浅谈苗族服饰元素在服装设计教学中的运用.docVIP

浅谈苗族服饰元素在服装设计教学中的运用 6.4线性空域滤波器 线性空域滤波器 与频域滤波器的关系 线性平滑滤波 锐化滤波 6.4.1线性空域滤波器 “空域滤波” f(x,y)为输入图像，h(x,y)为滤波函数 空域滤波基本原理 f(x-1,y-1) f(x-1,y) f(x-1,y+1) f(x,y-1) f(x,y) f(x,y+1) f(x+1,y-1) f(x+1,y) f(x+1,y+1) 图像原点 y x w(-1,-1) w(-1,0) w(-1, 1) w(0,-1) w(0,0) w(0,1) w(1,-1) w(1,0) w(1, 1) （a）模板下的图像像素 （b）模板系数以及与图像像素对应位置关系 图6-32 空域滤波的基本原理 一般形式（式 6-67） 其中 a=(m-1)/2, b=(n-1)/2， x=0,1,2,…,M-1， y=0,1,2,…,N-1， 且一般模板取对称的形式 更一般的形式 图6-33 3??3空域滤波模板更一般的表述形式 w1 w2 w3 w4 w5 w6 w7 w8 w9 一般的文献和图像处理软件中，只给出模板系数的编号 6.4.2与频域滤波器的对应关系 h(x,y) ?? H(u,v) 空域的低通滤波器在频率域仍然是低通滤波器 空域的高通滤波器在频率域仍然是高通滤波器 u (a) H(u) （c）相应的空域通滤波器；(d)空域高斯高通滤波器； (c) x h(x) 图6-34 (a)频域高斯低通滤波器；(b)频域高斯高通滤波器； 6.4.3线性平滑滤波 低通滤波器 邻域平均 邻域平均 1. 2. 3. W(2m+1)??(2n+1)为权矩阵，相近灰度权值大，差值大权值小。 优点：减少边缘模糊并去噪声。 四邻域与八邻域 图6-35 从数字图像中抽取对称邻域 半径=??x= ??y 点+的四邻域 （a） 半径= ??x= ??y 点+的八邻域 （b） 图像处理效果 图6-36 邻域平均法去噪声 （a）原图 （c）3??3邻域平滑 （d）7??7邻域平滑 （b）添加椒盐噪声 典型加权平均算子 （1）中心加权算子 2）中心和四邻点加权算子 模板设计要求：对称、归一化、奇数 变系数——上下文有关算子 （3）按灰度近似程度加权算子 空域平滑滤波器小结 平滑滤波器本质上是一种低通滤波器，模板的所有系数都是正数。 在设计滤波器时通常还要求行列数为奇数，保障中心定位性能。 空域低通滤波的去噪能力与它的模板大小有关，模板越大，去噪声能力越强； 空域低通滤波具有平滑的效果，在去除噪声的同时模糊了图像边缘、细节。 6.4.4锐化滤波（sharpening filter） 消除图像模糊的增强方法称为“图像锐化” 加强图像的目标边界和图像细节 离散空间差分法 J I f(x,y) y 0 0 y 0 x x x y 0 fe(x) P’’ fe(x) 边缘特征： 空域——灰度有较大起落； 频域——高频分量。 边缘点：其两边象素的灰度级有显著的不同，一个在较亮的区域内部，一个在外部，边缘点位于这样的一对邻点之间。 边缘：阶跃边缘、屋顶状边缘（灰度从增加到减少的变化转折点） 梯度算子（gradient） 性质: 1) G[f(x,y)]最大增加率的方向; 2) |G[f(x,y)]|=[(??f/ ??x)2+( ??f/ ??y)2]T 差分代替微分 前向差分定义： ??fi= fi+1 - fi, ??nfi= ??n-1 fi+1 - ??n-1 fi, 后向差分定义： ??fi= fi - fi-1, ??nfi= ??n-1 fi -??n-1 fi-1, ??fi= fi+1/2 - fi-1/2, ??nfi= ??n-1 fi+1/2 -??n-1 fi-1/2, f(x,y) f(x+1,y) f(x+1,y) G[f(x,y)]=[??f/ ??x, ??f/ ??y]T 1、基于一阶微分的算子 梯度定义为 模值和方向分别为： 近似形式 （1） （2） （3） 注：简化后的梯度算子不具有各向同性的性质 （4）Roberts算子 f