图象增强2.ppt

3.1.5 图像增强:空域过滤器 5 x 5模板 1 -1 1 8 -1 1 -1 1 1 -1 1 -1 1 1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 1/25 * 3.1.5 图像增强:空域过滤器 3 x 3 模板 -1 -1 8 -1 -1 -1 -1 -1 -1 1/9 * 3.1.5 图像增强:空域过滤 过滤器效果的分析 常数或变化平缓的区域，结果为0或很小，图像很暗，亮度被降低了 在暗的背景上边缘被增强了 图像的整体对比度降低了 计算时会出现负值，归0处理为常见 3.1.5 图像增强:空域过滤 基本高通空域滤波的缺点和问题 高通滤波在增强了边的同时，丢失了图像的层次和亮度 3.1.5 图像增强:空域过滤 (2) 高增益过滤 高增益过滤的原理 过滤器扩大因子及模板系数的设计 高增益过滤模板尺寸的选定 高增益过滤器效果的分析 3.1.5 图像增强:空域过滤 高增溢过滤的原理 弥补高通滤波的缺陷，在增强边和细节的同时，不丢失原图像的低频成分。 高通滤波可看作为： 高通 = 原图 – 低通 在上式原图上乘一个扩大因子A， 有高增溢过滤： 高增溢 = A原图 – 低通 3.1.5 图像增强:空域过滤 高增溢过滤的原理 高增溢 = A原图 – 低通 = (A – 1)原图 + （原图 – 低通） = (A – 1)原图 + 高通 当A = 1时，高增溢就是高通过滤， 当A 1 时，原图像的一部分被加到高通中。 特别是Unsharp_Masking = A原图 – 低通，是印刷图像处理重要工具(USM)。 3.1.5 图像增强:空域过滤 高增溢过滤的原理 高增溢 = (A – 1) * 原图 + 高通 USM = A * 原图 – 低通 3.1.5 图像增强:空域过滤器 过滤器扩大因子及模板系数设计 对于 3x3的模板，设 w = 9A – 1；（高通时 w = 8）A的值决定了过滤器的特性 当 A = 1.1时，意味着把 0.1个原图像加到基本高通上。当 A = 1.2时，结果处在上限的边缘 -1 -1 w -1 -1 -1 -1 -1 -1 1/9 * 3.1.5 图像增强:空域过滤 高通及高增溢模板尺寸的选定 照理讲，高通和高增溢的模板尺寸可以比3x3大。例如： 模板取7x7，高通权值为48，其它均为-1，规整化系数为1/49 根据经验，高通过滤模板很少有大于3x3的 3.1.5 图像增强:空域过滤 高增溢过滤器效果的分析 高增溢比高通的优点是很明显的，即增强了边，又保留了层次。 噪音对结果图像的视觉效果有重要的影响，高增溢在增强了边的同时也增强了噪音。 3.1.5 图像增强:空域过滤 (4) 微分过滤器 微分过滤器的原理 过滤器扩大因子及模板系数的设计 微分过滤器效果的分析 3.1.5 图像增强:空域过滤 微分过滤器的原理 均值产生钝化的效果，而均值与积分相似，由此而联想到，微分能不能产生相反的效果，即锐化的效果呢？结论是肯定的。 在图像处理中应用微分最常用的方法是计算梯度。函数f(x,y)在(x,y)处的梯度为一个向量： ?f = [?f / ?x , ?f / ?y] 3.1.5 图像增强:空域过滤 微分过滤器的原理 计算这个向量的大小为： ?f = mag(?f ) = [(?f / ?x)2 +(?f / ?y)2]1/2 考虑一个3x3的图像区域，z代表灰度级，上式在点z5的?f值可用数字方式近似。 (?f / ?x) 用（z5 – z6）近似 (?f / ?y) 用（z5 – z8）近似，组合为： ?f ? [(z5 - z6)2 + (z5 - z8)2]1/2 z2 z8 z5 z3 z9 z6 z1 z7 z4 3.1.5 图像增强:空域过滤 微分过滤器的原理 用绝对值替换平方和平方根 有： ?f ? |z5 - z6| + |z5 - z8| 另外一种计算方法是使用交叉差： ?f ? [(z5 - z9)2 + (z6 - z8)2]1/2 ?f ? |z5 - z9| + |z6 - z8| z2 z8 z5 z3 z9 z6 z1 z7 z4 3.1.5 图像增强:空域过滤 微分过滤器模板系数设计 Roberts交叉梯度算子 Prewitt梯度算子 Sobel梯度算子 3.1.5 图像增强:空域过滤 微分过滤器模板系数设计 Roberts交叉梯度算子 ?f ? |z5 - z9| + |z6 - z8| 梯度计算由两个模板组成