《图像增强数字图像处理PPT》由会员分享,可在线阅读,更多相关《图像增强数字图像处理PPT(111页珍藏版)》请在金锄头文库上搜索。
1、第第4章章 图像增强图像增强概述概述空域变换增强技术空域变换增强技术频域变换增强技术频域变换增强技术1讲解内容讲解内容目的目的1. 熟悉并掌握本章基本概念、空间域图像增强的原理、方法及其特点; 2. 了解频率域图像增强的方法及其实现过程;3.重点掌握直方图修正方法、特点及其应用;空间域平滑、锐化和彩色增强技术。24.1 概述与分类概述与分类结果:结果:改善后的图像不一定逼近原图像改善后的图像不一定逼近原图像定义:定义:图像增强是指按特定的需要突出一幅图像图像增强是指按特定的需要突出一幅图像中的某些信息,同时,消弱或去除某些不需要的中的某些信息,同时,消弱或去除某些不需要的信息的处理方法信息的处
2、理方法目的:目的:对图像进行加工,以得到对具体应用来说对图像进行加工,以得到对具体应用来说视觉效果更视觉效果更“好好”,更,更“有用有用”的图像,也就是的图像,也就是说,提高图像的可懂度说,提高图像的可懂度前提:前提:不考虑图像降质的原因不考虑图像降质的原因33、图像增强处理最大的、图像增强处理最大的困难困难增强后图像质量增强后图像质量的好坏主要依靠人的的好坏主要依靠人的主观视觉主观视觉来评定,也就是说,来评定,也就是说,难以难以定量定量描述描述注意:注意:1、图像增强处理、图像增强处理并不能增加并不能增加原始图像的信息,其原始图像的信息,其结果只能结果只能增强对某种信息的辨别能力增强对某种信
3、息的辨别能力,而这种处理,而这种处理肯定会肯定会损失损失一些其它信息一些其它信息2、强调根据、强调根据具体应用具体应用而言,更而言,更“好好”,更,更“有有用用”的视觉效果图像的视觉效果图像4图像的动态范围得到压缩、图像边缘信息得到锐化图像的动态范围得到压缩、图像边缘信息得到锐化处理以及解决颜色恒常性处理以及解决颜色恒常性(即改变光照变化的影响即改变光照变化的影响)压缩动压缩动态范围态范围56主要增强方法主要增强方法直接对象素直接对象素灰度值运算灰度值运算对图像进对图像进行变换行变换增强增强操作操作变换变换7空域法的基本原理空域法的基本原理直接对图像中的象素进行处理直接对图像中的象素进行处理基
4、本上是以灰度映射变换为基础基本上是以灰度映射变换为基础所用的映射变换取决于增强的目的所用的映射变换取决于增强的目的8频域法的基本原理频域法的基本原理基础是卷积定理它采用修改图像傅立叶变换的方法基础是卷积定理它采用修改图像傅立叶变换的方法实现对图像的增强处理实现对图像的增强处理由卷积定理可知,如果原始图像是由卷积定理可知,如果原始图像是f(x,y),处理后的图,处理后的图像是像是g(x,y),而,而h(x,y)是处理系统中的冲激响应,那么,是处理系统中的冲激响应,那么,处理过程可由下式表示处理过程可由下式表示 g(x,y)=h(x,y)*f(x,y)如果如果G(u,v),H(u,v),F(u,v
5、)分别是分别是g(x,y),h(x,y)和和f(x,y)的的傅立叶变换,上面的卷积关系可表示为变换域的乘积傅立叶变换,上面的卷积关系可表示为变换域的乘积关系,即关系,即 G(u,v)=H(u,v)F(u,v)H(u,v)为传递函数。为传递函数。9在增强问题中,在增强问题中,f(x,y)是给定的原始数据,经傅立叶是给定的原始数据,经傅立叶变换可得到变换可得到F(u,v).选择合适的选择合适的H(u,v),使得使得 g(x,y)=F-1H(u,v)F(u,v)这样得到的这样得到的g(x,y)比比f(x,y)在某些特性方面更鲜明,突在某些特性方面更鲜明,突出,因而更容易识别,解释。出,因而更容易识别
6、,解释。两个关键:两个关键:1、将图像从图像空间转换到频域空间所需的、将图像从图像空间转换到频域空间所需的变换变换T以及再将图像从频域空间转换到图像空间所需的以及再将图像从频域空间转换到图像空间所需的变变换换T-12、在频域空间对图像进行增强加工的、在频域空间对图像进行增强加工的操作操作EH10空域变换增强处理方法空域变换增强处理方法基于基于点操作点操作的增强也叫灰度变换,常见的几类方法的增强也叫灰度变换,常见的几类方法为:为:1、将、将f(.)中的每个象素按中的每个象素按EH操作直接变换以得到操作直接变换以得到g(.)2、借助借助f(.)的直方图进行变换的直方图进行变换3、借助对一系列图像间
