数字图像处理技术的应用Lesson4.pptVIP

x’ y’ y f(x,y) θ 一、梯度运算 (i,j) (i+1,j) (i,j+1) (i,j) (i+1,j) (i,j+1) (i+1,j+1) 二、拉普拉斯运算 -1 -1 4 -1 -1 -1 -1 -1 8 -1 -1 -1 -1 -1 注意: 1)图像中灰度变化小时，g(x,y)输出小或为负 2）图像中灰度变化大时，g(x,y)的增强可能超出范围，需要变回0～L-1尺度中 2 2 2 2 2 2 2 mask 0 -1 0 -1 4 -1 0 -1 0 Eg: 灰度级为4 2 2 2 4 1 1 1 1 mask 0 -1 0 -1 4 -1 0 -1 0 分析：关心反射信息，但室内外照射分量强度不同，图片明暗不均，能否消除照度不均，而增强反射部分比重。 过程： f(x,y) ln FFT H(u,v) 高频增强 FFT-1 exp g(x,y) f(x,y)=i(x,y)r(x,y) i(x,y)－照射分量,低频区 r(x,y)－反射分量，反映图像的细节分量，处于高频区 Step： （1）z(x,y) = ln [f(x,y)] = ln[I(x,y)] + ln[R(x,y)] 把频谱分开 （2）Z(u,v) = I(u,v) + R(u,v) 傅立叶变换 （3）S(u,v) = H(u,v) · Z(u,v) H(u,v) （同态滤波函数）处理Z(u,v) （4）s(x,y) = F-1[S(u,v)] = i(x,y) + r(x,y) （5）g(x,y) = exp [s(x,y) ]= exp [i(x,y) + r(x,y)]= i0(x,y) · r0 (x,y) 如果图像照明不均，图像上各部分的亮度会有起伏，压缩照度分量的灰度范围或频域上消弱照度分量的频谱分量。因反射分量反映细节，利用对比度增强这一分量的对比度或频域上加大反射频谱成分，使暗区细节增强，并保留亮区图像细节 H(u,v) 高通 同态滤波处理前 同态滤波处理后 （压缩图像的动态范围，增加了图像各部分之间的对比度） 4.1.4 图像间运算 多幅图像间运算 1）两图像相减 2）图像平均（去除噪声） 可证明它们的期望值： 目的：提高信噪比 4.2 空域滤波增强 4.2.1 图像中的噪声 4.2.2 平滑滤波器 4.2.2.1 邻域平均法 4.2.2.2 均值滤波 4.2.2.3 中值滤波 4.2.3 锐化滤波器 功能： 1） 平滑：低通滤波器。 目的 模糊：在提取较大目标前去除太小的细节或将目标 内的小间断连接起来 消除噪声 空域滤波：是在图像空间借助模板进行邻域操作完成 线性、非线性 锐化：高通滤波器：增强被模糊的细节 K4 K3 K2 K5 K0 K1 K6 K7 K8 R 滤波处理方法： 空域：取局部邻域（2M+1）×（2M+1）邻域的加权和－局 域处理 4.2.1 图像中的噪声 目的：减少噪声 1）加性噪声 2）乘性噪声 3）量化噪声 4）盐和胡椒噪声 噪声：独立同分布的高斯白噪声，均值为0，方差 [图像平滑] 图像平滑是在图像噪声模型未知时消除噪声的一种常规办法。 Smoothing 4.2.2 平滑滤波器 4.2.2.1 邻域平均法 0 1 0 1 0 1 0 1 0 1 1 1 1 0 1 1 1 1 mask 消除麻点噪声 1/4 1/8 为减轻经平滑后产生的模糊效应，另一种阈值平均法 Eg： 4.2.2.2 均值滤波 [均值滤波] 实现图像平滑最常见的方法是在像素邻域内求局部均值，称为均值滤波。 3 x 3 均值滤波 O(X, Y) = ( I(X-1, Y-1) + I(X, Y-1) + I(X+1, Y-1) + I(X-1, Y) + I(X, Y) + I(X+1, Y) + I(X-1, Y+1) + I(X, Y+1) + I(X+