[工学]第3章空域图像增强-2.pptVIP

空间域图像增强 第二部分 算术/逻辑操作增强 平滑空间滤波 锐化空间滤波 3.4用算术/逻辑操作增强 图像中的算术/逻辑操作主要以像素对像素为基础在两幅或多幅图像间进行。 逻辑运算：（与、或、非） 算术运算：（加、减、乘、除） 3.4用算术/逻辑操作增强 与和或操作通常用做模板，通过这样的操作从一幅图像中提取子图像） 3.4.1 图像减法处理 两幅图像f(x,y)与h(x,y)的差异表示为g(x,y)=f(x,y)-h(x,y) 掩模式X射线成像 视频监视 ——车流检测 图像减法处理 标定技术 g(x,y)=f(x,y)-h(x,y) 实践中，大多数像素由8位码显示 0=f(x,y)=255，0=h(x,y)=255 - -255=g(x,y)=255 两种方法处理： g(x,y) = (g(x,y)+255)/2 g(x,y) = (g(x,y)-gmin)*255/(gmax-gmin) 将噪声 加入到原始图像 形成带有噪声的图像，即： 假设每个坐标点上的噪声不相关且均值为零。则我们处理的目标就是通过加入一系列噪声图像 来减少噪声。 对k幅不同的噪声图像取平均形成图像 3.5 空间滤波基础 某些邻域处理工作是操作邻域的图像像素值以及相应的与邻域有相同维数的子图像的值。这些子图像可以被称为 滤波器、掩模、核、模板或窗口。 3.5 空间滤波基础 直接对图像像素处理的操作。 该处理就是在待处理图像中逐点地移动掩模。在每一点(x,y)处，滤波器在该点的响应通过事先定义的关系来计算。对于线性空间滤波，其响应由滤波器系数与滤波掩模扫过区域的相应像素值的乘积之和给出。例如一3*3的掩模，该掩模线性滤波的响应R为： 3.5 空间滤波基础 3.5 空间滤波基础 3.5空间滤波基础 3.5 空间滤波基础 线性滤波器处理与频域卷积类似，因此，线性空间滤波处理经常被称为掩模与图像的卷积。 非线性空间滤波处理也是基于邻域处理，且掩模滑过一幅图像的机理与刚刚论述的一样。例如中值滤波。 三种办法（对于n*n)方形模板： 掩模中心点移动范围距离图像边缘不小于（n-1)/2个像素。 图像边缘部分用部分掩模来处理 图像边缘以外再补上（n-1)/2行或列像素点 3.6平滑空间滤波器 平滑滤波器用于模糊处理和减少噪声。 模糊处理经常用于预处理，例如，在提取大的目标之前去除图像中一些琐碎的细节、桥接直线或曲线的缝隙。 通过线性滤波器和非线性滤波器的模糊处理可以减小噪声。 3.6.1平滑线性滤波器模板 3.6.1平滑线性滤波器 filter of size m*n (m and n odd) 模板大小对图像平滑的影响 3.6.1平滑线性滤波器 3.7锐化空间滤波器 锐化处理的主要目的是突出图像中的细节或者增强被模糊了的细节，这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。 前面讲平滑使用的是邻域平均法，均值处理与积分类似，而锐化处理则可用空间微分来完成。微分算子的响应强度与图像在该点的突变程度有关。这样一来，图像微分增强了边缘和其它突变，削弱了灰度变化缓慢的区域。 3.7 锐化空间滤波器 3.7 锐化空间滤波器 拉普拉斯算子 拉普拉斯算子 3.7 锐化空间滤波器 3.7 锐化空间滤波器 3.7 锐化空间滤波器 简化 3.7 锐化空间滤波器 3.7 锐化空间滤波器 3.7 锐化空间滤波器 3.7 锐化空间滤波器 3.7 锐化空间滤波器 3.7 锐化空间滤波器 3.7 锐化空间滤波器 假设一幅图像中，每个坐标点上的噪声不相关且均值为零。在图像平均处理过程中我们对k幅不同的噪声图像取平均形成新的图像来减少噪声。在这一过程中利用了如下的基本原理： 均值： 方差： 试证明均值和方差公式，并说明图像总数K对处理后图像的影响。 答案 证明： 有一数字序列为： （106，114，109，145，177，186，188，182，187） 1）利用一维三点平滑模板(1/3,1/3,1/3)对数据进行平滑。 2）利用一维拉普拉斯算子（1,-2,1）对数据进行锐化。 （边缘处理方式自定义，写出如何定义） 答：边缘处理方式为边缘灰度由相邻灰度（处理过的）替代。 1）平滑后的序列为 （109，109，120，153，169，184，186，186） 2）锐化算子 （-13，-13，41，-4，-23，-7，-28，11，11） 锐化后的序列为 （119，127，68，149，200，193，216，193，198） 扩展方式： 执行离散拉普拉斯变换所用的滤波器掩模 扩展的拉普拉斯掩模，