7、的操作进行变换、借助对一系列图像间的操作进行变换前面所讲的图前面所讲的图像基本运算像基本运算基于基于模板(滤波)操作模板(滤波)操作的增强,主要有平滑和锐化处理的增强,主要有平滑和锐化处理两种方法两种方法 11直接灰度变换直接灰度变换EH(.)变换函数可以取不同形式,从而得到不同的效果变换函数可以取不同形式,从而得到不同的效果 1、 线性变换线性变换 4.2 基于点操作的增强基于点操作的增强2 、 对数变换对数变换3 、指数变换、指数变换121、图像求反、图像求反-灰度值进行反转,黑变白灰度值进行反转,黑变白此时的此时的EH(.)操作,可用曲线表示操作,可用曲线表示L-1L-1stst0EH(
8、s)普通的黑白底片和照片的关系如此普通的黑白底片和照片的关系如此st13142、增强对比度增强图像各部分的反差,实际中增加图像、增强对比度增强图像各部分的反差,实际中增加图像中某两个灰度值间的动态范围来实现中某两个灰度值间的动态范围来实现典型的增强对比度的典型的增强对比度的EH(.)如图所示如图所示L-1L-1(s2,t2)(s1,t1)st0EH(s)0s1之间之间的动态范的动态范围减小围减小s2L-1之间之间的动态范围的动态范围减小减小s1s2之间的动之间的动态范围增加,态范围增加,对比度增强对比度增强s1,s2,t1,t2取不同的取不同的值,得到不同效果值,得到不同效果 s1=t1,s2
9、=t2,与原图相同与原图相同153、动态范围压缩与增强对比度相反,有时原图的动态范、动态范围压缩与增强对比度相反,有时原图的动态范围太大,超出某些显示设备的允许动态范围,这时如直接使围太大,超出某些显示设备的允许动态范围,这时如直接使用原图,则一部分细节可能丢失用原图,则一部分细节可能丢失对原图进行灰度压缩对原图进行灰度压缩常用的常用的EH(.)操作,是一种对数形式的函数,曲线如图所示操作,是一种对数形式的函数,曲线如图所示L-1L-1st0EH(s)t=Clog(1+|s|) C为尺度比例常数为尺度比例常数164、灰度切分与增强对比度相仿,将某个灰度值范围变得、灰度切分与增强对比度相仿,将某
10、个灰度值范围变得比较突出比较突出典型的典型的EH(.)操作如图所示操作如图所示L-1L-1st0EH(s)s1s2EH(s)L-1s1 s20L-1t ts s将将s1s2之间的灰度级之间的灰度级突出,而将其余灰度值突出,而将其余灰度值逐渐变为某个低灰度值逐渐变为某个低灰度值将将s1s2之间的灰度级突出,之间的灰度级突出,而将其余灰度值保留而将其余灰度值保留175.位面图位面图直接灰度变换也可以借助图像的位面表示进行。直接灰度变换也可以借助图像的位面表示进行。对对1幅用多个比特表示其灰度值得图像来说,其中的每个幅用多个比特表示其灰度值得图像来说,其中的每个比特可看作表示了比特可看作表示了1个二
11、值的平面,也称位面。个二值的平面,也称位面。1幅其灰度级用幅其灰度级用8bit表示的图像有表示的图像有8个位面,一般用位面个位面,一般用位面0代表最低位面,位面代表最低位面,位面7代表最高位面,如图所示。代表最高位面,如图所示。对图像特定位面对图像特定位面的操作进行图像的操作进行图像增强增强18实例实例194.2.2 直方图处理直方图处理1. 直方图概念及模型化直方图概念及模型化灰度级的直方图描述了一幅图像的概貌。灰度级的直方图描述了一幅图像的概貌。简单讲,灰度级直方图就是反映一幅图像中的简单讲,灰度级直方图就是反映一幅图像中的灰度级灰度级与出现这种灰度的概率之间的关系与出现这种灰度的概率之间
