图像处理第四章空域增强(下)培训资料.pptVIP

第四章 空域增强（下）;技术分类与实现原理;平滑滤波;平滑滤波去噪;锐化滤波;4.5.1 技术分类和实现原理;主要用于：模糊处理和减小噪声;a;【例】设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有 x,y=0,1,…,M-1； Z为（x,y）邻域内像素坐标的集合； M表示集合z内像素的总数。 →邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。 ;优点：算法简单，计算速度快； 缺点：降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。 ; 线性平滑滤波器－超限像素平滑法(加门限法); 线性平滑滤波器－超限像素平滑法(加门限法);(a)原图像 (b)对(a)加椒盐噪声的图像 (c)3×3邻域平滑 (d) 5×5邻域平滑 (e)3×3超限像素平滑(T=64) (f)5×5超限像素平滑(T=48); 2、加权平均 中心系数大 周围系数小 ;;加权平均;Gaussian filter;Bilateral filter;Bilateral filter;Comparison; 当滤波中心靠近图像边界时，模板的行或列可能会位于图像边界之外，这时需要特殊处理。 (1)将模板中心点的移动范围限制在距离图像边界不小于(n-1)/2个像素处。 （n*n模板） (2)在图像边界外补充零值像素或者将图像边界像素复制到边界外。 (3)图像边界不进行处理。;※ 模板不同，中心点或邻域的重要程度也不相同，因此，应根据问题的需要选取合适的模板。但不管什么样的模板，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。 ;二 非线性平滑滤波器;（1）非线平滑性滤波器－中值滤波器; 中值滤波器的基本原理： 用模板区域内像素的中值，作为结果值 R = mid {zk | k = 1,2,…,nm} 强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）； 中值滤波器是非线性的；;中值滤波器的工作步骤： (1) 将模板在图像中漫游，并将模板中心与图像中某个像素位置重合； (2) 读取模板下各对应像素的灰度值； (3) 将这些灰度值从小到大排成一列； (4) 找出这些值里排在中间的一个； (5) 将这个中间值赋给对应模板中心位置的像素。;中值滤波算法的实现： 将模板区域内的像素排序，求出中值。 例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。 对于同值像素，连续排列。 如（10,15,20,20,20,20,20,25,100）;(a)椒盐噪声污染的电路板X光图像，(b)用3x3均值去除噪声， (c)用3x3中值滤波器去除噪声（去噪效果好且保持住了边缘）;a;均值，中值，最频值;中值滤波器： 主要用途：去除噪声 计算公式：R = mid {zk | k = 1,2,…,n} 最大值滤波器： 主要用途：寻找最亮点 计算公式：R = max {zk | k = 1,2,…,n} 最小值滤波器： 主要用途：寻找最暗点 计算公式：R = min {zk | k = 1,2,…,n};（2）最大值滤波;（3）最小值滤波;锐化空间滤波器;对于一元函数f(x)的一阶微分定义为一个差值：;一、基于一阶微分的图像增强－－梯度法（非线性）;近似算法：;常用梯度算子- Roberts交叉算子;Prewitt 算子（平均差分） ▽ f ≈ |Gx|+|Gy| = |(z7 +z8 + z9) - (z1 + z2 + z3) | +|(z3 +z6 + z9) - (z1 + z4 + z7) |;Sobel梯度算子——3x3的梯度模板 ? f ≈ |Gx|+|Gy| = |(z7 +2z8 + z9) - (z1 + 2z2 + z3) | +|(z3 +2z6 + z9) - (z1 + 2z4 + z7) | 权值2用于通过增加中心点的重要性而实现某种程度的锐化效果;(a)隐形眼镜的光学图像（注意，在边缘处类似时钟4点和5点处的缺陷，(b)Sobel梯度;原图像;原图像经过5×5的均值滤波器进行平滑处理;二、基于二阶微分的图像增强－－拉普拉斯算子;推导离散形式：;1; 将原始图像与拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。 使用拉普拉斯算子对图像增强的基