图像变换的不变性和偏微分方程.ppt

Kramer算子（锐化算子）： 带局部化参数的Kramer算子定义为 其中 微分性质： 其中sgn是符号函数。 Rudin Osher Shock Filter算子（锐化算子）： 令Dh是一个圆心在原点，半径为h的圆盘，Mean表示圆盘中图像灰度的中间值，定义带局部化参数的算子： 微分性质： 可以证明上述三个算子满足对比不变、平移不变和灰度平移不变。 由于medk作为一个单调、平移不变的集合算子，所以T是一个单调的、对比不变的变换，根据定理7 其中B = { B,0∈medk(B) }。所以有： 定理13：medk是图像加权中值滤波器的伴随集合算子。 6.4.2 中值算子的离散算法 已知图像u的分辨率为m×n，u[i,j]（i=1,…m,j=1…n）表示在[i,j]处的灰度值，取结构元素为B，t为参数，V[i,j]表示运算的结果： Median(u,B,t) NB = 结构元素B的像素数目 FOR x0 = 1 to m FOR y0 = 1 to n FOREACH(B中的像素点p) 得到p的坐标(px,py) 将u[x0+px,y0+py]的灰度值存入数组array中 对array进行排序，排在第（NB/2+1）的值med_array 令v[x0,y0]=med_array END FOREACH END END 噪声图像及32：32：224水平线 中值滤波后图像及32：32：224水平线 Matlab源码： Image = imread(lena.bmp); subplot(2,3,1),imshow(Image); I = imnoise(Image,salt pepper,0.05); subplot(2,3,2),imshow(I); L_s_I = Level_Set_Line(I,32,32,256); subplot(2,3,3),imshow(uint8(L_s_I)); M = medfilt2(I,[3,3]); subplot(2,3,5),imshow(M); L_s = Level_Set_Line(M,32,32,256); subplot(2,3,6),imshow(uint8(L_s)); 6.5 欧氏不变的形态学算子 6.5.1 定义和微分性质 记 H[a] = T[x1+ax22](0) 其中T[x1+ax22]表示T(u)，u = x1+ax22。如果T是单调的，那么H也是单调的。定义 Th[x] = h·T[x] = h·H[0] Th[x1+ax22](0) = h·T[x1+h·ax22](0) = h·H[a·h] 用D(0,M)表示圆心在0，半径为M的圆。 定理14：令B 是一族R2有界子集族（ ?B∈B ，B∈D(0,M) ）并且是各向同性的（ ?B∈B ，RB∈D(0,M)，R是一个旋转变换 ）。令 和相关的带参数h的变换 那么，对于任意C2的函数u，有 (Thu)(x) = u(x) + h·T[x](0)·| Du |(x) + O(h2) 证明：由于T( u-u(x) ) = Tu - u(x)，不失一般性，令u(x)=0。因为T是平移不变和旋转不变的，选择图像支撑集W的左下角定位在x，两个轴的方向(i,j)定义为 所以，对y = (y1, y2)，Talyor展开有 u(y) = py1+ O(|y|2) 其中p = |Du|(0)≥0，这是因为 ，u=x1+ax22。从而可以有， 如果y = (y1,y2)∈hD(0,M)，那么 py1 - O(h2) ≤ u(y) ≤ py1+ O(h2) |y|2 ≤|(hM)2| → O(|y2|)≤O(|h2|)M2 ≈O(h2) 根据Th的单调性，又因为?B∈B ,B∈D(0,M)， 故 Thu(0) = Th[py1(0)] + O(h2) 再由前面的定义 Thu(0) = Th[py1(0)] + O(h2) = ph( T[y](0) ) + O(h2) 利用p = | Du(0) |，u(x) = 0 可得结论。