12、的关系的图形的图形20对于一幅给定的图像而言,每一个象素取得对于一幅给定的图像而言,每一个象素取得0,1区间内区间内的灰度级是的灰度级是随机的随机的,也就是说,也就是说,r是一个随机变量。假定对是一个随机变量。假定对每一瞬间它们是连续的随机变量,那么,就可以每一瞬间它们是连续的随机变量,那么,就可以用概率密用概率密度函数度函数pr(r)来表示原始图像的灰度分布来表示原始图像的灰度分布。如果用直角坐标。如果用直角坐标系中的横轴代表灰度级系中的横轴代表灰度级r,用纵轴代表灰度级的概率密度函用纵轴代表灰度级的概率密度函数数pr(r),这样就可针对一幅图像在这个坐标系中作曲线来。这样就可针对一幅图像在
13、这个坐标系中作曲线来。这条曲线在概率论中就是分布密度曲线这条曲线在概率论中就是分布密度曲线设变量设变量r代表图像中象素灰度级,在图像中,象素的灰度代表图像中象素灰度级,在图像中,象素的灰度级可作归一化处理,这样,级可作归一化处理,这样,r的值将限定为的值将限定为0r 12110rPr(r)(a)图图(c)图像的象素灰度值集中在某个较小的范围内,也就是图像的象素灰度值集中在某个较小的范围内,也就是说图像说图像(c)的灰度集中在某一个小的亮区的灰度集中在某一个小的亮区 10图(图(a)的大多数象素灰度值取在较暗的区域。所以这幅的大多数象素灰度值取在较暗的区域。所以这幅图像肯定较暗,一般在摄影过程中
14、曝光太弱就会造成这种图像肯定较暗,一般在摄影过程中曝光太弱就会造成这种结果。结果。10rPr(r)(b)图(图(b)图像的象素灰度值集中在亮区,因此图像的特性图像的象素灰度值集中在亮区,因此图像的特性偏亮,曝光过强,导致这种结果。偏亮,曝光过强,导致这种结果。(c)22给出来对给出来对sk出现概率的出现概率的1个估计个估计图像的灰度统计图像的灰度统计 直方图直方图1D的离散函数的离散函数sk为图像为图像f(x,y)的第的第k级灰度,级灰度,nk是图像中具有灰度值是图像中具有灰度值sk的象素的个数,的象素的个数,n是图像象素总数是图像象素总数直方图提供了原图的灰度值分布情况,也可直方图提供了原图
15、的灰度值分布情况,也可以说给出了一幅图所有灰度值的整体描述以说给出了一幅图所有灰度值的整体描述离散化定义离散化定义23偏暗偏暗242.直方图修改技术的基础直方图修改技术的基础也就是说,通过上述变换,每个原始图像的象素也就是说,通过上述变换,每个原始图像的象素r都都可以产生一个可以产生一个s值。值。假设对于给定一幅图像的灰度级分布在假设对于给定一幅图像的灰度级分布在0r sknkps(sk)r0-s0=1/77900.19r1-s1=3/710230.25r2-s2=5/78500.21r3,r4-s3=6/79850.24R5,r6,r7-s4=14480.11552、计算变换函数、计算变换函
16、数 uk=G(zk)=j=0kpz(zj)ukG(zk)u00.00u10.00u20.00u30.15u40.35u50.65u60.85u71.0563、用直方图均衡化中的、用直方图均衡化中的sk进行进行G的反变换求的反变换求z zk=G-1(sk)这一步实际上是近似过程,也就是找出这一步实际上是近似过程,也就是找出sk与与G(zk)的最接的最接近的值,例如,近的值,例如,s0=1/70.14,与它最接近的是与它最接近的是G(z3)=0.15,所以可以写成所以可以写成G-1(0.15)=z3,用这样的方法用这样的方法可得到下列变换值可得到下列变换值s0=1/7 z3=3/7s1=3/7z4
17、4/7s2=5/7z5=5/7s3=6/7z6=6/7 s4=1z7=1574、用、用z=G-1(T(r)找出找出r与与z之间的映射关系之间的映射关系58原图像原图像原图像的直方图原图像的直方图规定直方图规定直方图输出图像输出图像输出图像的直方图输出图像的直方图直方图中高灰度值一边更密集由于规定的直方图在高灰度区值较大,所以变换的结果比均衡化更亮59原图原图像及像及直方直方图图均衡均衡后的后的图像图像及直及直方图方图图像的反差大了,图像的反差大了,细节清楚了细节清楚了在直方图中在直方图中的表现是直的表现是直方图灰度范方图灰度范围窄且集中围窄且集中在低灰度值在低灰度值区域。区域。现在直方图现在直
