遥感数字图像增强处理.ppt

实际应用中，经常使图像窗口与模板像元的灰度值对应相乘再相加，相加的总和再除以模板内所有值的和作为中心像元新的灰度值。一般，若模板为3×3，新图像比原图像左右各少一列，上下各少一行；若模板为5×5，则各少两行两列，依次类推。为了保持图像大小不变，可在新图像的上、下、左、右各加一行或一列，使所加像元的值与相邻像元相同或全部为0。主要用于对图像进行平滑和锐化处理。5.2.3平滑图像在获取或传输过程中，受传感器和大气等因素的影响会存在噪声。在图像上，这些噪声表现为一些亮点或亮度过大的区域，为了抑制噪声，改善图像质量所做的处理称为图像平滑噪声是各种影响人的视觉器官对图像信息理解或分析的因素，一般噪声是不可预测的随机信号，它只能用概率统计的方法去认识，由于噪声影响图像的输入、采集、处理的各个环节以及输出的全过程，尤其是图像输入、采集的噪声必然影响处理全过程以及最终结果，因此抑制噪声已成为图像处理中的极重要的步骤。图像噪声的分类01内部噪声：系统内部产生。02外部噪声：指图像处理系统外部产生的噪声。如电磁波从电源线窜入系统产生。03噪声特征单波段图像可看作是二维亮度分布，噪声可看作是对亮度的干扰，噪声是随机性的，需用随机过程描述，即要知道其分布函数或密度函数，但在许多情况下这些函数很难测出或描述，甚至不可能得到，常用统计特征来描述噪声，如均值、方差、总功率等。常见噪声01高斯噪声：含有强度服从高斯或正态分布的噪声，噪声的像素值分布可以使用高斯概率密度函数来描述。0均值的高斯噪声指每个像素值中附加了0均值的，具有高斯概率密度的函数值。02椒盐噪声（脉冲噪声）：脉冲噪声随机改变一些像素值，在二值图像上表现为使一些像素点变白，一些像素点变黑。均值平滑是将每个像元在以其为中心的区域内取平均值来代替该像元值，以达到去掉尖锐“噪声”和平滑影像目的的。区域范围取作M×N时，求均值公式为具体计算时常用3×3的模板作卷积运算，其模板为M=N时为了避免中心像元值过高影响平均值升高，在运算时可不取中心值，用周围4个或8个像元进行计算。均值平滑算法简单，计算速度快，但在去掉尖锐噪声的同时造成图像模糊，特别是对图像的边缘和细节削弱很多。而且随着邻域范围的扩大，在去噪能力增强的同时模糊程度严重。5x5模板9x9模板为了保留图像的边缘和细节信息，可对该算法进行改进，引入阈值T，将原图像灰度值f(i,j)和平均值g(i,j)之差的绝对值与选定的阈值进行比较，根据比较结果决定像元（i,j）的最后灰度值g(i,j)。当差小于阈值时取原值；差大于阈值时取均值。其表达式为：中值滤波是将每个像元在以其为中心的邻域内取中间亮度值来代替该像元值，以达到去尖锐“噪声”和平滑影像目的的。具体计算方法与模板卷积方法类似，仍采用活动窗口的扫描方法。取值时，将窗口内所有像元按亮度值的大小排列，取中间值作为中间像元的值。所以M×N取奇数为好。如3X3窗口：从小到大排列，取中间值4276321052334175610432412674466341122333475664324677采用1X3的模板对其做中值滤波，令最左和最右两列保持原值。从中值滤波的结果可以看出，在噪声点10和12被去除的同时，图像中间部分的灰度变化趋势保守。例如：3x3的模板，第5大的是中值，5x5的模板，第13大的是中值，7x7的模板，第25大的是中值，9x9的模板，第41大的是中值。对于同值象素，连续排列。如（10,15,20,20,20,20,20,25,100）一维中值滤波的几个例子，取1×5的模板也可推广到二维，二维中值滤波效果比一维更好。窗口的形状可以线状、方形、十字形、菱形等。中值滤波与均值平滑的目的都是为了去除图像上的尖锐“噪声”，平滑处理图像，但两者之间又有区别，选用哪一种方法要根据图像特点和处理目的来决定。一般来说，影像亮度为阶梯状变化时，取均值平滑比取中值滤波要明显得多，而对于突出亮点的“噪声”干扰，从去“噪声”后对原图的保留程度看取中值要优于取均值。中值滤波后图像保持不变，阶梯保留，而均值平滑后阶梯消失，边缘模糊、灰度值呈渐变趋势。*原图椒盐噪声中值（3*3）平均（3*3）自适应（3*3）高斯噪声中值（3*3）平均（3*3）自适应（3*3）斑点噪声中值（3*3）平均（3*3）自适应（3*3）椒盐噪声原图中值（3*3）中值（5*5）中值（7*7）最大值滤波：

计算公式：R=max{zk|k=1,2,…,9}

主要用途：寻找最亮点logo最小值滤波：