像增强2.pptVIP

椒盐噪声示例;高斯噪声示例;均值滤波器滤椒盐噪声的效果;均值滤波器滤高斯噪声的效果;加权均值滤波器的效果(H1);加权均值滤波器的效果（H2）;加权均值滤波器的效果(H3);中值滤波器的效果（椒盐噪声）;中值滤波器的效果（高斯噪声）;中值滤波与均值滤波效果比较 （椒盐噪声）;图像锐化的目的是加强图像中景物的细节边缘和轮廓，使得识别目标更容易。 锐化的作用是使灰度反差增强。从而增强图像中边缘信息，有利于轮廓抽取。因为轮廓或边缘就是图像中灰度变化率最大的地方。因此，为了把轮廓抽取出来，就是要找一种方法把图像的最大灰度变化处找出来。 因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。;图像的景物细节特征； 一阶微分锐化方法； 二阶微分锐化方法； 一阶、二阶微分锐化方法效果比较。;图像细节的灰度变化特性;图像细节的灰度变化微分特性; 梯度算子: 梯度对应的是一阶导数，梯度算子是一阶导数算子。对一个图像f(x,y)函数，在(x,y)处的梯度可定义为梯度算子： 梯度方向:在图像灰度最大变化率上，反映出图像边缘上的灰度变化。定义如下 ;基本思想： 在数学上，图像模糊相当于图像被平均或被积分，而图像锐化相当于图像被微分。微分的作用是求变化率。 梯度算子: 梯度对应的是一阶导数，梯度算子是一阶导数算子。对一个图像f(x,y)函数，在(x,y)处的梯度可定义为梯度算子： ;梯度是一个矢量，其大小和方向为： ;平方和运算及开方运算可用两个分量的绝对值之和表示 ： ;梯度与边缘 梯度值正比于像素之差。对于一幅图像中突出的边缘区，其梯度值较大；在平滑区域梯度值小；对于灰度级为常数的区域，梯度为零。 ; 当梯度计算完之后，可以根据需要生成不同的梯度增强图像。 第一种是使各点的灰度g(x, y)等于该点的梯度幅度，即 g(x, y)=G［f(x, y)］  此法的缺点是增强的图像仅显示灰度变化比较陡的边缘轮廓， 而灰度变化平缓的区域则呈黑色。 ;第二种增强的图像是使 ;第三种增强图像是使 ;第四种增强图像是使 ;第五种增强图像是使 ;一阶微分锐化 —— ??本原理;一阶微分锐化;单方向的一阶锐化 —— 基本原理;水平方向的一阶锐化 —— 基本方法;;垂直方向的一阶锐化 —— 基本方法;;单方向锐化的后处理;方法1：整体加一个正整数，以保证所有的像 素值均为正。 这样做的结果是：可以获得类似浮雕的效果。;水平浮雕效果;垂直浮雕效果;方法2：将所有的像素值取绝对值。 这样做的结果是，可以获得对边缘的有方向提取。;水平边缘的提取效果;垂直边缘的提取效果;如何处理负值？;无方向一阶锐化 —— 问题的提出;无方向一阶锐化 —— 设计思想;无方向一阶锐化 —— Sobel锐化; 是水平模板，对水平边缘响应最大； 是垂直模板，对垂直边缘响应最大。 Sobel算子是边缘检测中最常用的算子之一。 ; Sobel算子不像普通梯度算子那样用两个像素的差值， 这就导致了以下两个优点：  （1） 由于引入了平均因素， 因而对图像中的随机噪声有一定的平滑作用。 （2） 由于它是相隔两行或两列之差分， 故边缘两侧元素得到了增强，边缘显得粗而亮。 ;无方向一阶锐化 —— 交叉微分;交叉锐化效果图例1;交叉锐化效果图例2;交叉锐化与水平锐化的比较;无方向一阶锐化 —— Prewitt锐化算法;Priwitt锐化效果图例;数字图像处理与分析基础;一阶锐化方法的效果比较;一阶锐化 —— 几种方法的效果比较;二阶微分锐化 ——问题的提出;二阶微分锐化 —— 景物细节特征对应关系;二阶微分锐化 —— 景物细节对应关系;2）对于细线形的细节，通过一阶微分的过0点，二阶微分的极小值点均可以检测出来。 ;3）对于渐变的细节，一般情况下很难检测，但二阶微分的信息比一阶微分的信息略多。 ;二阶微分锐化 —— 算法推导;二阶微分锐化 —— Laplacian 算法;第3章;Laplacian锐化效果图例;二阶微分锐化