18、方图占据了整个占据了整个图像灰度值图像灰度值的允许范围,的允许范围,增加了图像增加了图像的动态范围。的动态范围。原图较暗且动态范原图较暗且动态范围小围小60总结直方图均衡化:直方图均衡化:寻找寻找r r和和s s之间的函数关系之间的函数关系61直方图规定化:直方图规定化:寻找寻找r r和和z z之间的函数关系之间的函数关系总结rsvz62作业:一幅图像共有8个灰度级,每一灰度级的概率分布如下表所示,要求对其进行直方图规定化处理,规定化直方图的数据如表所示。(画出规定化后的直方图)63rkPr(r k)Z kP z(zk)r000.29z000r11/70.24z11/70r22/70.17z2
19、2/70r33/70.12z33/70r44/70.09z44/70.27r55/70.06z55/70.43r66/70.02z66/70.19r710.01z710.11原始直方图数据原始直方图数据规定直方图数据规定直方图数据641/72/7 3/7 4/7 5/7 6/7010.290.240.170.120.090.060.020.01P r (r k ) rk651/72/7 3/7 4/7 5/7 6/7010.430.270.190.11P z (zk ) zk(规定化)661/72/7 3/7 4/7 5/7 6/7010.410.290.210.09P z (zk )(结果)
20、(结果) zk67对两个以上的图像进行代数运算实现灰度变换对两个以上的图像进行代数运算实现灰度变换 将两幅输入图像之间进行点对点的加、减、乘、除运算得到输出图像的过程。 C(x,y) = A(x,y)+ B(x,y) (1) C(x,y) = A(x,y)- B(x,y) (2) C(x,y) = A(x,y) B(x,y) (3) C(x,y) = A(x,y)/ B(x,y) (4)4.2.3 4.2.3 图像之间的运算图像之间的运算68(a)(b)(c)(d)(e)(f)(a)(b)694.3 4.3 基于空域滤波的增强基于空域滤波的增强借助模板进借助模板进行邻域操作行邻域操作完成的完成
21、的线性的线性的-基基于傅立叶变于傅立叶变换的分析换的分析非线性的非线性的-直接对邻域直接对邻域进行操作进行操作特点分特点分功能分功能分平滑低通平滑低通滤波,其目滤波,其目的是模糊或的是模糊或消除噪声消除噪声锐化高通滤锐化高通滤波,其目的增波,其目的增强被模糊的细强被模糊的细节节70一、定义:一、定义: 空间域滤波是基于邻域处理的增强方法,它应用某一模板对每个像元与其周围邻域的所有像元进行某种数学运算得到该像元的新的灰度值,新的灰度值的大小不仅与该像元的灰度值有关,而且还与其邻域内的像元的灰度值有关。二、方法:二、方法: 常用的有图像平滑图像平滑和图像锐化图像锐化4.3.1 4.3.1 背景和原
22、理背景和原理71图像平滑图像平滑图像锐化图像锐化空间域滤波增强技术空间域滤波增强技术邻域平均法邻域平均法中值滤波中值滤波梯度法梯度法拉普拉斯算子拉普拉斯算子7273都是利用模板卷积运算,主要步骤为都是利用模板卷积运算,主要步骤为1、将模板在图中漫游,并将模板中心与图中某个、将模板在图中漫游,并将模板中心与图中某个象素位置重合象素位置重合2、将模板上系数与模板下对应象素相乘、将模板上系数与模板下对应象素相乘3、将所有乘积相加、将所有乘积相加4、将和(模板的输出响应)赋给图中对应模板中、将和(模板的输出响应)赋给图中对应模板中心位置的象素心位置的象素3.3.基本原理基本原理74(a)(b)(c)图
23、像一图像一部分部分33模板模板将将k0的位置于图中灰度值为的位置于图中灰度值为s0的象素重合(即将模板中的象素重合(即将模板中心放在图中心放在图中(x,y)位置),模板的输出响应位置),模板的输出响应R为:为:将将R赋给增强图,作为赋给增强图,作为在在(x,y)位置的灰度值位置的灰度值(图图c)7576一、背景一、背景 图图像像在在传传输输过过程程中中,由由于于传传输输信信道道、采采样样系系统统质质量量较较差差,或或受受各各种种干干扰扰的的影影响响,而而造造成成图图像像毛毛糙糙,此此时时,就就需需对对图图像像进进行行平平滑滑处处理。理。二、图像噪声的来源及特点二、图像噪声的来源及特点 A.A.
