言 邻域运算是指当输出图象中每个象素是由对应的输入象素及其一个邻域内的象素共同决定时的图象运算，通常邻域是远比图象尺寸小的一规则形状，如正方形2x2、3x3、4x4或用来近似表示圆及椭圆等形状的多边形。信号与系统分析中的基本运算相关与卷积，在实际的图象处理中都表现为邻域运算。邻域运算与点运算一起形成了最基本、最重要的图象处理工具。 以围绕模板（filter mask, template）的相关与卷积运算为例，给定图象f(x,y)大小N×N，模板T(i, j)大小m×m（m为奇数），常用的相关运算定义为: 使模板中心T((m-1)/2,(m-1)/2)与f(x,y)对应， 当m=3时， 卷积运算定义为: 当m=3时， 可见，相关运算是将模板当权重矩阵作加权平均，而卷积与相关不同的只是在于需要将模板沿中心反叠（先沿纵轴翻转，再沿横轴翻转；即沿次对角线翻转）后再加权平均。如果模板是对称的，那么相关与卷积运算结果完全相同。实际上常用的模板如平滑模板、边缘检测模板等都是对称的，因而这种邻域运算实际上就是卷积运算，用信号系统分析的观点来说，就是滤波，对应于平滑滤波或称低通滤波、高通滤波等情况。 2.平滑 图象平滑的目的是消除或尽量减少噪声的影响，改善图象质量。在假定加性噪声是随机独立分布的条件下，利用邻域的平均或加权平均可以有效地抑制噪声干扰。图象平滑实际上是低通滤波，让主要是信号的低频部分通过，阻截属于高频部分的噪声信号。显然，在减少随机噪声点影响的同时，由于图象边缘部分也处在高频部分，平滑过程将会导致边缘模糊化。 （1）邻域平均（矩形邻域和圆形邻域） （2）高斯滤波（Gaussian Filters） 高斯函数即正态分布函数常用作加权函数，二维高斯函数如下： 当时，；时， 一般用小于的滤波器，即 当时， 由连续Gaussian分布求离散模板，需采样、量化，并使模板归一化。 　Lenna with noise 　 After Gaussian Filter with =1 　 　 After Gaussian Filter with =3 高斯滤波的matlab代码：Gaussian filter code of matlab（..\..\download_IPCVPR\CS585 Image and Video Computing Home Page.files\gaussian filter code of matlab.htm） 高斯滤波的演示资料参见Canny Edge Detector Demos （..\..\download_IPCVPR\CS585 Image and Video Computing Home Page.files\canny edge detector demo.htm） 3.中值滤波 与加权平均方式的平滑滤波不同，中值滤波是将邻域中的象素按灰度级排序，取其中间值为输出象素。中值滤波的效果依赖于两个要素：邻域的空间范围和中值计算中涉及的象素数（当空间范围较大时，一般只取若干稀疏分布的象素作中值计算）。中值滤波能够在抑制随机噪声的同时不使边缘模糊，因而受到欢迎。 网上资料：平滑（..\..\download_IPCVPR\IPFundamentals\Smoothing Operations.htm） http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip-Smoothin.html 4.边缘检测 边缘是指图象中灰度发生急剧变化的区域。图象灰度的变化情况可以用灰度分布的梯度来反映，给定连续图象f(x,y)，其方向导数在边缘法线方向上取得局部最大值。 边缘检测：求f(x,y)梯度的局部最大值和方向 f(x,y)在θ方向沿r的梯度 的最大值条件是 ，or 梯度最大值 或为了减少计算量而用 梯度算子 Roberts, Sobel, Prewitt Roberts 边缘定位准，对噪声敏感 Prewitt 平均、微分对噪声有抑制作用 Sobel 加权平均边宽2象素 Isotropic Sobel 权值反比于邻点与中心点的距离，检测沿不同方向边缘时梯度幅度一致 　 演示：..\SourceProgramCodes\chapter9\武勃981403\Debug\ViewDIB.exe 　 Lena 　Prewitt edge 　Sobel edge 　 方向算子 二阶算子 Laplacian, LoG 考虑坐标旋转变换，设旋转前坐标为，旋转后为，则有： ， 容易看出，虽然，不是各向同性的，但是它们的平方和是各向同性的。 即 ? 且二阶微分的和也