《宋怀波第10讲：图像增强》由会员分享，可在线阅读，更多相关《宋怀波第10讲：图像增强（82页珍藏版）》请在金锄头文库上搜索。
1、4.4.1 邻域平均法4.4.2 中值滤波4.4.3 多图像平均法4.4.4 频域低通滤波法4.4 图像平滑 Date14.4.1 邻域平均法邻域平均法的思想:用像素及其指定邻域内像素的平均值或加权平均值 作为该像素的新值，以便去除突变的像素点。通常模板权值之和为1，结果仍0-255范围Date24.4.1 邻域平均法常用的33和55 Box模板（指模板中所有系数都取相 同值的模板）如下：Date34.4.1 邻域平均法如用33的模板：12143122345768957688567891214312234576895768856789344456678边缘区域无法处理！Date44.4.1 邻
2、域平均法邻域平均法的主要特点：1. 算法简单，但它在降低噪声的同时使图像产生模糊 ，特别是在边缘和细节处。2. 模板尺寸越大，则图像模糊程度越大。3. 由于邻域平均法取邻域平均值，因而噪声也被平均 到平滑图像中，对椒盐噪声的平滑效果并不理想。 Date54.4.2 中值滤波v中值滤波中值滤波与均值滤波的区别：中值滤波是求局部中值而不是局部均值，即对参与 计算的像素灰度值按大小排序，然后取位置居中的像 素灰度值。目的：在去除噪声的同时不破坏细节Date64.4.2 中值滤波Date74.4.1 邻域平均法4.4.2 中值滤波4.4.3 多图像平均法4.4.4 频域低通滤波法4.4 图像平滑 Da
3、te84.4.4 频域低通滤波法v卷积定理：v增强图像：v步 骤：(1)计算图像的变换(2)在频域滤波(3)反变换回图像空间v频域滤波: 低通，高通，同态Date92低通滤波（1）理想低通滤波器 ILPF ( Ideal Low Pass Filter) Date10例4.1: 理想低通滤波器半径分别为5，11，45和68，能量分别为90，95，99和99.5 Date111、理想低通滤波器问题：（1）模糊；（2） “振铃”现像：在2-D图像上表现为一系 列同心圆环; 圆环半径反比于截断频率；（3）物理上无法实现。Date12振铃现象 (a)半径为5的频率域ILPF (b)相应的空间滤波器 (
4、c)空间域中的5个脉冲模拟5 个像素 (d)空间域(b)和(c)的卷积Date13理想低通滤波器半径分别为5,15， 30, 80和230能量分别为92， 94.6，96.4, 98%和99.5Date14（2）巴特沃思低通滤波器BLPF（Butterworth）n=1n=3物理上可实现,有效减少 振铃效应，高低频率间 的过渡比较光滑Date152、巴特沃斯低通滤波器图像由于量化不足产生虚假轮廓时常可用低通 滤波进行平滑以改进图像质量Date16例 BLPF半径分别 为5, 15， 30, 80和 230Date172、巴特沃斯低通滤波器阶数对振铃现象的影响：阶数越高，振铃现象越明显阶数分别为
5、阶数分别为1, 21, 2，5 5和和2020 Date18（3）指数低通滤波器n=1n=3Date19（4）梯形低通滤波器Date20四种低通滤波器的性能比较类别振铃程度图像模糊程度噪声平滑效果ILPFTLPFELPFBLPF严重 较轻 无 无严重 轻 较轻 很轻最好 好 一般 一般Date21v其它例子：字符识别前的增强处理Date22v其它例子：人脸皱纹处理Date234.5 图像锐化4.5.1 微分法 4.5.2 高通滤波法Date24v边缘锐化（Sharpening）补偿图像的轮廓，突出图像中景物的边缘或纹理， 使图像清晰空域高通滤波（俗称勾边处理）。4.5 图像锐化Date254.
6、5 图像锐化v为什么需要锐化1. 图像传输变换（未聚焦好）、各种干扰使图像模糊 2. 图像的判读和识别中，常需突出目标的轮廓或边缘信息v图像模糊的原因：图像被平均或积分 v为实现图像锐化，需反运算“微分”增强高频 分量，使图像边缘清晰，但同时也增强了噪声v条件比原图像有较高的SNRDate264.5 图像锐化v边缘锐化的原理边缘或纹理是灰度值发生突变的地方，数字信 号处理采用差分或梯度计算来检测边缘。在原 图上叠加该检测结果有勾边效果。v边缘锐化的缺点边缘突出的同时图像中噪声也会被突出。Date27T图像模糊的两种理解1平均或积分效应引起用微分处理；2高频分量被削弱高频增强，引入微分：4.5
7、图像锐化T注意噪声亦属高频分量，往往会随高频增强而突出。因此往往需要 去噪后再锐化 Date284.5 图像锐化v边缘是什么？图像中灰度局部不连续的部分。边缘本质上意味着一个区域的结束和另一个区域的开始具有方向和幅度两个特性v沿边缘走向的像素灰度变化平缓v垂直边缘走向的像素灰度变化剧烈边缘的描述v边缘点v边缘方向和法线方向 v边缘位置v边缘强度：法线方向灰度变化强度的度量Date294.5 图像锐化v锐化的作用增强图像中目标的边缘目的v突出目标边缘细节，改善图像质量 v 便于对图像中目标的分割及目标区域识别Date304.5 图像锐化阶跃型 凸缘型 房顶型Date312拉普拉斯运算法4.5.1
8、 微分法*Date32-1-1 4 -1 -1-1 -1-1 8 -1-1-1 -1 -14.5.1 微分法2拉普拉斯运算法Date333Roberts算子(i,j)(i+1,j)(i,j+1)(i+1,j+1)4.5.1 微分法Date34原图T=0.12（Roberts）T=0.04（Roberts）T=0.08（Roberts）Date354高频增强滤波器：-1 -1-1 9 -1-1-1 -1 -11 -2-2 5 -211 -2 1-2 11 6 1-2-21-24.5.1 微分法经平滑后的图像（模糊） 原图Date365定向滤波：沿特定方向增强，有塑像效果-1 -c -11 c 1