24、通通道道噪噪声声:产产生生于于图图像像信信息息的的传传递递中中,其其值与图像信号的强弱无关。现象:值与图像信号的强弱无关。现象:“雪花雪花” B.B.量量化化噪噪声声:灰灰度度在在量量化化过过程程中中,不不可可避避免免的产生量化噪声。的产生量化噪声。 C.C.特特点点:噪噪声声像像素素的的灰灰度度是是空空间间不不相相关关的的,即它与邻近像素显著不同。即它与邻近像素显著不同。 4.3.2 图像平滑滤波技术图像平滑滤波技术77三、定义及用途:三、定义及用途: 平滑滤波对图像的低频分量进行增强,同时可平滑滤波对图像的低频分量进行增强,同时可以削弱图像的高频分量,因此一般用于消除图像以削弱图像的高频分
25、量,因此一般用于消除图像中的随机噪声,从而起到图像平滑的作用。中的随机噪声,从而起到图像平滑的作用。四、常用方法:四、常用方法: 邻域平均法(线性的)和中值滤波法(非线邻域平均法(线性的)和中值滤波法(非线性的)性的)78一幅图像往往受到各种噪声源的干扰(如电传感一幅图像往往受到各种噪声源的干扰(如电传感器和传输误差等),这种噪声常常为一些孤立的器和传输误差等),这种噪声常常为一些孤立的像素点,它们像雪花使图像被污染,噪声往往是像素点,它们像雪花使图像被污染,噪声往往是叠加在图像上的随机噪声叠加在图像上的随机噪声, ,而图像灰度应该相对连而图像灰度应该相对连续变化的,一般不会突然变大或变小,这
26、种噪声续变化的,一般不会突然变大或变小,这种噪声可以用可以用邻域平均法邻域平均法使它得到抑制。使它得到抑制。1.1.邻域平均法(均值滤波)邻域平均法(均值滤波) 79 邻域平均法邻域平均法是简单的空域处理方法。这种方是简单的空域处理方法。这种方法的基本思想是用几个像素灰度的平均来代替法的基本思想是用几个像素灰度的平均来代替一个像素原来的灰度值,实现图像的平滑。一个像素原来的灰度值,实现图像的平滑。 有一幅图像图像:有一幅图像图像:MNSf(x,y)在图像中为了获取在图像中为了获取f(x,y)f(x,y)的的新值则开一个新值则开一个M M N N的窗口的窗口S S窗口窗口S S就称为就称为f(x
27、,y)f(x,y)的邻域的邻域我们可以根据窗口内各点我们可以根据窗口内各点的灰度确定的灰度确定f(x,y)f(x,y)的新值。的新值。80 设有一幅设有一幅NNNN的图像的图像f(x,y)f(x,y),若平滑图像为,若平滑图像为g(x,y),g(x,y),则有则有 式中式中x,y=0,1,x,y=0,1,N-1,N-1; s s为(x,yx,y)邻域域内内像素坐像素坐标的集合;的集合; M M表示集合表示集合s s内像素的内像素的总数。数。 可见邻域平均法就是将当前像素邻域内各像可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。素的灰度平均值作为其输出值的去噪方法。
28、81邻域的选择邻域的选择82(m-1,n-1)(m-1,n)(m-1,n+1)(m,n-1) (m,n)(m,n+1)(m+1,n-1)(m+1,n)(m+1,n+1)例如,对图像采用例如,对图像采用33的邻域平均法,对于像素的邻域平均法,对于像素(m,n),其邻域像素如下:,其邻域像素如下:则有:则有:83 其作用相当于用这样的模板同图像卷积。其作用相当于用这样的模板同图像卷积。 设图像中的噪声是随机不相关的加性噪声,窗设图像中的噪声是随机不相关的加性噪声,窗口内各点噪声是独立同分布的,经过上述平滑后,口内各点噪声是独立同分布的,经过上述平滑后,信号与噪声的方差比可望提高信号与噪声的方差比可
