数字图像处理 第四章 图像增强与平滑.pptVIP

图像增强处理的方法:空间域法和频率法 空间域法是在原图像上直接进行数据运算，对像素的灰度值进行处理。它又分为两类，一类是对图像作逐点运算，称为点运算；另一类是在与处理像点邻域有关的空间域上进行运算， 称为局部运算。 频域法是在图像的变换域上进行处理， 增强感兴趣的频率分量， 然后进行反变换， 得到增强了的图像。 4.4.1 模板操作和卷积运算 空间域法的局部运算 将原图中的一个像素的灰度值和它周围邻近8个像素的 灰度值相加，然后将求得的平均值作为新图像中该像素的 灰度值。 模板（Template） 将要处理的元素 模板运算的数学含义是卷积运算。 ? 卷积运算示意图 模板运算中的模板 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。 设原图像为 经过模板操作后的图像为 解决方法：忽略图像边界数据； 复制原图像边界像素的值。 4.4.2 邻域平均法 利用Box模板（模板中所有系数都取相同值）对图像进行模板操作（卷积运算）的图像平滑方法。 Box模板对当前像素及其相邻的像素统一进行平均处理， 这样就可以滤去图像中的噪声。 3×3Box模板平滑处理示意图 邻域平均法的数学含义可用下式表示： 式中：x, y = 0, 1, …, N-1；S是以(x, y)为中心的邻域的集合，M是S内的点数。 其主要优点是算法简单，计算速度快， 但会造成图像一定程度上的模糊。 size = 5 For i = Int(size / 2) To ((w - 1) - Int(size / 2)) For j = Int(size / 2) To ((h - 1) - Int(size / 2)) r = 0: g = 0: b = 0 For u = -Int(size / 2) To Int(size / 2) For v = -Int(size / 2) To Int(size / 2) r = r + pic(i + u, j + v, 0) Next v Next u r = r / size ^ 2 Picture2.PSet (i, h - j - 1), RGB(r, r, r) Next j Next i 图像的领域平均法 (a) 原始图像； (b) 邻域平均后的结果 4.4.3 中值滤波 1. 中值滤波原理 中值滤波就是用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。 假设窗口内有五点，其值为80、 90、 200、 110和120， 那么此窗口内各点的中值即为110。 中值滤波既能去除图像中的噪声，又能保持图像中一些物体的边缘。 中值滤波不变性示例 (a) 原始图像； (b) 中值滤波输出 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 4.4.4 其他去噪技术 1. 低通滤波 在频率域中，图像的边缘（或灰度跳跃区或噪声）处于 高频区，低通滤波用于滤掉高频分量，保留低频分量。即使 图像轮廓模糊，可消除部分噪声。 傅里叶逆变换 f(x)*h(x) F(u)H(u) u D 截止频率 H(u) x h(x) 1/10 1/10 1/10 1/10 2/10 1/10 1/10 1/10 1/10 h= 1/16 1/8 1/16 1/8 1/4 1/8 1/16 1/8 1/16 h= hh(0, 0) = 1: hh(0, 1) = 1: hh(0, 2) = 1 hh(1, 0) = 1: hh(1, 1) = 2: hh(1, 2) = 1 hh(2, 0) = 1: hh(2, 1) = 1: hh(2, 2) = 1 For i = 1 To w - 2 For j = 1 To h - 2 r = 0 For u = -1 To 1 For v = -1 To 1 r = r +