平滑锐化滤波.pptVIP

平滑锐化滤波 答案： 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 2 3 4 5 6 6 6 7 8 中值滤波算法的实现： 将模板区域内的像素排序，求出中值。 例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值. 对于同值像素，连续排列。 如（10,15,20,20,20,20,20,25,100） 椒盐噪声 原图 中值（3*3） 中值（5*5） 中值（7*7） 不同尺寸的中值滤波器的滤波效果 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 平滑锐化滤波 平滑锐化滤波 平滑锐化滤波 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 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 锐化滤波主要应用 增加反差，增强被模糊的细节或边缘 分类1： (1) 平滑：模糊，消除噪声 (2) 锐化：增强被模糊的细节 分类2： (1) 线性：如邻域平均 (2) 非线性：如中值滤波 滤波的实现---模板运算 模板： 尺寸：n*n（n一般为奇数）的小图像 半径: (n-1)/2 例如：3*3，5*5模板 3*3 模板 模板运算主要步骤： (1)将模板在图像中漫游，并将模板中心与图像中的某个像素位置重合； (2)将模板上系数与模板下对应的像素相乘； (3)将所有乘积加起来； (4)将和（模板的输出响应）赋给图像中对应模板中心位置的像素。 4.5.2 线性平滑滤波器 邻域平均 加权平均 系数都是正的 注意：为保证输出还在原来的灰度值范围，在算得R后还要除以系数总和 例：3 ? 3 模板 （1） 邻域平均 此时M=9 模板 原图 滤波后 4-邻域平均 8-邻域平均 其他常用模板： 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 注：图象四周边界一般不处理（不考虑） a b c d e f (a)大小为500x500像素的原图像； (b)到(f)用大小为 n＝3,5,9,15和35的方形均值滤波处理的结果。 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。 邻域平均法的优缺点分析 2、加权平均 4.5.2 线性平滑滤波器 用邻域内灰度值及本点灰度加权值来代替该点灰度值 中心系数大 周围系数小 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 （3）小 结 z1 z2 z3 z4 z5 z6 z7 z8 z9 w1 w2 w3 w4 w5 w6 w7 w8 w9 4.6 非线性滤波 （1）非线性平滑滤波器 （2）非线性锐化滤波器 用模板区域内像素的中值，作为结果值 （1）非线性平滑滤波器－中值滤波器 1-D 中值滤波 2-D 中值滤波 z1 z2 z3 z4 z5 z6 z7 z8 z9 1-D 中值滤波模板 z1 z2 z3 z4 z5 z6 z7 z8 z9 2-D 中值滤波模板 z1 z2 z3 z4 z5 z6 z7 z8 z9 1-D 中值滤波器 1 2 5 3 4 1 2 3 4 5 大小排序，取中值 模板尺寸为M=2*r+1，r为模板半径 M=5的模板： 1 2 3 3 4 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 (1,2,2