29、望提高 倍。倍。 这种算法种算法简单,但它的主要缺点是在降低噪声,但它的主要缺点是在降低噪声的同的同时使使图像像产生模糊,特生模糊,特别在在边缘和和细节处。而。而且且邻域越大,在去噪能力增域越大,在去噪能力增强强的同的同时模糊程度越模糊程度越严重。如重。如图4.2.1(c)4.2.1(c)和和(d)(d)。 84(a)(a)原图像原图像 (b) (b) 对对(a)(a)加椒盐噪声的图像加椒盐噪声的图像(c)33(c)33邻域平滑邻域平滑 (d) 55(d) 55邻域平滑邻域平滑 为克服简单局部平均法的弊病,目前已提出许多保边缘、细为克服简单局部平均法的弊病,目前已提出许多保边缘、细节的局部平滑
30、算法。它们的出发点都集中在如何选择邻域的大小、节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等。形状和方向、参加平均的点数以及邻域各点的权重系数等。85 超限像素平滑法超限像素平滑法 对邻域平均法邻域平均法稍加改稍加改进,可,可导出超限像素平滑法。出超限像素平滑法。它是将它是将f(x,y)f(x,y)和和邻域平均邻域平均g(x,y)g(x,y)差的差的绝对值与与选定的定的阈值进行比行比较,根据比,根据比较结果决定点(果决定点(x,yx,y)的最后灰的最后灰度度g(x,y)g(x,y)。其其表达式表达式为 这算法对抑制椒盐噪声比较有效,
31、对保护仅有微这算法对抑制椒盐噪声比较有效,对保护仅有微小灰度差的细节及纹理也有效。小灰度差的细节及纹理也有效。可可见随着随着邻域增大,域增大,去噪能力增去噪能力增强强,但模糊程度也大。,但模糊程度也大。 同局部平滑法相比,同局部平滑法相比,超限像元平滑法去椒超限像元平滑法去椒盐噪声效果更好噪声效果更好。86(a)(a)原图像原图像 (b)(b)对对(a)(a)加椒盐噪声的图像加椒盐噪声的图像(c)33(c)33邻域平滑邻域平滑 (d) 55(d) 55邻域平滑邻域平滑(e)33(e)33超限像素平滑超限像素平滑(T=64)(T=64)(f)55(f)55超限像素平滑超限像素平滑(T=48)(T
32、=48)872. 中值滤波法中值滤波法 前面使用的邻域平均法属于低通滤波的处理前面使用的邻域平均法属于低通滤波的处理方法。它在抑制噪声的同时使图像变得模糊,即方法。它在抑制噪声的同时使图像变得模糊,即图像的细节图像的细节( (例如边缘信息例如边缘信息) )被削弱,如果既要抑被削弱,如果既要抑制噪声又要保持细节可以使用中值滤波。制噪声又要保持细节可以使用中值滤波。88将窗口在图中移动;读取窗口内各对应像素的灰度值;将这些灰度值从小到大排成1列;找出这些值里排在中间的1个;MNSf(x,y)将这个中间值赋给对应窗口中心位置的像素。工作步骤工作步骤89取取3X33X3窗口窗口从小到大排列,取中间值从
33、小到大排列,取中间值90919293949596中值滤波的一些特性中值滤波的一些特性 (1) 对大的边缘高度,中值滤波较邻域均值好得多,而对于较小边缘高度,两种滤波只有很少差别。(2) 中值滤波是非线性的。 (3) 中值滤波在抑制图像随机脉冲噪声方面甚为有效。且运算速度快,便于实时处理。(4) 中值滤波去除孤立线或点干扰,而保留空间清晰度较平滑滤波为好;但对高斯噪声则不如平滑滤波。979899100邻域平均和中值滤波的比较邻域平均和中值滤波的比较含均匀随机噪声含均匀随机噪声3 3邻域平均邻域平均7 7邻域平均邻域平均11 11邻域平均邻域平均3 3中值滤波中值滤波5 5中值滤波中值滤波101锐
