数字图像处理与分析基础.pptVIP

数字图像处理与分析基础 第六章 图像增强技术 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 空域滤波基本原理 一般形式（式 6-67） 空域滤波特点 更一般的形式 6.4.2与频域滤波器的对应关系 6.4.3线性平滑滤波 低通滤波器 邻域平均 邻域平均 四邻域与八邻域 图像处理效果 典型加权平均算子 变系数——上下文有关算子 空域平滑滤波器小结 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 梯度算子（gradient） 1、基于一阶微分的算子 近似形式 （4）Roberts算子 （5）Sobel算子 （6）Prewitt算子 模板形式 处理效果比较 锐化/增强处理 2、二阶微分——Laplacian算子 典型的Laplacian模板 比较一阶微分算子和二阶微分算子去模糊的能力 结论 锐化算子一般形式 Rosenfield非线性门式算子 锐化小结 锐化/空域高通滤波器，具有去模糊、增强图像边缘与细节特性的功能； 空域高通滤波器能实现高频增强的原因是微分运算，离散图像中由差分实现； 一阶微分算子的阶跃边缘检测能力更强； 在细线的增强以及去聚焦模糊等应用中二阶微分算子的效果更好； 空域高通滤波器在增强信号的同时对噪声的放大也很严重，因此要结合平滑滤波设计复合型的算子才能在使用中取得较好的效果。 0 -1 0 -1 4 -1 0 -1 0 -1 -1 -1 -1 8 -1 -1 -1 -1 1 -2 1 -2 4 -2 1 -2 1 阶跃 细线 平坦区 脉冲 斜坡 信号特点 0 -7 7 0 0 1 1 -4 1 1 0 6 -12 6 0 1 0 0 0 二阶微分 0 0 7 0 0 0 -1 -2 2 1 0 0 -6 6 0 0 -1 -1 -1 -1 一阶微分 7 7 7 0 0 0 0 1 3 1 0 0 0 0 6 0 0 0 1 2 3 数字信号 沿着斜坡，一阶微分都不为零，二阶微分的非零值只出现在斜坡的起始处与终点处。斜坡在图像中对应边缘特征，因此一阶微分增强后图像的边缘区较宽，而二阶微分的边缘较细。这一特点使得它在图像的边缘检测算子中得到更多应用。 脉冲对应图像中的椒盐噪声，二阶微分放大噪声的能力很强。 细线对应高斯噪声模糊，二阶微分去模糊能力很强。 一阶微分对阶跃信号响应强烈，且是单响应。 二阶微分对阶跃信号产生双响应。因此二阶微分用于边缘提取时要考虑正负性。 总之在图像增强，如去图像模糊时，二阶微分算子的效果更好一些。一阶微分则在图像边缘提取中更常用。 线性锐化算子的卷积核（模板）中，应该以差分为主 L WL(k) WR(k) 2K 图6-42 Rosenfield 非线性门式算子 数字图像处理与分析基础 * “空域滤波” f(x,y)为输入图像，h(x,y)为滤波函数 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 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 （1）“模板”在不同场合又常被称为“滤波器、掩膜、核、窗口”等，模板中的值是系数值，而不是图像的像素值。 （2）模板的形式并没有必要限制为矩形，矩形只是在数学上易于描述而已。模板也不一定要具有对称的形式，但要求模板中具有奇数个元素。 （3）式（6-67）的表达与以往的卷积定义不同，为了避免卷积计