网络多媒体 杜慧勤-第2章 图像的增强.ppt

二阶微分锐化 从图像的景物细节的灰度分布特性可知，有些灰度变化特性一阶微分的描述不是很明确，为此，采用二阶微分能够更加获得更丰富的景物细节。 二阶微分锐化 —— 景物细节对应关系 1）对于突变形的细节，通过一阶微分的极大值点，二阶微分的过0点均可以检测出来。 二阶微分锐化 —— 景物细节对应关系 2）对于细线形的细节，通过一阶微分的过0点，二阶微分的极小值点均可以检测出来。 * 二阶微分锐化 —— 景物细节对应关系 3）对于渐变的细节，一般情况下很难检测，但二阶微分的信息比一阶微分的信息略多。 拉普拉斯运算也是偏导数运算的线性组合运算。 f(x,y)的拉普拉斯运算定义为： 二阶微分算子 2.4.3 Laplacian算子 为此，拉普拉斯算子 为 可见， 数字图像在（i, j）点的拉普拉斯算子，可以由（i, j）点灰度值减去该点邻域平均灰度值来求得。 0 1 0 1 -4 1 0 1 0 拉普拉斯算子模板 为了改善锐化效果，可以脱离微分的计算原理，在原有的算子基础上，对模板系数进行改变，获得Laplacian变形算子如下所示。 中值滤波的依据：噪声以孤立点的形式出现，这些点对应的像素数很少，而图像则是由像素数较多、面积较大的块构成。中值滤波的目的就是要把这些孤立的点去除掉。 中值滤波方法：选一个含有奇数点的窗口W，将这个窗口在图像上移动，把该窗口中所含的像素点按灰度值进行升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。将原图像中所有的像素点都执行上述操作后就得到中值滤波的结果图像。 2.3.3 中值滤波 例：有一个序列为{0, 3, 4, 0, 7}，当窗口m＝5时试求出采用中值滤波的结果。 解：该序列重新排列后为{0, 0, 3, 4, 7}则中值滤波的结果 M{0,0,3,4,7}=3 图像的平滑除了在空间域中进行外，也可以在频率域中进行。 2.3.4 频率域低通滤波 卷积理论是频率域技术的基础。 设函数f (x, y)与算子h(x, y)的卷积结果是g(x,?y)，即g(x, y) = h(x, y) * f (x, y)，那么根据卷积定理，在频率域有： 其中G(u, v)，H(u, v)，F(u, v)分别是g(x, y)，h(x, y)， f (x, y)的傅立叶(或其它)变换 H(u, v)是传递函数 由于噪声主要集中在高频部分，为去除噪声改善图像质量，可采用低通滤波器H(u,v)，来抑制F(u,v)的高频分量，滤波得到G(u,v)，然后再进行傅立叶反变换获得滤波图像，就可达到平滑图像的目的。 2.3.4 频率域低通滤波 1. 理想低通滤波器（ILPF） 设傅立叶平面上理想低通滤波器离开原点的截止频率为D0，则理想低通滤波器（ILPF）的传递函数为： 含义：以D0为半径的圆内所有频率分量无损的通过，圆外的所有频率分量完全衰减。 由于高频成分包含有大量的边缘信息，因此，采用该滤波器在去噪声的同时将会导致边缘信息损失而使图像边模糊。 2. Butterworth低通滤波器 n阶Butterworth滤波器的传递函数为： 2. Butterworth低通滤波器 它的特性是连续性衰减，而不象理想滤波器那样陡峭变化，即明显的不连续性。因此采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生；但计算量大于理想低通滤波器。 3. 高斯低通滤波器 Gauss滤波器的传递函数为： 高斯低通滤波器的傅立叶反变换也是高斯的，这意味着反变换后高斯滤波器将没有振铃现象产生。 4. 梯形低通滤波器 2.1 引言 2.2 图像的灰度变换 2.3 图像平滑 2.4 图像锐化 2.5 图像的同态滤波 2.6 彩色增强 第2章 图像增强 概述 图像变模糊原因： 成像系统聚焦不好或者信道过窄 平均或积分运算 使目标物轮廓变模糊，细节轮廓不清楚 目的：加重目标物轮廓，使图像变清楚 方法： 空域微（差）分法—模糊图像的实质是受到平均或积分运算，故对其进行逆运算（微分） 频域高通滤波法– 模糊图像的实质是高频分量被减弱 2.4.1一阶微分锐化原理 一阶微分的计算公式非常简单： 离散化之后的差分方程： 考虑到图像边界的拓扑结构性，根据这个原理派生出许多相关的方法。 由梯度的计算可知: 在灰度变化平缓的区域其梯度值较小， 图像中灰度变化较大的边缘区域其梯度值大， 而在灰度均匀区域其梯度值