chap07邻域运算.pptVIP

第七章 邻域运算 目录 引言 相关与卷积 均值平滑 中值滤波和极值滤波 边缘检测 作业 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， 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.均值平滑 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。 用途：(1)消除噪音。因为系统中难免有噪音，而噪音常表现为不平滑，即其灰度忽然变大或变小。(2)增强视觉效果。 关于噪声(Noise) 图像噪声按其产生的原因可分为： 外部噪声：是指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声。如天体放电现象等引起的噪声。 内部噪声： 一般可分为下列4种: (1)由光和电的基本性质所引起的噪声。如粒子运动的随机性。 (2)电器的机械运动产生的噪声。如各种接头的抖动引起电流变化，磁头、磁带的振动。 (3)元器件材料本身引起的噪声。如磁盘的表面缺陷，胶片的颗粒性。 (4)系统内部设备电路所引起的噪声。如电源的噪声。 统计学观点： (1)按统计特性分为平稳和非平稳噪声。其统计特性不随时间变化的噪声称为平稳噪声，反之，称为非平稳噪声。 (2)按噪声幅度分布形状而分。成高斯分布的称为高斯噪声。 (3)按噪声和信号之间的关系分为加性噪声和乘性噪声。输出为S(t) +n(t)形式的成为加性噪声，输出为S(t)(1 +n(t))形式的成为乘性噪声。 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。 2.1 邻域均值平均（矩形邻域和圆形邻域） 2.2 高斯均值滤波（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， 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。 均值滤波特点： (1)系数之和等于1。 (2)系数都是正数。 (3)执行速度快。 (4)容易造成图像模糊。实质上在求平均值的过程中，噪声的灰度值也代入了均值中，从而向周围扩散，导致图象模糊，边缘不清晰。 (5)”能量守恒”，即滤波前后图像的亮度不变。 2.3 K近邻均值滤波 改进的其他方法：造成模糊的原因是没有区分背景和目标，将背景象素和目标象素的灰度值相加，从而模糊了目标和背景的边界。 例：[2,2,2,2,10,10,10,10]和T=[1,1,1]/3 得到[2,2,2,5,7,10,10,10] 解决的方案是避免这种情况的发生。考虑，当该点pi是目标点且位于目标和背景的边界上时，该点的邻域中肯定也有目标点pk、pj等，且pi、pk、pj等是灰度接近的，因为灰度接近才算它们属于同一个目标。所以：K个邻点平均法：本来窗口中有N*M个象素，现只用其中的k个象素的灰度平均值代替。 例： (1) [2,2,2,2,10,10,