第三章 图像空间域增强.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * z1 z2 z3 z4 z5 z6 z7 z8 z9 0 2 0 1 -1 -2 -1 0 1 0 0 0 -1 -2 -1 1 2 1 微分滤波器模板系数设计 Sobel梯度算子——3x3的梯度模板 ?f ? |(z7 +2z8 + z9) - (z1 + 2z2 + z3) | + |(z3 +2z6 + z9) - (z1 + 2z4 + z7) | 几个梯度算子 用于边缘增强的梯度处理 a)隐形眼镜的光学图像（边缘处类似时钟4点和5点处的缺陷） b) Sobel梯度 a b 组合多种空间增强方法进行图像增强处理 a b c d a) 骨骼扫描图像 b) 拉普拉斯变换 c) 图a加图b的锐化图像 d) Sobel处理 e f g h e) 均值滤波图像 f) 图c加图e掩膜图像 c) 图a加图f锐化图像 h) 对图g幂律变换图像 图像增强概述 基本灰度变换 直方图处理 用算术/逻辑操作增强 空间滤波与空间滤波器 本章主要内容 本章要求及作业 本章要求： 1. 掌握基本的灰度变换方法； 2. 了解空间域数字图像的增强技术 本章作业 1. 书后： 3.5， 3.17， 3.22 2. 课后编程 （1）绘制出一幅2M×2N 的灰度图像直方图；对该图像进行均衡化处理，绘制出均衡后图像的直方图；对该图像进行灰度变换，使变换后的图像大致具有如 下图所示的归一化直方图，并绘制出变换后实际的直方图： （2）分别在2幅灰度图像中加入一定量的高斯噪声和椒盐噪声，噪声强度自定。然后采用3×3的均值滤波器和3×3中值滤波器分别对噪声图像进行处理，给出 两种处理方法的峰值信噪比(PSNR)。 END * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 空间滤波和空间滤波器的定义 在M?N 的图像f上，使用m?n 的滤波器： 其中，m=2a+1,n=2b+1, w(s,t)是滤波器系数，f(x,y)是图像值 空间滤波的简化形式： 其中，w是滤波器系数，z是与该系数对应的图像灰度值，mn为滤波器中包含的像素点总数 空间滤波和空间滤波器的定义 平滑空间滤波器的作用 模糊处理:去除图像中一些不重要的细节 减小噪声 平滑空间滤波器的分类 线性滤波器：均值滤波器 非线性滤波器 最大值滤波器 中值滤波器 最小值滤波器 平滑线性滤波器 平滑线性滤波器的输出是包含在滤波器邻域内像素的平均值，也称为均值滤波器 作用 减小图像灰度的“尖锐”变化，减小噪声 由于图像边缘是由图像灰度尖锐变化引起的，所以也存在边缘模糊的问题 平滑线性滤波器 a b 图a是标准的像素平均值 图b是像素的加权平均，表明一些像素更为重要 平滑线性滤波器----举例 原图 5 x 5 15 x 15 3 x 3 9 x 9 35 x 35 随着掩模尺寸的增加，图像的模糊程度逐渐加大 通过选取恰当的掩模尺寸，提取感兴趣的目标 平滑线性滤波器----举例 原图 15 x 15 阈值＝25％ 统计排序滤波器 什么是统计排序滤波器？ 是一种非线性滤波器 基于滤波器所在图像区域中像素的排序，由排序结果决定的值代替中心像素的值 分类 中值滤波器： 用像素邻域内的中间值代替该像素 最大值滤波器：用像素邻域内的最大值代替该像素 最小值滤波器：用像素邻域内的最小值代替该像素 统计排序滤波器 中值滤波器 主要用途：去除噪声 计算公式：R = mid{zk| k=1,2,…,n} 最大值滤波器 主要用途：寻找最亮点 计算公式： R = max{zk| k=1,2,…,n} 最小值滤波器 主要用途：寻找最暗点 计算公式： R = min{zk| k=1,2,…,n} 中值滤波器 中值滤波的原理 用模板区域内像素的中间值，作为结果值 R = mid {zk | k = 1,2,…,n} 强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点） 中