04-图像增强-频域滤波PPT.ppt

六、图像的代数运算 图像的代数运算是指对两幅输入图像进行点对点的加、减、 乘、 除四则运算而得到输出图像的运算。如果记输入图像为A(x, y)和B(x, y)，输出图像为C(x, y)，则四种图像代数运算的表达式如下： C(x, y)＝A(x, y)＋B(x, y) C(x, y)＝A(x, y)－B(x, y) C(x, y)＝A(x, y)×B(x, y) C(x, y) ＝ A(x, y)／B(x, y) 图像相加一般用于对同一场景的多幅图像求平均，以便有效地降低加性噪声。 对于经过长距离模拟通信方式传送的图像（如太空航天器传回的星际图像）必须要经过平均去噪的处理。 前提：噪声可以用同一个独立分布的随机模型描述 主要应用： C(x, y)＝A(x, y)＋B(x, y) 去除“叠加性”噪音 生成图象叠加效果 去除“叠加性”噪音 对于原图象f(x,y),有一个噪音图像集 { gi(x,y) } i =1,2,...M 其中：gi(x,y) = f(x,y) + h(x,y)i M个图象的均值定义为： g(x,y) = (g1(x,y)+g２(x,y)+…+ gM(x,y)) /M 当：噪音h(x,y)i为互不相关， 上述图象均值将降低噪音的影响。 生成图像叠加效果 对于两个图象f(x,y)和h(x,y)的均值有： g(x,y) = 〔f(x,y) + h(x,y)〕/2 会得到二次曝光的效果。推广这个公式为： g(x,y) = αf(x,y) + βh(x,y) 其中α+β= 1 我们可以得到各种图象合成的效果，也可以用于两张图片的衔接。 ＋ ＝ 图像相减运算又称为图像差分运算或减影技术，是指对同一景物在不同时间拍摄的图像或同一景物在不同波段的图像进行相减。图像相减常用于去除不需要的叠加性图案或检测同一场景两幅图像之间的变化及运动物体。 C(x, y)＝A(x, y)－B(x, y) 差值图像提供了图像间的差异，能用以指导动态监测、运动目标检测和跟踪、图像背景消除以及目标识别等工作。 去除不需要的叠加性图案 设：背景图象b(x,y)，前景背景混合图象f(x,y) g(x,y) = f(x,y) – b(x,y) g(x,y) 为去除了背景的图象。 一、灰度变换 二、图像空间域平滑 三、图像空间域锐化 四、频率域图像增强 五、图像彩色增强技术 六、图像的代数运算 主 要 内 容 四、频率域图像增强 g ( x , y ) 傅立叶变换 线性滤波 傅立叶反变换 F ( u , v ) G ( u , v ) f ( x , y ) F ( u , v ) G ( u , v ) 4.1 频率域平滑 4.2 频率域锐化 4.3 同态滤波增强 4.1 频率域平滑 图像的平滑除了在空间域中进行外，也可以在频率域中进行。 由于噪声主要集中在高频部分，为去除噪声，改善图像质量．采用低通滤波器来抑制高频部分，然后再进行傅立叶逆变换获滤波图像，就可达到平滑图像的目的。 常用的频率域低通滤波器有以下四种： 1) 理想低通滤波器 2) Butterworth低通滤波器 3) 高斯低通滤波器 4) 梯形低通滤波器 巴特沃思 1) 理想低通滤波器 理想低通滤波器的分析 整个能量的90%被一个半径为D的小圆周包含,大部分尖锐的细节信息都存在于被去掉的10%的能量中。 小的边界和其它尖锐细节信息被包含在频谱的至多0.5%的能量中。 被钝化的图像被一种非常严重的振铃效果——理想低通滤波器的一种特性所影响。 2) Butterworth低通滤波器 Butterworth低通滤波器的分析 连续衰减，而不象理想滤波器那样陡峭和明显的不连续性。 因此采用该滤波器滤波在抑制图像噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生，这是过滤器在低频和高频之间的平滑过渡的结果。 低通滤波是一个以牺牲图像清晰度为代价来减少干扰效果的修饰过程，且计算量大于理想低通滤波器。 BLPF处理过的图像中都没有振铃效果 Butterworth Lowpass Filter 3) 高斯低通滤波器 采用该滤波器滤波在抑制图像噪声的同时，图像边缘的模糊程度比采用Butterworth滤波产生的大些，无明显的振铃效应。 4) 梯形低通滤波器 梯形低通滤波器滤波后的图像有一定的模糊和振铃效应。 4.2 频率域锐化 　图像的边缘、细节主要在高频部分得到反映，而图像的模糊是由于高频成分比较弱产生的。为了消除模糊，突出边缘，可采用高通滤波器让高频成分通过，使低频成