第八章影像滤波.pptVIP

f(i, j) －－ 表示(i, j)点的实际灰度值 g(i, j) －－ 变换后输出图像(i, j)点的实际灰度值 以(i, j)点为中心取一个N×N的窗口(N = 3, 5,7,…)，窗口内像素组成的点集以A来表示，经邻域平均法滤波后，像素(i, j)的输出为 邻域平均法在一定程度上抑制噪声，但是邻域平均法的平均作用会引起模糊现象，模糊程度与邻域半径成正比。 邻域平均法 第二十六页，共三十六页，2022年，8月28日 第八章影像滤波 第一页，共三十六页，2022年，8月28日 主要内容 傅立叶变换 空间滤波 频域滤波增强 空间域滤波增强 第二页，共三十六页，2022年，8月28日 傅立叶变换 第三页，共三十六页，2022年，8月28日 傅立叶理论 任何一个连续函数F(x)都可以用一系列不同空间频率的正弦函数项之和来表示 第四页，共三十六页，2022年，8月28日 傅立叶变换定义 定义：令为实变量的连续函数，如果满足下面的狄里赫莱条件： （1）有有限个间断点； （2）有有限个极值点； （3）绝对可积； 则有以下二式成立： 式中x为时域变量，u为频率变量，i为虚数单位 第五页，共三十六页，2022年，8月28日 傅立叶变换定义 函数的傅立叶变换通常是一个复数，它可表示如下 式中： 和 分别是实部和虚部。 如果表示成指数形式则为： 幅度函数被称为的傅立叶谱，而 为相角。傅立叶谱的平方： ，一般称为的能量谱。 第六页，共三十六页，2022年，8月28日 二维傅立叶变换 第七页，共三十六页，2022年，8月28日 离散傅立叶变换 由于遥感图像是由灰度值组成的二维离散数据矩阵，对它进行傅立叶变换就必须知道离散的傅立叶变换。 一维变换如下 第八页，共三十六页，2022年，8月28日 傅立叶变换的应用 影像复原 影像滤波 辐射校正 第九页，共三十六页，2022年，8月28日 空间滤波 第十页，共三十六页，2022年，8月28日 空间信息描述 对于图像中在空间位置上具有一定延伸方向、延伸距离、宽度以及反差等特点的信息可以用以下模式描述： 长距离、宽线条的形迹－－低频率 细小的边界、纹理、断裂－－高频率 介于两者之间的－－中频率 第十一页，共三十六页，2022年，8月28日 空间频率 影像中任一特定部分单位距离内亮度值的变化数量 影像中给定区域内的亮度值变化很少,则称为低频部分 很短距离内,影像亮度值变化剧烈则称为高频细节部分 第十二页，共三十六页，2022年，8月28日 空域与频域 一幅图像中像元的亮度值在空间上的差异与变化，可以看作是复杂的波形，是由具有不同的振幅、频率和相位的许多正弦或余弦波叠合而成。短距离内的亮度变化相当于高频波，而长距离内的变化相当于低频波。 频谱图像是空间图像的离散傅里叶变换，通常为复数值。可以分解为波幅图像和相位图像。空间频率信息的分布是按极坐标表示，任意一点到频谱图像原点的距离代表该点空间频率的高低，而与原点连线的方位角决定线性特征的走向，明暗度表示相应频率上振幅大小 第十三页，共三十六页，2022年，8月28日 空间信息滤波增强 高通滤波－－实现高频信息的增强 低通滤波－－实现低频信息的增强 带通滤波－－增强中间频段的信息 定向滤波－－增强某些方向的形态特征 第十四页，共三十六页，2022年，8月28日 频域滤波 第十五页，共三十六页，2022年，8月28日 低通滤波器 在傅立叶变换域，变换系数反映了图像的某些特征。 频谱的直流低频分量对应于图像的平滑区域，而外界叠加噪声对应于频谱中频率较高的部分等。 构造一个低通滤波器，使低频分量顺利通过而有效地阻止高频分量，即可滤除频域中高频部分的噪声，再经逆变换就可以得到平滑图像。 基本原理 低通滤波器的表达形式 低通滤波用卷积表示为 F(u, v)为含有噪声原图像的傅立叶变换 H(u, v)为低通滤波器的传递函数 G(u, v)为经低通滤波后输出图像的傅立叶变换 第十六页，共三十六页，2022年，8月28日 常用的频率域低通滤波器 理想圆形低通滤波器(ILPF) 圆形低通滤波器作用 D0半径内的频率分量无损通过 园外的频率分量会被滤除 若滤除的高频分量中含有大量的边缘信息，会发生图像边缘模糊现象。 第十七页，共三十六页，2022年，8月28日 巴特沃思低通滤波器(BLPF) n阶巴特沃思低通滤波器的传递函数为： 或者： 没有明显的跳跃 模糊程度减少 和理想圆形低通滤波器相比 尾部含有较多的高频，对噪声的 平滑效果不如ILPF。 第十八页，共三十六页，2022年，8月28日 指数低通滤波器(ELPF) 有更加