06 第八章1 图象增强.pptVIP

8.1 引言 图象增强技术作为一大类基本的图象处理技术，其目的是对图象进行加工，以得到对具体应用来说视觉效果更“好”、更“有用”的图象。由于具体应用的目的和要求不同，因而这里“好”和“有用”的含义也不相同，并且所需要的具体增强技术也可以大不相同。从根本上说，并没有图象增强的通用标准，观察者是某种增强技术优劣的最终判断者。 目前常用的增强技术根据其处理所进行的空间不同，可分为基于图象域的方法和基于变换域的方法两类。 前者直接在图象所在空间进行处理，而后者对图象的处理是通过在图象的变换域而间接进行的。更进一步，前者又可分为两组：基于象素（点）的和基于模板的。在基于象素的处理（也叫点处理）中，增强过程对每个象素的处理与其它象素无关（见点运算）；而模板处理则是指每次处理操作都是基于图象中的某个小区域进行的。 8.2 空间滤波8.2.1 原理和分类 空域滤波是在图象空间借助模板进行邻域操作完成的，根据其特点它们一般可分成线性的和非线性的两类。线性滤波器的设计常基于对傅里叶变换的分析。非线性空间滤波器则一般直接对邻域进行操作。另外各种空域滤波器根据功能又主要分成平滑的和锐化的。平滑可用低通滤波实现。锐化可用高通滤波实现。可将空间滤波增强方法分成4类。 （1）平滑（低通）滤波器：它能减弱或消除傅里叶空间的高频分量，但不影响低频分量。因为高频分量对应图象中的区域边缘、孤立点、噪声等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图象平滑。 图8.1(a)和(b)分别给出2-D平滑滤波器在频域里和在空域里的剖面示意图。由图可见平滑滤波器是低通滤波器。图(c)和(d)分别给出2-D锐化滤波器在频域里和在空域里的剖面示意图。由图可见锐化滤波器是高通滤波器。 尽管这些滤波器的剖面形状不同，但在空域实现这些功能的方式是相似的，即都是利用模板卷积，主要步骤为： 1）将模板在图中漫游，并将模板中心与 图中某个象素位置重合； 2）将模板上系数与模板下对应象素相乘； 3）将所有乘积相加； 4）将和（模板的输出响应）赋给图中对 应模板中心位置的象素。 图8.2(a)给出一幅图象的一部分，其中所标为一些象素的灰度值。现设有一个3×3的模板如图(b)所示，模板内所标为模板系数。如将k0所在位置与图中灰度值为s0的象素重合（即将模板中心放在图中(x,y)位置），模板的输出响应R为：R=k0s0+k1s1+……+k8s8 (8.1) 8.2.2 平滑滤波器 平滑处理往往用于图象分割之前，因为它可以去除噪声也可以填补图象边缘中的间隙，有利于从图象中找出目标。 图8.3所示窗口分别为3×3、5×5、7×7的线性平滑滤波器的掩模（平滑模板）。图8.4所示分别为用7×7、9×9和11×11三种掩模的滤波效果。图(a)中迭加了均匀分布的随机噪声。 8.2.2.2 非线性平滑滤波器 用邻点平均滤波的缺点是有损于图象的清晰度。如果只想去除噪声而又不使原图象的清晰度变坏，就可以使用中值滤波器（一种非线性平滑滤波器）。 它的工作原理是将一个窗口置于感兴趣点之上，将窗中所有邻点灰度值排序，变换后在该感兴趣点上的灰度值将由邻点排序后的中值代替。图8.5所示为一维中值滤波示例。 中值滤波的缺点是当窗口尺寸较大时，滤波运算非常费时。 图8.6 给出用邻域平均和中值滤波处理的结果。原图仍是图8.4(a)。图8.6(a)和(c)分别给出用3×3和5×5模板得到的邻域平均结果，而图 (b)和(d)分别为用3×3和5×5模板进行中值滤波处理得到的结果。 8.2.3 锐化滤波器8.2.3.1 线性锐化滤波器 线性高通滤波器是最常用的线性锐化滤波器。由图8.1(d)可知，这种滤波器的中心系数应为正的而周围的系数应为负的。常用的3×3模板即为拉普拉斯算子。 高通滤波器的效果也可用原始图减去低通图得到。即 Highpass = Original ? Lowpass (8.2) 高频增强滤波器在图象处理中同样有重要应用。即把高通滤波的结果加到原图乘以一个系数后的图中去，其结果是原图中的低频信号没有完全除去，高频信号有了一定程度的增加，因而又称为高频提升。 High boost = A×Original – Lowpass = (A-1) ×Original + Highpass (8.3) 如果参数A=0 就还原成高通。如果A0，则部分低频保留而高频得到了加强，图8.8为线性高通滤波与高频增强滤波的比较。图(a)为一幅实验图象，图(b)为对其用线性高通滤波进行处理得到的结果，图(c)为用高频增强滤波器进行处理得到的结果（A=2），图(d)为在此基础上又对灰度值范围