9、-1 -cc1-11c 11 -1 -1 -c-11 1c-c -14.5.1 微分法Date376. Prewitt算子Prewitt算子通过计算33邻域内的三行的中心差分 的均值来估计水平梯度，以三列的中心差分的均值来 估计垂直梯度。由于引入了平均因素，使得它对噪声 有一定的抑制作用。 中心差分：H1H2Date387. Sobel算子与Prewitt算子类似，只是它对离邻域中心最近的像 素进行了加权，其权值是其它像素的两倍。H1H2归一化Date394.5.1 微分法 例：比较Roberts算子Sobel算子高斯-拉普 拉斯算子Date40(a)原图 (b) USM处理（PS） (c)微
10、分处理 (d) 提亮边缘(d)(a)(b)(c)Date41(a)原图 (b) USM处理 (c)微分处理 (d) 提亮边缘(d)(a)(b)(c)Date42（a）原图 （b）拉氏算子锐化 （c）a+b （d）sobel算子锐化Date43相关的MatLab函数v锐化 卷积核：h=fspecial(type) Type取值sobel、 laplacian等， 但没有Roberts 卷积：J=filter2(h,I) 例子： I=imread(rice.tif); h=fspecial(sobel); J=filter2(h,I); h1=fspecial(laplacian); J1=fil
11、ter2(h1,I); subplot(3,1,1),imshow(I); subplot(3,1,2),imshow(J,); subplot(3,1,3),imshow(J1,);Date44相关的MatLab函数v边缘检测J=edge(I, type)vType取roberts、sobel、log等 例子： I=imread(rice.tif); J1=edge(I,roberts); J2=edge(I,sobel); J3=edge(I,log); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(J1); subplot(2,2,3),
12、imshow(J2); subplot(2,2,4),imshow(J3);Date45相关的MatLab函数v边缘检测 canny法*v比较新的边缘检测算子，具有良好的边缘检测性能 v I=imread(rice.tif); J4=edge(I, canny); imshow(J4);Date464.5.2 非锐化滤波与高频增强滤波 非锐化滤波，是指从原始图像中减去原始图像的一个非锐 化的或者说平滑的图像，从而达到增强边缘等细节的目的。 如果将原始图像乘以一个比例系数A，它的一个高通图像 也乘上一个比例系数K，两者相加得到一个增强图像，就称该 过程为高增强滤波。 当A=1，K=1，使用拉普拉
13、斯算子时常用的高增强模板如下： Date474.5.2 非锐化滤波与高频增强滤波原始图像 拉普拉斯结果 拉普拉斯高频增强结果 高斯平滑高频增强结果 Date48频域：G(u,v)= H(u,v) F(u,v) 其中：F(u,v)：原始图像傅立叶频谱G(u,v)：平滑后图像的傅立叶频谱H(u,v)：滤波转移函数H(u,v)函数的定义方法很多，针对具体情况选用不同方法。 FFTH(u,v)IFFTf(x,y)F(u,v) G(u,v)g(x,y)4.5.2 高通滤波法Date49频率域锐化滤波器1、理想高通滤波器IHPF 形状与低通滤波器的形状正好相反Date50频率域锐化滤波器2、巴特沃斯高通滤
14、波器BHPF 形状与巴特沃斯低通滤波器的形状正好相反Date51频率域锐化滤波器3、高频增强滤波器高通滤波的结果：边缘加强，光滑区域变暗方法：改进转移函数 高通滤波：G(u, v) = H(u, v)F(u,v) 高频增强转移函数：He(u, v) = k H(u, v) + c 高频增强输出图的傅立叶变换： Ge(u, v) = k G(u, v) + c F(u, v) 反变换回去： ge(x, y) = k g(x, y) + c f (x, y)Date52频率域锐化滤波器v例：高通滤波增强(a)比较模糊的图像 (b)阶为1的巴特沃斯高通滤波 (c)高通滤波增强的结果Date53频率域
15、锐化滤波器 4、高频提升滤波器用原始图减去低通图得到高通滤波器的效果。把原始图乘以一个放大系数A再减去低通图就可 构成高频提升（high-boost）滤波器 A = 1 ：高通滤波器A1 ：原始图的一部分与高通图相加，恢复了 高通滤波时丢失的低频分量Date54频率域锐化滤波器v例：高通滤波与高频提升滤波比较(a)比较模糊的图像 (b)高通滤波处理的结果 (c)高频提升滤波器处理的结果（A2） (d)对(c)进行了灰度范围的扩展Date55第4章 图像增强4.1 引言4.2 直接灰度变换 4.3 直方图修正 4.4 图像平滑 4.5 图像锐化4.6 图像增晰4.7 彩色增强Date564.6 图像增晰v作用消除图像上照明不均的问题，增加暗区的图像细节， 同时又不损失亮区的图像细节v成像物理背景 人眼对图像亮度响应具有类似于对数运算的非线性形 式：f(x, y) = I(x,y) R(x,y)I(x,y)：照射分量（低频）R(x, y)：反射分量（高频）(图象细节的不同在空间作 快速变化) Date57v分析关心反射信息，但室内外照射分量强度不同，图片明 暗不均，能否消除照度不均，而增强反射部分比重?v过程4.6 图像增晰f(x,y)lnFFTH(u,v) 高频增强FFT -1expg(x,y)Date58步骤：（1）z(x,y) = ln f(x,y) = lnI(x,y)
