图像预处理课件.pptVIP

高斯平滑滤波器-6 （2）放大，取整 （3）规范化，使权值之和为1 7X7 高斯滤波模板 15X15高斯滤波模板 邻域运算 输出图象中每个象素是由对应的输入象素及其一个邻域内的象素共同决定时的图象运算。 通常邻域是远比图象尺寸小的一规则形状。 如：下面情况中，一个点的邻域定义为以该点为中心的一个圆内部或边界上点的集合。 邻域运算与点运算一起构成最基本、最重要的图象处理工具。 中值滤波器 （1）取邻域 （2）按亮度值大小排列像素点 （3）选排序像素的中间值作为中心点的新值 非线性滤波 中值滤波 中值滤波的原理 用一个N×N的窗口（N=3，5，7…）在图像上滑动，把窗口中像素的灰度值按升/降次序排列，取排列在正中间的灰度值作为窗口中心所在像素的灰度值。 性质 是一种非线性滤波，对消除脉冲噪声十分有效。 在去除噪音的同时，可以比较好地保留边的锐度和图像的细节 中值滤波的原理 用模板区域内象素的中值，作为结果值 R = mid {zk | k = 1,2,…,9} 强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点） 中值滤波 中值滤波算法的实现 将模板区域内的象素排序，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。 对于同值象素，连续排列。 如（10,15,20,20,20,20,20,25,100） 中值滤波 中值滤波 主要用途：钝化图像、去除噪音 计算公式：R = mid {zk | k = 1,2,…,9} 最大值滤波 主要用途：寻找最亮点 计算公式：R = max {zk | k = 1,2,…,9} 最小值滤波 主要用途：寻找最暗点 计算公式：R = min {zk | k = 1,2,…,9} 最大值滤波 最小值滤波 中值滤波消除雀斑 中值滤波消除雀斑 图4-24 噪声平滑实验图像 （a） Lena原图； （b） 高斯噪声； （c） 椒盐噪声； (d) 对(c)平均平滑；  (e) 对(b)平均平滑； (f) 对(b)5×5中值滤波； (g) 对(c)5×5中值滤波 a b c d e f g 边缘保持滤波器 消除噪声，保留边缘 (a) 原始信号 （b）均值滤波，（c）中值滤波． 尖顶边缘滤波示意图 边缘保持滤波器 算法： 对每一个像素点[i,j]取适当大小邻域，分别计算该邻域的四个子区域灰度分布均匀度，然后将均匀度最小的子区域的均值赋予该像素点。 3X3模板 7X7模板 中值 保持边缘 * 笔记： 突出感兴趣特征，为分析和理解服务，属于图像增强 不关心人的视觉感受 提问：有多少人学过图像处理？ 时间： 2分钟 * 笔记： a: 求反；b: 对比度增强； c: 灰度切分； d: 动态范围压缩 提示大家想象相应灰度变换函数的形式 转换： 直接灰度变换的依据不充分，通过直方图实现灰度变换 时间： 4分钟 * 笔记： 结合图示介绍什么是直方图：灰度及其出现次数的函数关系 实质是图像灰度统计分布的一种表示 为实现图像增强提供了手段，首先修改直方图，然后根据直方图的修改实现灰度变换 时间： 3分钟 * 笔记： 试图将灰度分布转化为均匀分布，从而改善对比度 累计分布 缺点：灰度值留有间隙，可以通过将一个灰度值映射为多个灰度值改进，提示大家看书 转换： 下面我们再看一个例子 时间： 5分钟 * 笔记： 什么是线性，加法和乘法运算 什么是空间不变，处理不随位置的改变而改变 引出卷积运算 椒盐噪声、脉冲噪声、高斯噪声 时间： 3分钟 * 1分钟 * 1分钟 * 笔记： 结合图示说明高斯平滑滤波的基本思想，随着距离的增大，对中心像素的影响减小 转换： 下面说明高斯函数的良好特性 时间： 2分钟 * 笔记： 详细阐述上述特性，着眼于对滤波的好处 转换： 下面说明如何设计高斯滤波器 时间： 5分钟 * 笔记： 详细阐述上述特性，着眼于对滤波的好处 转换： 下面说明如何设计高斯滤波器 时间： 5分钟 * 笔记： 分为三步 转换： 时间： 3分钟 * 笔记： 规范化系数 转换： 下面介绍两种常用的高斯模板 时间： 2分钟 * 1分钟 * 详细讲解该过程 优点：简单有效，对脉冲噪声 缺点：不适于细节多的图像 4分钟 * 结合图示说明平滑滤波和中值滤波的不足，引出边缘保持滤波 2分钟 * 均匀度可认为是方差 5分钟 图 像 预 处 理 Image Processing 点运算 点运算主要是针对图像的像素进行加、减、乘、除运算。 能够有效的改进图像的直方图分布。 几何运算 主要包括图像的平移、缩放、旋转、扭曲校正等。 是最常见的图像处理手段。 引言 图像在