数字图像处理第三章空间域的图像增强.ppt

中值滤波不变性示例 (a) 原始图像； (b) 中值滤波输出 作业 作业 图4-21 中值滤波不变性示例 (a) 原始图像； (b) 中值滤波输出 例如，有一序列{0, 3, 4, 0, 7}，重新排序后为{0,0,3,4,7}， 则Med{0,0,3,4,7}=3。此列若用平滑滤波，窗口也是取5，那么平滑滤波输出为（0+3+4+0+7）／5=2.8。? 图4-20使用内含5个像素的窗口对离散阶跃函数、斜坡函数、 脉冲函数以及三角形函数进行中值滤波和平均值滤波的示例。左边一列为原波形，中间为平均值滤波结果，右边为中值滤波结果。可以看出， 中值滤波器不影响阶跃函数和斜坡函数。周期小于m/2（窗口之半）的脉冲受到抑制，另外三角函数的顶部变平。 图4-20 中值滤波和平均值滤波比较 （a） 阶跃；（b）斜坡；（c）单脉冲；（d）双脉冲；（e）三脉冲； （f）三角波 原图 均值滤波结果 中值滤波结果 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 a b c d e f g 在计算机上制作了一组用于平滑实验的图像，如图4-24所示。图(d)和(e)分别是采用3×3窗口算术平均平滑去除噪声后的图像， 图(f)和(g)分别是采用5×5十字中值滤波后的图像。显然， 算术平均平滑对含有高斯噪声的图像有效； 而中值滤波对含有椒盐噪声图像的去噪声效果较好。 3.7图像锐化和边缘检测 为什么要检测边缘？ 3.7图像锐化和边缘检测 图像边缘的产生：物体的边界、表面方向的改变、不同的颜色、光照明暗的变化。 3.7图像锐化和边缘检测 如何判断一个像素是否在边缘上？ 3.7图像锐化和边缘检测 如果把图像看作二维函数，那么边缘就是悬崖峭壁 3.7图像锐化和边缘检测 边缘检测：图像梯度 3.7图像锐化和边缘检测 3.7图像锐化和边缘检测——一阶微分算子 使用差分近似一阶微分算子： 卷积和滤波 滤波：一个电信号中有若干种成分，把其中一部分交流信号过滤掉就叫滤波。 卷积和滤波的区别：卷积是一种数学运算，滤波是一种信号处理的方法。滤波最终是由乘法来实现的。 空间频率主要是指图像的平滑或粗糙程度。一般可认为，高空间频率区域称“粗糙”，即图像的亮度值在小范围内变化很大，而“平滑”区，图像的亮度值变化相对较小，如平滑的水体表面等。 低通滤波主要用于加强图像中的低频成分，减弱高频成分，而高通滤波则正好相反，加强高频细节，减弱低频细节，简单地讲：高通滤波处理过的图像更加“粗糙”。高通滤波顾名思义就是让频率高的通过，使图像具有锐化效果；低通滤波则恰好相反了，它是使低频通过，使图像具有平滑的效果。 相关与卷积 g不变 x固定，a滑动 g按原点坐镜像 图4-17 卷积运算示意图 在模板或卷积的加权运算中，还存在一些具体问题需要解决：首先是图像边界问题，当在图像上移动模板（卷积核）至图像的边界时，在原图像中找不到与卷积核中的加权系数相对应的9个像素，即卷积核悬挂在图像缓冲区的边界上， 这种现象在图像的上下左右四个边界上均会出现。例如，当模板为 设原图像为 经过模板操作后的图像为 “－”表示无法进行模板操作的像素点。 解决这个问题可以采用两种简单方法：一种方法是忽略图像边界数据， 另一种方法是在图像四周复制原图像边界像素的值，从而使卷积核悬挂在图像四周时可以进行正常的计算。实际应用中，多采用第一种方法。 其次，是计算出来的像素值的动态范围问题， 对此可简单地将其值置为0或255即可。 4.4.2 邻域平均法 邻域平均法是一种利用Box模板对图像进行模板操作（卷积运算）的图像平滑方法，所谓Box模板是指模板中所有系数都取相同值的模板， 常用的3×3和5×5模板如下： Box模板对当前像素及其相邻的的像素点都一视同仁，统一进行平均处理， 这样就可以滤去图像中的噪声。例如，用3×3 Box模板对一幅数字图像处理结果，如图4-18所示（图中计算结果按四舍五入进行了调整，对边界像素不进行处理）。 图4-18 3×3Box模板平滑处理示意图 线性滤波的通式（3.5.1） m*n是滤波器的大小, a=(m-1)/2, b=(n-1)/2 使用时，g(x,y) 要除以比例因子 点(x,y)周围像素的加权和 模板卷积 图象f(x,y) 大小N×N 模板(filter mask, template) T(i, j) m×m 相关： 其中x=1,2,…N-m+