教学课件学习课件PPT空间域图像增强培训材料.pptVIP

* * 作业 上机实验： 1、用 matlab实现多幅图像平均去高斯白噪声。 2、用matlab作出图像的直方图。 3、用matlab实现图像的直方图均衡化。 4、用 matlab实现均值滤波去除高斯白噪声. 不能用Imfilter(X,mask)。 5、用 matlab实现中值滤波去除脉冲噪声. 不能用median(a)。 * 四、直方图规定化与直方图均衡化比较 直方图均衡化： 自动增强 效果不易控制 总得到全图增强的结果 直方图规定化： 有选择地增强 须给定需要的直方图 可特定增强的结果 * * * * * * * 3.5 线性滤波 利用象素本身以及其邻域象素的灰度关系进行增强的方法常称为滤波 技术分类和实现原理 模板卷积，邻域操作 线性平滑滤波器 减弱或消除图象中的噪声 （减弱高频分量） * * 一、技术分类和实现原理 在图象空间借助模板进行邻域操作 分类1： (1) 线性：如邻域平均 (2) 非线性：如中值滤波 分类2： (1) 平滑：模糊，消除噪声 (2) 锐化：增强被模糊的细节 * * 滤波器实现 —— 邻域运算： * * 1、邻域平均 系数都是正的 保持灰度值范围（所有系数之和为1） 例：3 ? 3 模板 二、线性平滑滤波器 * * 2、加权平均 中心系数大 周围系数小 * * 几个常用的邻域平均算子 * * 邻域的选择 邻域的大小: 邻域的方向和形状：自适应平滑,方向平滑.如分块处理,沿边缘走向平滑等 一种典型的方向平滑算法: 先判断待处理点是否边缘点.如不是,采用无方向(全向)平滑;如是,判断边缘走向,沿边缘走向平滑 (a) * * 建立五个模板 (b) 采用局部方差 ( )进行边缘点的判断如方差 小于某域值(门限),则点 为非边缘点,可用全向平滑.否则,为边缘点,用方向平滑。 (c) 边缘走向判断---计算上述四方向的局部方差,最小方差指出最可能的边缘走向,用所对应的模板进行平滑。 * * 邻域平均图象平滑例子(高斯噪声) * * 邻域平均图象平滑例子(椒盐噪声) * * 3.6 非线性滤波 逻辑的、几何的、代数的非线性滤波器 基于集合的、基于形状的、基于排序的 非线性平滑滤波器 非线性锐化滤波器 * * 一、非线性平滑滤波器 既消除噪声又保持细节（不模糊） 1、中值（median）滤波器 (1) 将模板中心与象素位置重合 (2) 读取模板下各对应象素的灰度值 (3) 将这些灰度值从小到大排成1列 (4) 找出这些值里排在中间的1个 (5) 将这个中间值赋给模板中心位置象素 * * 2、中值（median）滤波器的模板 中值滤波器的消噪声效果与两个不同的，但又有联系的因素有关。首先是模板的尺寸，其次是参与运算的象素数 图象中尺寸小于模板尺寸一半的过亮或过暗区域将会在滤波后会被消除掉 * * 有效去除脉冲噪声,较好保持图象边缘,但可能会丢失一些图象细节 窗口的选择(一维为例) 形状: 线形,方形,十字形等,具体选择与应用相关 大小: 脉冲干扰连续出现的象素数小于窗口尺寸的一半时,干 扰抑制.太小,平滑效果不好.太大,对信号的信息(如某些灰度跳变的信息)产生抑制. 加权中值滤波(取值加权, 位置重复加权) 位置重复加权： 例 * * 中值滤波图象平滑例(椒盐噪声) * * 中值滤波图象平滑例(高斯噪声) * * * * 3、百分比（percentile）滤波器 中值滤波器是一个特例 最大值 最小值 4、中点滤波器 * * 边缘：细节增强。突出边缘信息：加强轮廓 边缘 边缘模糊 边缘增强 关键：边缘增强的同时可能使噪声增强 二、非线性锐化滤波器 * * 1、非线性锐化滤波器 利用微分可以锐化图象（积分平滑图象） 梯度：对应一阶导数 最常用的微分矢量 （需要用2个模板分别沿 X和 Y 方向计算） * * * * 梯度幅度：反映边缘的强度(该点灰度最大变化率) 梯度相角：指示边缘的走向(边缘