4平滑,锐化滤波.pptVIP

回顾： 空域技术分类 点操作：图像间的运算，灰度映射， 直方图变换等 模板操作 4-邻域平均 模板运算例子 已知原图象块f(x,y)（包含点噪声） 用4-邻域平均法处理 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。 邻域越大，在去噪能力增强的同时模糊程度越严重。 4.5.2 线性平滑滤波器 模板运算例子 已知原图象块f(x,y)（包含点噪声） 用加权平均法处理：模板为M1 1-D 中值滤波 1-D 中值滤波模板 2-D 中值滤波模板 1-D 中值滤波器 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 例子：使用3*3的模板对图像进行中值滤波 答案： 最大值滤波器： 主要用途：寻找最亮点 最小值滤波器： 主要用途：寻找最暗点 常用梯度算子- Roberts交叉算子 |▽ f |≈ |Gx|+|Gy| = |(z7 +z8 + z9) - (z1 + z2 + z3) | +|(z3 +z6 + z9) - (z1 + z4 + z7) | |? f |≈ |Gx|+|Gy| = |(z7 +2z8 + z9) - (z1 + 2z2 + z3) | +|(z3 +2z6 + z9) - (z1 + 2z4 + z7) | 总体要求 清楚图像间运算 掌握直接灰度映射原理及分析 重点掌握直方图均衡化和规定化计算 掌握平滑滤波相关原理及计算 清楚锐化滤波原理及计算 作业 1 1 2 2 1 1 9 2 1 10 2 2 1 1 2 2 中值滤波法： 模板： 强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）； 中值滤波器是非线性的； 中值滤波器特点： (a)椒盐噪声污染的电路板X光图像，(b)用3x3均值滤波器去除噪声， (c)用3x3中值滤波器去除噪声 中值滤波器 VS 均值滤波器 中值滤波器：不是简单的平均，产生的模糊比较少。 特点：在去除噪声的同时，可以比较好地保留边缘的锐度和图像的细节。 中值滤波器比均值滤波器效果好 其它滤波器 最大值滤波器 最小值滤波器 ※ 空域平滑滤波器模板的所有系数都是正数，具有平滑的效果，在去除噪声的同时模糊了图像边缘、细节。本质上是一种低通滤波器。 ※ 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。 ※ 空域平滑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； 小 结 4.6.2 锐化滤波器 突出图像中的细节或者增强被模糊了的细节 4.6.2 锐化滤波器 均值滤波－－积分－－平滑 微分－－锐化?? 在离散空间，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： 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。 一、基于一阶微分的图像增强－－梯度法（非线性） 近似算法： 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 0 -1 1 -1 0 0 原图像 |Gx|，x方向上的梯度分量，水平细节非常清楚 |Gy|，y方向上的梯度分量，垂直细节非常清楚 梯度图像|Gx|+|Gy|，水平和垂直细节都非常清楚 0 -1 1 0 -1 0 0 1 Roberts 45度模板的检测结果 Roberts -45度模板的检测结果 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 1 2 1 0 0 0 -1 -2 -1 1 0 -1 2 0 -2 1 0 -1 常用梯度算子- Sobel梯度算子 (a)隐形眼镜的光学图像（注意，在边缘处类似时钟4点和5点处的缺陷，(b)Sobel梯度 * * 滤波——利用像素本身以及其邻域像素的灰度关系进行增强的方法。 平滑（低通）滤波器 锐化（高通）滤波器 它能减弱或消除图像中的高频分量，但不影响低频分量； 它能减弱或消除图像中的低频分量，但不影响高频分量。 空域滤波器 4.5.1 空域滤波技术分类 空域滤波 模板操作 平滑图像，减小噪声 平滑滤波主要应用 去除噪声 锐化