第三章空间域图像增强概述.pptVIP

MATLAB实现 语法： g=imfilter(f, w, filtering_mode, boundary_options, size_options) 说明：w为滤波掩模 f = imread ( ‘saturn.tif’); w=ones(3); %单位矩阵掩模 gd=imfilter(f,w); imshow(gd,[]); 输出图像的大小与输入图像的大小相同 ‘same’ 输出图像的大小与被扩展图像的大小相同 ‘full’ 大小选项 图像大小通过将图像看成是一个二维周期函数的一个周期来扩展 ‘circular’ 图像大小通过反射其边界来扩展。 ‘symmetric’ 图像大小通过复制外边界的值来扩展。 ‘replicate’ 输入图像的边界通过用值P来扩展。P的默认值为0。 P 边界选项 滤波器通过使用卷积来完成 ‘conv’ 滤波器通过使用相关来完成。该值是默认值。 ‘corr’ 滤波类型 描述 选项 3、统计排序滤波器 （1）定义 统计滤波器是一种非线性滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后由排序结果决定的值代替中心像素的值。包括最小值滤波器、最大值滤波器、中值滤波器等。 （2）中值滤波器 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 1 4 1 5 1 2 5 5 4 4 3 2 2 3 3 5 4 3 2 1 1 2 3 4 5 随堂练习：中值滤波；最小值滤波 （3）实例及结论 观察以下几个实例，对比中值滤波和邻域平均滤波的各自特点。 　　举例： 　　随堂练习：对下列图像进行直方图均衡化 0 1 1 2 2 1 0 2 3 3 1 1 2 3 3 0 1 1 3 3 1 1 1 3 3 　　（6）直方图均衡化的效果 1) 由于数字图像是离散的，因此直方图均衡化并不能产 生具有理想均衡直方图的图像，但可以得到一幅灰度分布更为均匀的图像。 2）变换后一些灰度级合并，因此灰度级减少。 3）原始象含有象素数多的几个灰级间隔被拉大了，压缩的只是象素数少的几个灰度级，实际视觉能够接收的信息量大大地增强了，增加了图象的反差和图象的可视粒度。 　　（7）MATLAB实现 语法：g=histeq(f, nlev) 说明：nlev是为输出图像制定的灰度级数。 f = imread ( ‘tire.tif’); imshow(f); figure,imhist(f); ylim(‘auto’); %自动设定y轴坐标范围和刻度 g=histeq(f,256); figure, imshow(g); figure,imhist(g); ylim(‘auto’); 补充材料：直方图均衡化的缺陷 1 直方图均衡化的问题 　　　不能实现直方图的理想均衡。 ２原因分析 　　数字图像是离散的。直方图均衡化方法是一对一或者多对一的映射关系，即原图像的某一灰度级或某几个灰度级只能映射为均衡化图像的一个灰度级，因此不能实现理想的均衡。 ３创新思路 　　要想实现直方图的理想均衡化，就必须破除传统直方图均衡化方法所蕴含的一对一或者多对一映射关系的理论前提，实现灰度级多对多的映射关系。 ４技术路线 　　（１）邻域测度 　　邻域测度（或邻域算子）定义为： 　　k0，是锐化系数。 　　下面解释公式的物理含义。当f(x,y)比它的8邻域均值大时，变换后邻域测度将比f(x,y)大；相应的，当f(x,y)比它的8邻域均值小时，变换后邻域测度将比f(x,y)小。因此，邻域测度（或邻域算子）可以看作为一个锐化算子，k（锐化系数）的大小决定了锐化的强度。 （２）排序 　　对邻域测度空间的值进行由小到大的排序。 （３） 均匀分段 　　排序完成后，按照原始图像的灰度级数进行均匀分段。例如，如果原始图像是256灰度级的，则均匀分为256段，每段的像素的数目基本相等，最多相差1。 （４）均衡化映射 　　按分段的先后顺序，每段中的数据分别赋值为0，1，…，L-1（L为灰度级数）。然后，每段中的每个数据根据在排序过程中保存的位置关系，映射回图像中。 ５实验结果 　　 该创新实例的点评 　　 3.4 用算术/逻辑操