34、化滤波锐化滤波主要用于增强图像的边缘及灰度跳变部分主要用于增强图像的边缘及灰度跳变部分邻域平均方法积分过程结果使图像的边缘模糊邻域平均方法积分过程结果使图像的边缘模糊锐化方法微分过程结果使图像的边缘突出锐化方法微分过程结果使图像的边缘突出注意:噪注意:噪声的影响声的影响先去噪,再锐化操作先去噪,再锐化操作102梯度运算梯度运算微分锐化中微分锐化中常用的方法常用的方法设图像设图像f(x,y)在点在点(x,y)的梯度矢量为的梯度矢量为Gf(x,y):两个重要性质:两个重要性质:(1)梯度的方向是在函数)梯度的方向是在函数f(x,y)最大变化率方向上最大变化率方向上(2)梯度的幅度用)梯度的幅度用G
35、f(x,y)表示:表示:103对于数字图像,则用离散的式子表示对于数字图像,则用离散的式子表示简化简化f(i,j) f(i,j+1)f(i+1,j)f(i+1,j+1)Roberts梯度算子梯度算子结论结论梯度的近似值和相邻象素的灰度差成正比,因此在图梯度的近似值和相邻象素的灰度差成正比,因此在图像变化缓慢区域,其值很小,而在线条轮廓等变化快像变化缓慢区域,其值很小,而在线条轮廓等变化快的部分其值很大,梯度运算可使细节清晰,从、而达的部分其值很大,梯度运算可使细节清晰,从、而达到锐化的目的到锐化的目的104拉普拉斯算子拉普拉斯算子一个连续的二元函数一个连续的二元函数f(x,y),其拉普拉斯运算
36、定义为:其拉普拉斯运算定义为:拉普拉拉普拉斯算子斯算子对于数字图像,拉普拉斯算子可以简化为:对于数字图像,拉普拉斯算子可以简化为:g(i,j)=4f(i,j)-f(i+1,j)-f(i-1,j)-f(i,j+1)-f(i,j-1)也可以表示成卷积形式:也可以表示成卷积形式:g(i,j)=f(i,j)H(r,s)0H(r,s)=-10-14-10-10105其它锐化算子其它锐化算子Sobel算子:算子:S=(dx2+dy2)1/2dx=fi-1,j-1+2fi,j-1+fi+1,j-1-fi-1,j+1+2fi,j+1+fi+1,j+1dy=fi+1,j-1+2fi+1,j+fi+1,j+1-f
37、i-1,j-1+2fi-1,j+fi-1,j+1用模板表示:用模板表示:1 0 -12100-2-1-1-2-1010201dx=dy=Prewitt算子:算子:S=(dx2+dy2)1/2用模板表示:用模板表示:1 0 -11100-1-1-1-1-1010101dx=dy=Robert算子:算子:S=(dx2+dy2)1/2用模板表示:用模板表示:1 00 -10 -1-1 0dx=dy=106107一般产生梯度图是:一般产生梯度图是:缺点:使缺点:使f(x,y)中所有平滑区中所有平滑区域在域在g(x,y)中变中变成暗区,梯度成暗区,梯度值较小的原因值较小的原因不破坏平滑区不破坏平滑区域的
38、灰度值,域的灰度值,又能有效的强又能有效的强调图像的边缘调图像的边缘图像的边缘增强效果更明显图像的边缘增强效果更明显不受背景的影响,只研究不受背景的影响,只研究图像边缘灰度级变化图像边缘灰度级变化只对边缘的位置感兴趣只对边缘的位置感兴趣108实例实例Sobel算子算子Roberts算子算子Prewitt算子算子原图原图直接求梯度图直接求梯度图109阈值阈值为为10阈值阈值为为30阈值阈值为为50原图原图110与平滑比较与平滑比较原图像原图像高斯噪声图的高斯噪声图的55十十字中值滤波噪声字中值滤波噪声椒盐噪声图的椒盐噪声图的55十十字中值滤波噪声字中值滤波噪声直接对原始图像锐化直接对原始图像锐化对高斯噪声图像锐化对高斯噪声图像锐化 对椒盐噪声图像锐化对椒盐噪声图像锐化111