数字图像处理器.pptVIP

主要功能简介如下： 1、滤波 2、颜色 3、形态学 LOG滤波器原理： 设I(x,y)代表灰度变化，灰度变化剧烈的地方就是阶跃点，而阶跃点的一次微商为极大值，二次微商为零。因此二次微商为零的地方就是图像的边缘所在。 LOG滤波器是高斯(GAUSS)滤波和拉普拉斯(LAPLACIAN)滤波的结合，即先用高斯滤波器进行平滑滤波，以过虑调噪声，再提取边缘,所以效果较好。 实验采取如下图一的灰度图片，图片大小170×375，模板选为5×5，LOG滤波对比如下所示： 图一（原图） 图二（LOG滤波结果） 锐化是通过增强高频分量来减少图象中的模糊，因此又称为高能滤波（high pass filter）。税化处理在增强图象边缘的同进增加了图象了噪声。常用的锐化模板是拉普拉斯模板。 拉普拉斯模板的作法：先将自身与周围的8个象素相减，表示自身与周围象素的差别；再将这个差别加上自身作为新象素的灰度。可见，如果一片暗区出现了一个亮点，那么锐化处理的结果是这个亮点变得更亮，增加了图象的噪声。 因为图象中的边缘就是那些灰度发生跳变的区域，所以锐化模板在边缘检测中很有用。 原图 锐化后的图 锐化结果显示 锐化 先举个例子说明一下什么是平滑(smoothing)，如下面两幅图所示：可以看到，图2比图1柔和一些(也模糊一些)。是不是觉得很 神奇？其实实现起来很简单。我们将原图中的每一点的灰度和它周围八个点的灰度相加，然后除以9，作为新图中对应点的灰度，就能实现上面的效果。 平滑 图1??? 原图 图2???? 经过平滑处理后的图 2 约束方程 从外现图像到内在图像所要做的工作就是解图像辉度约束方程： 即 其中， 为入射光的强度， 为物体表面反射系数 一 原理 1 Shape From Shading 维理解是通过物体表面的明暗度ShadingShading信息的一种表达方法。人们把明暗度分布的图像称分布去提取得到物体外形为外现图像（extrinsic image），把 表达称为内在图像（intrinsic image），表示这是排除了光线的影响后直接反映出物体外形的图像。 3 迭代求解 膨胀(dilation)可以看做是腐蚀的对偶运算，其定义是：把结构元素B平移a后得到Ba，若Ba击中X，我们记下这个a点。所有满足上述条件的a点组成的集合称做X被B膨胀的结果。用公式表示为：D(X)={a | Ba↑X}=X B，如图1所示。图1中X是被处理的对象，B是结构元素，不难知道，对于任意一个在阴影部分的点a，Ba击中X，所以X被B膨胀的结果就是那个阴影部分。阴影部分包括X的所有范围，就象X膨胀了一圈似的，这就是为什么叫膨胀的原因。 图1 膨胀的示意图 五、膨胀（扩张） 同样，如果B不是对称的，X被B膨胀的结果和X被 Bv膨胀的结果不同。让我们来看看实际上是怎样进行膨胀运算的。在图2中，左边是被处理的图象X(二值图象，我们针对的是黑点)，中间是结构元素B。膨胀的方法是，拿B的中心点和X上的点及X周围的点一个一个地对，如果B上有一个点落在X的范围内，则该点就为黑；右边是膨胀后的结果。可以看出，它包括X的所有范围，就象X膨胀了一圈似的。 图2 膨胀的运算 把结构元素B平移a后得到Ba，若Ba包含于X，我们记下这个a点，所有满足上述条件的a点组成的集合称做X被B腐蚀(Erosion)的结果。用公式表示为：E(X)={a| Ba X}=X B，如图3所示。 图3 腐蚀的示意图 六、腐蚀 先腐蚀后膨胀称为开(open)，即OPEN(X)=D(E(X))。 图 5 开运算 七、开 细化(thinning)算法有很多，我们在这里介绍的是一种简单而且效果很好的算法，用它就能够实现从文本抽取骨架的功能。我们的对象是白纸黑字的文本，但在程序中为了处理的方便，还是采用256级灰度图，不过只用到了调色板中0和255两项。 所谓细化，就是从原来的图中去掉一些点，但仍要保持原来的形状。实际上，是保持原图的骨架。所谓骨架，可以理解为图象的中轴，例如一个长方形的骨架是它的长方向上的中轴线；正方形的骨架是它的中心点；圆的骨架是它的圆心，直线的骨架是它自身，孤立点的骨架也是自身。那么怎样判断一