第7章空间域滤波祥解.pptVIP

* 3）实现中值滤波器 g=medfilt2(f) 使用一个大小为3*3的邻域来计算中值，并用0来填充输入图像的边界 * 例：使用函数medfilt2进行中值滤波 中值滤波是降低图像椒盐噪声的有效工具 f=imread(rice.png); figure,imshow(f); fn=imnoise(f,salt pepper,0.2); figure,imshow(fn); gm=medfilt2(fn); figure,imshow(gm); gms=medfilt2(fn,symmetric); figure,imshow(gms); * (a)原图像 (b)添加椒盐噪的图像 * (c)默认中值滤 波处理结果 (d)’symmetric’处理结果 * 例：最大值滤波器 * 例：最小值滤波器 * 小结 1 掌握空间域滤波的定义 2 掌握图像平滑和锐化处理 3 掌握顺序滤波中的中值滤波 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * 以模块运算系数表示即： * 常用的模板： * 均值滤波器 例1 * 均值滤波器 例2 * 4 锐化滤波器 微分滤波器的原理 * 微分滤波器的原理 * * 5 拉普拉斯算子 * 5 拉普拉斯算子 * 5 拉普拉斯算子 (2) * * 锐化（拉普拉斯）滤波器 例3 f=imread(moon.tif); imshow(f) w4=fspecial(laplacian,0); w8=[1,1,1;1,-8,1;1,1,1]; f=im2double(f); g4=f-imfilter(f,w4,replicate); g8=f-imfilter(f,w8,replicate); imshow(f) figure,imshow(g4) figure,imshow(g8) * 原 图 像 * 使用中心为-4的拉普拉斯滤波器增强后的图像 * 使用中心为-8的拉普拉斯滤波器增强后的图像 * 6 梯度算子（非线性锐化滤波器） * 6 梯度算子 * 例： 梯度用于边缘增强 * 在图像的一阶导数运算中，一阶导数通常产生较厚的边缘。 一阶导数对灰度阶跃有较强的响应。 二阶导数对细微结构有较强的响应，如细线和孤立点。 二阶导数在灰度级阶跃变化时产生双响应。 二阶导数对线的响应比对阶跃的响应强，对点的响应比对线强。 导数的性质 * 7.3 非线性空间滤波 1 ordfilt2——实现非线性空间滤波 ordfilt2函数可以生成统计排序（order- statistic）滤波器（也称为排序滤波器，rank filter）. 他们都是非线性滤波器，其响应基于对图象邻域中所包含的像素进行排序，然后使用排序结果确定的值来替代领域中的中心像素的值。 * 2 统计排序滤波器 是一种非线性滤波器 基于滤波器所在图象区域中像素的排序，由排序结果决定的值代替中心像素的值 分类： 最大值滤波器：用像素邻域内的最大值代替该像素 中值滤波器： 用像素邻域内的中间值代替该像素 最小值滤波器：用像素邻域内的最小值代替该像素 * 2 统计排序滤波器 * 2 统计排序滤波器 * 3 中值滤波的原理 * * 4 中值滤波的实现 将模板区域内的像素排序，求出中间值 * 4 中值滤波的实现 * 5 中值滤波的特点 在去除噪声的同时，可以比较好地保留边的锐度和图像的细节（优于均值滤波器） 能够有效去除脉冲噪声：以黑白点叠加在图像上 * 6 ordfilt2——实现非线性空间滤波 函数的语法 g=ordfilt2(f, order, domain ) f是输入图像 使用邻域的一组排列元素中的第order个元素来替代f中的每个元素，而该邻域则由domain中的非零元素指定。 * 1）实现大小为m*n的最小滤波器 g=ordfilt2(f, 1, ones(m, n)) 1表示mn个样本中的第一个样本， ones(m, n)创建了一个元素值为1，大小为m*n的矩阵，表明邻域内的所有样本都将用于计算。 在统计学术语中，最小滤波器（一组排序元素中的第一个样本值）称为第0个百分位。同样，第100个百分位指的就是一组排序元素中的最后一个样本值，即第mn个样本。 * 2）实现大小为m*n的最大滤波器 g=ordfilt2(f, m*n, ones(m, n)) 3）实现中值滤波器 数字图像处理中最著名的统计排序滤波器是中值滤波器