数字图像处理知识.pptVIP

局部直方图均衡化 (a)原图 (b)整体直方图均衡 (c)局部直方图均衡 (c)图中的每个像素值是其7*7邻域局部直方图均衡映射 函数对该点进行映射后的值。突显了原黑斑中的细节 局部直方图均衡化 SEM(Scanning Electron Microscope) 钨丝缠绕的扫描电镜图像(SEM) 例 3.3.4 用直方图统计量进行图像增强 p(r)是对应灰度值r的归一化的局部直方图分量，S表示某邻域； k?[0,1], M,D是整图的均值,方差 (b) (a) (c) 实验数据： K0=0.4 K1=0.02 K2=0.4 E=4.0 比较原图：虽然亮部不变，只有一些暗部被增强，但也包括一些不该增强的。 本例的思想可以举一反三，用于其它局部增强。 3.5 Basics of Spatial Filtering 掩模/ 模板 掩模下 的子图 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+1; y=1,2,…N-m+1．当m=3时， 卷积： 当m为奇数（2n+1)时： 演示：lectures_2D_3_linear_filtering_1up.pdf 两个平滑滤波器 3.6 Smoothing Spatial Filters 3.6.1 平滑空间滤波器 平均滤波器大小从3、 5、9、15到35的平滑效果 太空望远镜图像 平滑 二值化 3.6.2 Order-Statistics Filter 排序统计量滤波器 +椒盐噪声 均值滤波 中值滤波 Linear filtering (fspecial) in Matlab help？ 3.7 Sharpening Spatial Filters 3.7.1 Foundation 锐化 3.7.2 利用二阶导数作增强——Laplacian算子 用Laplacian算子做增强： 其中： 由（3.7-5a): Unsharp masking high-boost filtering unsharp masking: high-boost filtering: 当用(3.7-5)的g代替fs时： 其中：A=1.0 反锐化 掩膜 高提升滤波 high-boost filtering 示例： 在Matlab中定义特定类型的２维滤波器H = FSPECIAL(TYPE) 类型： 　 average averaging filter disk circular averaging filter gaussian Gaussian lowpass filter laplacian filter approximating the 2-D Laplacian operator log Laplacian of Gaussian filter motion motion filter prewitt Prewitt horizontal edge-emphasizing filter sobel Sobel horizontal edge-emphasizing filter unsharp unsharp contrast enhancement filter 例： I = imread(moon.tif); h = fspecial(laplacian ); I1= imfilter(I,h); h = fspecial(unsharp); % laplacian I2 = imfilter(I,h); figure; subplot(1,3,1),imshow(I), title(Original image); subplot(1,3,2), imshow(I1), title(Laplacian Filtered image); subplot(1,3,3), imshow(I2), title(Unsharp Filtered image); 3.7.3 使用一阶导数做增强——梯度 称为Roberts交叉梯度算子 Sobel算子： Sobel梯度算子用于隐形眼镜的图像 3.8 Combining Spatial Enhancement Methods b=Laplacian(a) c=a+b d=Sobel(a) Digital Image Processing, 3rd