05_数字图像处理_图像滤波.ppt

图像滤波 图像处理中所用到的图像往往含有噪声，需要用图像滤波的方法去除噪声。 内容框架 像素基础知识介绍 算术和逻辑运算 直方图 直方图均衡算法，用于图像锐化。 图像增强基本方法 空间域 平滑 锐化 频率域 平滑的频率域滤波器 锐化的频率域滤波器 相关代码实现 兴趣实例 像素基础知识介绍 像素的邻域 像素间的邻接，连接和连通 像素间的距离 像素的邻域 邻接和连接 邻接 两个像素点在空间上是否接触。 连接 两个像素点不但要在空间上接触，而且灰度值要满足一定的相似性。 像素集合的邻接和连接 邻接: 如果两个像素集合中部分像素点是邻接的，那么可以认为两个像素集合是邻接的； 连接： 同样的，像素集合连接也要首先保证两个像素集合是邻接的，还要保证邻接像素的灰度值保证一定的相似准则(相似准则：两个像素集合中的某些像素点满足连接要求)。 像素间的距离 像素在空间上的接近程度可以用像素之间的距离来衡量。给定3个像素点p, q, r，坐标分别是： ，距离函数D必须满足的条件： (1) (2) (3) 常用像素距离公式 欧几里德距离 范数距离 棋盘距离 像素间的基本运算 算术运算： 加法： p + q 减法： p - q 乘法： p * q 除法： p / q 逻辑运算 补 与 或 异或 图像间的算术和逻辑运算 在两个像素之间算术和逻辑运算的基础上可以进行两幅图像之间点对点的算术和逻辑运算。 对于图像 和图像 的算术和逻辑运算： 加法： 减法： 乘法： 除法： 与，或，非，异或等逻辑运算也是以相对应的像素点之间的逻辑运算为基础，针对的图像都是二进制的逻辑图像。 图像间的运算——加法的应用 是采集到的图像， 是原始场景图像， 是噪声图像。 图像间的加法运算多用来求采集的多幅相同图像的平均值图像，利用平均值图像滤除噪声。假设有M副图像： 可以证明 M越大，均值图像 越接近 。 图像间的运算——减法的应用 医学图像处理中以消除背景； 运动检测中起很大作用 例如，采集的连续两帧图像，像素点没有变化的地方证明不是运动物体，有变化的说明像素发生了移动。 对时间上相邻的两幅图像求差可以将图像中的目标位置和形状变化突出出来。 直方图 直方图是一个二维坐标系，横轴表示整幅图像上灰度值的变化范围，纵轴表示每个灰度值的统计个数。 直方图能够反映灰度图像的灰度分布特征。 灰度映射(直方图变换) 用直方图变换方法进行图像增强是以概率论为基础的。 常用的方法： 图像均衡化 图像规定化 直方图规定化的增强效果不易控制，应用不是很广泛，这里不做详细介绍。 灰度映射 直方图均衡算法 直方图均衡化主要用于增强动态范围偏小的图像的方差； 基本思想：把原始的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。 算法描述 设像素共分为L级(r = 0,1,2,…L-1)，变换后对应的灰度值记为s； 原始图像的归一化直方图记为：p(r) 图像增强基本方法 空间域 平滑 图像卷积 锐化 图像差分 频率域 平滑的频率域滤波器 锐化的频率域滤波器 空间域的方法比较简单易懂，因此详细介绍；频率域方法则较为简单地介绍。 图像平滑 图像平滑是为了消除图像中的高频分量，同时不影响低频分量； 高频分量对应途中的边缘等灰度值具有较大变化的区域，平滑可以减少这部分起伏； 消除噪声； 在提取较大目标之前，滤除太小细节的影响。 类别： 线性平滑滤波 非线性平滑滤波 线性平滑滤波——邻域平均 邻域平均 每个像素点用它邻域像素的平均值作为平滑结果 3×3模板： 邻域平均，平滑滤波确实会将噪声点减弱，但是同时也是整个图像的跟为模糊，可视的细节逐渐减少，而且运算量也非常大。 有关模板与图像的运算涉及到图像卷积，接下来介绍一下图像卷积的原理。 图像卷积 图像平滑中，有关模板的运算都用到了图像卷积的概念。 卷积模板中的各个位置对应的是权重系数，例如： a1–a9可以根据具体需要来确定数值。 卷积就是将模板的中心a5对应好所处理的当前像素点，系数与图像上的灰度值一一对应相乘，得到的数值作为所处理像素点的新的灰度值。 加权平均 同一尺寸的模板，不同位置的系数不同； 距离模板中心越近的像素点的权重越大，同理越远的越小； 为了减少计算量，将模板系数最小值设为1，其他的按等比数列递增，中心系数最大； 根据高斯分布确定模板系数 高斯函数： 代表邻域像素点距离中心