图像滤波(共74张课件).pptxVIP

图像滤波;第7章图像滤波;第7章图像滤波;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;（2）梯度的幅度用|G［f(x,y)］|表示,并由下式算出:

3Prewitt和Sobel梯度

另外一种处理方法是用原图像的值减去Laplacian算法的计算结果的整数倍，即:

4Laplacian算子

混有椒盐噪宙的IKNOS图像中值滤波后的图像均值滤波后的图像

即将原图像灰度值f(x,y)与滤波结果值g(x,y)之差的绝对值与选定的阈值进行比较，根据比较结果确定像素(x,y)的最后值。

对数字图像来讲，f(x,y)的二阶偏导数可表示为

4Laplacian算子

Laplacian算子检测的是变化率的变化率，是二阶微分。

3Prewitt和Sobel梯度

随着邻域范围的扩大，去噪能力增强的同时模糊程度越加严重。

3Prewitt和Sobel梯度

(f)5×5超限像素平滑(T=48)

(b)加阈值的梯度输出

对随机噪声的抑制能力，中值滤波比平均值滤波要差一些。

Laplacian算子检测的是变化率的变化率，是二阶微分。;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;7.1图像平滑;G[f(x,y)]≈|f(i,j)-f(i+1,j+1)|+|f(i+1,j)-f(i,j+1)|

(b)对(a)加椒盐噪声的图像

模板操作实现了一种邻域运算，即某个像素点的结果不仅和本像素灰度有关，而且和其邻域点的值有关。

外部噪声是指图像处理系统外部产生的噪声，如天体放电干扰、电磁波从电源线窜入系统等产生的噪声。

Sobel梯度是在Prewitt算法的基础上，对4-邻域采用加权方法进行差分，因而对边缘的检测更加精确，常用的模板如下:

式中：T是根据需要指定的一个灰度级，它将明显边缘用一固定的灰度级LG来实现。

常用的邻域有4-邻域和8-邻域。

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。

用大小为3，5，9，15，35的方形均值滤波模板??滑的结果

窗口大小影响着锐化的结果。

平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分使图像边缘突出。

其次，是计算出来的像素值的动态范围问题，对此可简单地将其值置为0或255即可。

卷积是一种用途很广的算法，可用卷积来完成各种处理变换。;7.1图像平滑;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化;7.2图像锐化