数字图象处理 Read.ppt

4-5 已知一幅64×64的数字图像，其灰度级有8个，各灰度级出现的 频 数如表a所示。试将此幅图像进行直方图变换，使其变换后的图像具有如表b所示的灰度级分布，并画出变换前后图像的直方图 4-7 试设计一个程序实现n×n的中值滤波器。当模板中心移过图像中每个位置时，设计一种简便的中值更新方法。 0 0 0 0.19 0.25 0.21 0.24 0.11 0 0 0 790 1023 850 985 448 0 1 2 3 4 5 6 7 0.14 0.22 0.26 0.17 0.09 0.06 0.04 0.02 560 920 1046 705 356 267 170 72 0 1 2 3 4 5 6 7 nk/n nk/n g(x,y) nk/n nk f(x,y) 表a 表b 作业 作业 4.5 图像锐化 边缘锐化的原理 图像中景物的边缘或纹理是灰度值发生突变的地方，数字信号处理采用差分或梯度计算来检测边缘。若在原图上（或一定的灰度值上）叠加该检测结果有勾边效果。 边缘锐化的缺点 边缘突出的同时图像中噪声也会被突出。 图像模糊的两种理解 1．平均或积分效应引起——用微分处理；2．模糊可看作图像上高频分量被削弱——高频增强，引入微分： 4.5.1 微分法 注意 噪声亦属高频分量，往往会随高频增强而突出。因此往往需要去噪后再锐化——微分 讨论微分算子 一般情况： 希望求微分算子是各向同性的，即其微分效果不随特征方向不同而不同。 可证明：偏导数的平方和是各向同性的，梯度运算、拉普拉斯运算都符合上述条件。 4.5.1 微分法 x′ y′ y f(x,y) θ 4.5.1 微分法 1．梯度法 4.5.1 微分法 (i,j) (i+1,j) (i,j+1) (i,j) (i+1,j) (i,j+1) (i+1,j+1) 4.5.1 微分法 1．梯度法 4.5.1 微分法 1．梯度法 改进的梯度算法：Δ—阈值 2．拉普拉斯运算法 4.5.1 微分法 -1 -1 4 -1 -1 -1 -1 -1 8 -1 -1 -1 -1 -1 注意: 1) 图像中灰度变化小时，g(x,y)输出小或为负 2）图像中灰度变化大时，g(x,y)的增强可能超出范围，需要变回0～L-1尺度中 4.5.1 微分法 2．拉普拉斯运算法 2 2 2 2 2 2 2 mask 0 -1 0 -1 4 -1 0 -1 0 例: 灰度级为4 2 2 2 4 1 1 1 1 mask 0 -1 0 -1 4 -1 0 -1 0 4.5.1 微分法 2．拉普拉斯运算法 3．Roberts算子 (i,j) (i+1,j) (i,j+1) (i+1,j+1) 4.5.1 微分法 4．高频增强滤波器： 光学操作将聚焦的正像与散焦的负像在底版上叠加，散焦的负像相当于一个模糊掩模。 -1 -1 -1 9 -1 -1 -1 -1 -1 1 -2 -2 5 -2 1 1 -2 1 -2 1 1 6 1 -2 -2 1 -2 4.5.1 微分法 经平滑后的图像（模糊） 原图 5．定向滤波： 沿特定方向增强，有塑像效果 -1 -c -1 1 c 1 -1 -c c 1 -1 1 c 1 1 -1 -1 -c -1 1 1 c -c -1 4.5.1 微分法 频域：G(u,,v)= H(u,v) ·F(u,v) 其中：F(u,v)：原始图象傅立叶频谱 G(u,v)：平滑后图象的傅立叶频谱 H(u,v)：滤波转移函数 H(u,v)函数的定义方法很多，针对具体情况选用不同方法。 FFT H(u,v) IFFT f(x,y) F(u,v) G(u,v) g(x,y) 4.5.2 高通滤波法 图像中的均匀与不均匀反映了频率高低不同 抑制低频（增强高频）—锐化 抑制高频（增强低频）—平滑 滤波传递函数 g(x,y) = h(x,y) * f (x,y) G(u,v) = H(u,v)·F(u,v) 以下讨论考虑对F(u,v)的实部、虚部影响完全相同的滤波转移函数——零相移滤波器 4.5.2 高通滤波法 (1)理想滤波器 D0 4.5.2 高通滤波法 (2) 巴特沃斯滤波器 4.5.2 高通滤波法 (3) 指数滤波器 4.5.2 高通滤波法 (4) 梯形滤波器 D1 D0 H(u,v