图像增强技术教程.pptVIP

Sobel应用 空间锐化滤波基础 微分的性质： 一阶微分： 二阶微分： 一阶微分会产生较宽的边缘，二阶对细线和孤立点较好，并能保持细节 感兴趣的微分性质：恒定灰度区域（平坦区域），突变的开头和结尾（斜坡起始点/终点）；斜坡处 几类典型边缘处的微分性质 一些结论： 一阶微分处理通常会产生较宽的边缘 二阶微分对细节有较强的响应，如细线和孤立点 一阶微分处理对阶梯状灰度级变化有较强的响应 二阶微分对阶梯状灰度级变化产生双响应 空间滤波基础 在待处理的图象中逐点移动模板 R=w(-1,-1)f(x-1,y-1)+ w(-1,0)f(x-1,y)+ w(-1,1)f(x-1,y+1)+ w(0,-1)f(x,y-1)+ w(0,0)f(x,y)+ w(0,1)f(x,y+1)+ w(1,-1)f(x+1,y-1)+ w(1,0)f(x+1,y)+ w(1,1)f(x+1,y+1) 示意图 1 1 1 1 1 1 1 1 1 线性滤波的通用公式 对于一个尺寸为m*n的模板，假设m = 2a + 1, n = 2b + 1, a,b 为非负整数， 在M*N的图象f上，用m*n大小的滤波器模板进行线性滤波由下式给出： 3*3空间滤波摸板 非线性滤波 同样基于邻域处理，模板移动机理同线性滤波 非线性滤波不能用线性滤波通式表达 程序实现应考虑的问题 模板移出图象边界 应对策略： 限制模板中心点移动范围 边缘处部分滤波 扩大图象 补0或则常值 复制边缘象素 模 板 图像的空间域平滑 任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。本节介绍空间域的几种平滑法。 4.5.1局部平滑法 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。 设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有 式中x,y=0,1,…,N-1； s为（x,y）邻域内像素坐标的集合； M表示集合s内像素的总数。 可见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。 (m-1,n-1) (m-1,n) (m-1,n+1) (m,n-1) (m,n) (m,n+1) (m+1,n-1) (m+1,n) (m+1,n+1) 例如，对图像采用3×3的邻域平均法，对于像素 （m,n)，其邻域像素如下： 则有： 其作用相当于用这样的模板同图像卷积。 设图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高M倍。 这种算法简单，但它的主要缺点是在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。如图4.5.1(c)和(d)。 (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 为克服简单局部平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等，下面简要介绍几种算法。 4.5.2 超限像素平滑法 对邻域平均法稍加改进，可导出超限像素平滑法。它是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g′(x,y)。其表达式为 这算法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊程度也大。 同局部平滑法相比，超限像元平滑法去椒盐噪声效果更好。 两个3*3的平滑滤波器掩模 均值滤波 加权平均 (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) 顶端黑方块大小为3，5，9，15，25，35，45，55个象素，边界相隔25个象素； 底端字母大小在10到24点，增量为2； 顶端字母为60点； 垂线宽5高100，间隔20； 圆直径25，边界相隔15，灰度级从黑到白，20%递增； 噪声矩形50*12