第4章 图像增强与平滑 数字图像处理 教学课件.ppt

第二种增强的图像是使 (4-34) 式中：T是一个非负的阈值，适当选取T，即可使明显的边缘轮廓得到突出，又不会破坏原灰度变化比较平缓的背景。 第三种增强图像是使 （4-35） 式中：T是根据需要指定的一个灰度级，它将明显边缘用一固定的灰度级LG来实现。 第四种增强图像是使 （4-36） 此法将背景用一个固定灰度级LG来实现，便于研究边缘灰度的变化。 第五种增强图像是使 （4-37） 此法将背景和边缘用二值图像表示， 便于研究边缘所在位置。 2. Sobel算子 采用梯度微分锐化图像，同时会使噪声、条纹等得到增强， Sobel算子则在一定程度上克服了这个问题。Sobel算子法的基本原理是： 按式(4-38)计算3×3窗口（如图4-30所示）的灰度， 将其作为变换后图像f(i, j)的灰度。 图4-30 Sobel算子图像坐标 (4-38) 式中： 例如，有一序列{0, 3, 4, 0, 7}，重新排序后为{0,0,3,4,7}， 则Med{0,0,3,4,7}=3。此列若用平滑滤波，窗口也是取5，那么平滑滤波输出为（0+3+4+0+7）／5=2.8。? 图4-20使用内含5个像素的窗口对离散阶跃函数、斜坡函数、 脉冲函数以及三角形函数进行中值滤波和平均值滤波的示例。左边一列为原波形，中间为平均值滤波结果，右边为中值滤波结果。可以看出， 中值滤波器不影响阶跃函数和斜坡函数。周期小于m/2（窗口之半）的脉冲受到抑制，另外三角函数的顶部变平。 图4-20 中值滤波和平均值滤波比较 （a） 阶跃；（b）斜坡；（c）单脉冲；（d）双脉冲；（e）三脉冲； （f）三角波 二维中值滤波可由下式表示： 式中：A为窗口； {fij}为二维数据序列。 二维中值滤波的窗口形状和尺寸对滤波效果影响较大，不同的图像内容和不同的应用要求，往往采用不同的窗口形状和尺寸。常用的二维中值滤波窗口有线状、方形、圆形、十字形以及圆环形等。窗口尺寸一般先用3×3，再取5×5逐渐增大， 直到滤波效果满意为止。就一般经验来讲，对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜。对于包含有尖顶物体的图像， 用十字形窗口， 而窗口大小则以不超过图像中最小有效物体的尺寸为宜。如果图像中点、线、尖角细节较多，则不宜采用中值滤波。 2. 中值滤波主要特性 1） 对某些输入信号中值滤波的不变性 对某些特定的输入信号，如在窗口内单调增加或单调减少的序列， 中值滤波输出信号仍保持输入信号不变，即：fi-n≤…≤fi≤…≤fi+n或fi-n≥…≥fi≥…≥fi+n，则 {yi}={fi}。 一维中值滤波这种不变性可以从图4-20中(a)和(b)上看出来。二维中值滤波的不变性如图4-21所示。它不但与输入信号有关， 而且还与窗口形状有关。图4-22给出了几种二维窗口及与之对应的最小尺寸的不变输入图形。一般与窗口对顶角连线垂直的边缘线保持不变性。利用这个特点，可以使中值滤波既能去除图像中的噪声，又能保持图像中一些物体的边缘。 图4-21 中值滤波不变性示例 (a) 原始图像； (b) 中值滤波输出 图4-22 中值滤波几种常用窗口及其相应的不变图形 对于一些周期性的数据序列，中值滤波也存在着不变性。例如，下列一维周期性二值序列 {fi}=…, +1, +1, -1, -1, +1, +1, -1, -1, … 若设窗口长度为9，则中值滤波对此序列保持不变性。对于二维周期序列不变性，如周期网状结构图案，分析起来就更复杂了， 可以通过试验改变窗口形状和尺寸来获取。 2） 中值滤波去噪声性能 对于零均值正态分布的噪声输入， 中值滤波输出的噪声方差σ2med近似为 (4-20) 式中：σ2i为输入噪声功率（方差），m为中值滤波窗口长度（点数）， 为输入噪声均值，  为输入噪声密度函数。 而均值滤波的输出噪声方差σ20为 (4-21) 比较公式(4-20)和(4-21)，可以看出，中值滤波的输出与输入噪声的密度分布有关。对随机噪声的抑制能力，中值滤波比平均值滤波要差一些。但对脉冲干扰， 特别是脉冲宽度小于m／2、相距较远的窄脉冲干扰，中值滤波的效果较好。 3）中值滤波的频谱特性 设G为输入信号频谱，F为输出信号频谱，定义中值滤波的频率响应特性为 (4-22) 试验表明，H与G的关系曲线如图4-23所示。由图可见，中值滤波频谱特性