图像处理第四章空域增强(下)知识内容.pptVIP

(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） 邻域平均与中值滤波的比较 a b c d e f g 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(b)平均平滑；  (e) 对(c)平均平滑； (f) 对(b)5×5中值滤波； (g) 对(c)5×5中值滤波 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 主要目的：是为了突出图像中的细节或者增强被模糊了的细节。这种模糊不是由于错误的操作，而是特殊的图像获取方法的固有影响。 均值滤波－－积分－－平滑 微分－－锐化 对于一元函数f(x)的一阶微分定义为一个差值： 类似地，用差分定义二阶微分： 一、基于一阶微分的图像增强－－梯度法（非线性） 在图像处理中，一阶微分是通过梯度法来实现的。对于函数f(x,y)，其在(x,y)处的梯度是通过一个二维向量来定义的： 该向量的模值为： 注意：一般将梯度的模值称为梯度。 近似算法： z1 z2 z3 z4 z5 z6 z7 z8 z9 常用梯度算子- Roberts交叉算子 梯度计算由两个模板组成，第一个求得梯度的第一项，第二个求得梯度的第二项，然后求和，得到梯度。 0 1 -1 0 1 0 0 -1 Prewitt 算子（平均差分） ▽ f ≈ |Gx|+|Gy| = |(z7 +z8 + z9) - (z1 + z2 + z3) | +|(z3 +z6 + z9) - (z1 + z4 + z7) | -1 -1 -1 0 0 0 1 1 1 -1 0 1 -1 0 1 -1 0 1 常用梯度算子- Prewitt 算子 第四章 空域增强（下） 4.5 线性滤波 4.6 非线性滤波 4.7 局部增强 平滑滤波去噪 锐化滤波 4.5.1 技术分类和实现原理 在图像空间借助模板进行邻域操作 分类1： (1) 线性：如邻域平均 (2) 非线性：如中值滤波 分类2： (1) 平滑：模糊，消除噪声 (2) 锐化：增强被模糊的细节 主要用于：模糊处理和减小噪声 用于预处理：如去除图像中的琐碎细节、桥接直线或曲线的缝隙 通过滤波器的模糊处理减少噪声 平滑滤波 线性平滑滤波器 非线平滑性滤波器 平滑空间滤波器 1、邻域平均 系数都是正的 保持灰度值范围（所有系数之和为1） 例：3 ? 3 模板 4.5.2 线性平滑滤波器 {图4.5.2} a b c d e f (a)大小为500x500像素的原图像；(b)到(f)用大小为n＝3,5,9,15和35的方形均值滤波处理的结果。 注意： 大的模板用来从图像中去掉小的对象； 模板的大小由那些即将融入背景中去的物体尺寸来决定。 【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) 对邻域平均法稍加改进，可导出超限像素平滑法，目的就是减少邻域平均带来的图象变模糊。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。 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