方法分类主要介绍灰度图像,彩色图是三个灰度图,图.pptVIP

* * 4.4 滤波器： 1) 方法分类： 主要介绍灰度图像，彩色图是三个灰度图,图像记录亮度的幅度信息,而未突出相应信息,人识别主要是灰度突变部分,这部分信息包含在频谱信息中。 滤波目的便于识别，人工或后继处理。 图象不清晰、不突出是多种因素造成的：采集条件中未突出所需部分，有干扰（噪音、散斑、运动模糊等等）。 两种概念：恢复与增强 恢复：准确恢复原图 B = H A + N A：原图，B：现图；N：干扰，H：线性变换。 当知H、N可恢复，问题在H、N如何求。 增强：突出所关心的有用信息，抑制次要部分，去干扰，增强对比度。 二者有重叠部分： 增强带有恢复性质－－突出有用信息上，且是局部性恢复。 增强二层含义： 锐化：突出轮廓－－人眼对轮廓（对比度大部分）敏感 平滑：去噪音 滤波处理方法： 空域：取局部邻域（2M+1）×（2M+1）邻域的加权和——局域处理 频域：G(u,v) = H(u,v) · F(u,v) 其中： F(u,v)：原始图象Fourier频谱 G(u,v)：平滑后图象的Fourier频谱 H(u,v)：滤波器转移函数（即频谱） H（u,v）函数的定义，方法很多，没有唯一通用办法，针对具体情况选用不同方法。 2) 空域滤波： ? 锐化： [图像传输变换（未聚焦好）、受到各种干扰而退化，典型的是图像模糊，而图像的判读和识别中，常需突出目标的轮廓或边缘信息。 从数学上看，图像的模糊相当于图像被平均或积分，为实现图象的锐化，必需用它的反运算“微分”－－加强高频分量作用，使轮廓清晰。] [照片模糊两种理解] 1、平均或积分效应引起——用微分处理； 2、模糊可看作图像上高频分量被削弱——高频增强，引入微分： [注意：噪音亦属高频分量，往往会随高频增强而突出。因此往往需要去噪后再锐化－微分] 下面讨论一下微分算子： 一般情况： 希望求微分算子是各向同性的，即其微分效果不随特征方向不同而不同。 可证明：偏导数的平方和是各项同性的，梯度运算Laplacian运算都符合上述条件。 x x’ y’ y f(x,y) θ 证明： 可得上面关系，证毕。 离散域上微分改成差分 △x f(i,j) = f(i,j) - f(i-1,j) △y f(i,j) = f(i,j) - f(i,j-1) 二阶：△x2 f(i,j) = △x f(i+1,j) - △x f(i,j) = f(i+1,j) + f(i-1,j) - 2f(i,j) △y2f(i,j) = f(i,j+1) + f(i,j-1) - 2f(i,j) laplace算子 1 1 -4 1 1 b. Roberts算子 Sobel算子 (i,j) (i+1,j) (i,j+1) (i+1,j+1) 0 7 1 (i,j) 3 2 6 5 4 ? d. Kirsch算子 5 3 5 (i,j) 3 5 3 3 3 3 3 5 (i,j) 5 5 3 3 3 k = 0 k = 1 e.反锐化掩模法： [光学操作将聚焦的正像与散焦的负象在底版上叠加，散焦的负象相当于一个模糊掩模。] f.定向滤波： 沿特定方向增强，有朔像效果 -1 -c -1 1 c 1 -1 -c c 1 -1 1 c 1 1 -1 -1 -c -1 1 1 c -c -1 g. Canny算子 1986年，Canny为一个边缘检测算子定义了目标集，并用优化的方法实现了边缘的检测。根据Canny的说法，一个边缘算子必须满足三个准则。 1） 低错误率：边缘算子应该只对边缘响应，并能找到所有的边，而对于非边缘应 能舍弃。 2） 定位精度：被边缘算子找到的边缘象素与真正的边缘象素间的距离应尽可能的 小。 3） 单边响应：在单边存在的地方，检测结果不应出现多边。 在Canny的假设下，对于一个带有Gaussian白噪声的阶跃边缘，边缘检测算子是一个与图像函数进行卷积的滤波器f，这个卷积滤波器应该平滑掉白噪声并找到边缘位置。 ②平滑： 去噪声，改