数字图像处理-图像增强-空域滤波课件.pptVIP

空域滤波增强 滤波器实现 —— 邻域运算： 4.3.1-线性平滑滤波器 一、均值滤波器 系数都是正的 保持灰度值范围 （所有系数之和为1） 例：3 ? 3 模板 实现方法： 以（a)和(b)作模板，扫过全部图像，即可完成平滑处理。 边缘处理： 1）、在原图像上补上行和列，在处理； 2）、处理后重复一下边缘行或列的结果。 (2) 含噪声图像 f=fs+η, 则 上式第 2 项的 E{·}=0，D{·}= ，故减少了噪声。 （3）带来问题：使目标物轮廓或细节（边缘）变模糊。 其基本方法由下式决定： （三）加权平均法 用邻域内灰度值及本点灰度加权值来代替该点灰度值。 不同位置的系数采用不同的值。一般认为： 离模板中心近的像素对滤波贡献大，所以中心系数大，而周围系数小。 系数的实用取值：最外周边系数为1，内部系数成正比例增加，中间系数最大 线性平滑滤波器 （五）多图像平均法 1. 条件：在相同条件下，得到同一目标物的若干幅图像； 2. 公式： 设 ，则 3. 特性：多图像平均后，图像信号基本不变，而各点噪声的方差降为单幅图像中该点噪声方差的 。从而就抑制了噪声，相当于提高了信噪比。因此，这种平均的消噪思想被广泛应用于强噪声中的弱目标检测。 4.3.2 非线性滤波 发展方向：逻辑的、几何的、代数的非线性滤波器 方法：基于集合的、基于形状的、基于排序的 最实用：排序统计法 1 、 非线性平滑滤波器 2 、 非线性锐化滤波器 4.3.2 非线性平滑滤波器 作用：既消除噪声又保持细节（不模糊） 最知名的滤波器：中值（median）滤波器 方法：是用一个有奇数点的滑动窗口，将窗口 中心点的值用窗口各点的中值代替。 分类：1D（1维）和 2D 例： 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 二维中值滤波： 一维中值滤波的概念很容易推广到二维。与均值滤波类似，做3*3的模板，对9个数排序，取第5个数替代原来的像素值。 非线性平滑滤波器 邻域平均与中值滤波的比较 4.4 锐化滤波 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 * 中值滤波器 具体操作步骤如下： （1）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。 （2）读取模板下各对应象素的灰度值。 （3）将这些灰度值从小到大排成1列。 （4）找出这些值里排在中间的1个。 （5）将这个中间值赋给对应模板中心位置的象素。 中值滤波器的消噪声效果与模板的尺寸和参与运算的像素数有关。图像中尺寸小于模板尺寸一半的过亮或过暗区域将会在滤波后被消除掉 中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。 m-2 m-1 m m+1 m+2 例：采用1×3窗口进行中值滤波 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 2 2 2 2 4 4 4 4 4 2 2 (1,2,2,2,6) 2 (1,2,2,2,6) 2 (1,2,2,4,6) 2 2 4 4 4 4 4 (2,4,4) 中值滤波法对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。 对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。 例： 9 8 7 6 5 8 8 6 7 5 9 8 6 7 5 4 3 2 2 1 3 4 1 2 1 9 8 7 6 5 8 8 6 7 5 9 8 6 7 5 4 3 2 2 1 3 4 1 2 1 2 3 4 5 6 6 6 7 8 一般来说，二维中值滤波器比一维滤波器更能抑制噪声。二维中值滤波器的窗口形状可以有多种，如线状、方形、十字形、圆形、菱形等（见图） 不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。从以往的经验看，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。