第三章+空域增强.ppt

*;像素空间关系;2、对角近邻象素 象素pi ：(x-1,y-1)， (x-1,y+1)，(x+1,y+1)， (x+1,y-1)，组成p的对角近邻 象素，记为ND（p） 3、8-邻域象素 p的周围8个近邻象素全体称为 p的8-邻域，记为N8（p） ;二、象素间的邻接,连接和连通 象素间的连通性在确定图象中目标的边界和区域的元素时是一个重要的概念。 连通性可以分成邻接、连接和连通。 邻接只考虑位置关系，判断两个像素是否邻接只要看它们是否接触即可。;二、象素连通性 确定2个象素是否连接需确定： （1）它们是否接触(是否邻接) （2）它们的灰度值是否满足某个特定的相似准则(例如它们灰度值相等)。;*;*;*;连通 p和q是图象子集S中的两个象素，若存在1条完全由在S中的象素组成的从p到q的通路，且通路上的像素满足一定条件，则称p在S中与q相连通。 连通组元 对于S中的任一个象素p，所有与p相连通且属于S的象素集合，称为S中的一个连通组元。 图象中相同的连通组元中任两个象素互相连通 ;三、象素间距离度量 给定三个象素p, q, r, 坐标分别为(x,y), (s,t), (u,v)，如果满足下列条件： D(p, q) ≥ 0 (D(p, q) = 0 当且仅当 p = q)； D(p, q) ＝ D(q, p) ；对称性 D(p, r) ≤ D(p, q) ＋ D(q, r) ； 三角不等式 则称D是距离度量函数。;测度空间 定义在抽象集合A 上的测度是一个集合向实数集映射的函数。对任意三个元素a1,a2,a3有： （1）d(a1,a2)=0,当且仅当：a1=a2 （2）d(a1,a2)=d(a3,a1)+d(a3,a2) （3）d(a1,a2)=d(a2,a1) （4）d(a1,a2)0,如果a1!=a2. 二元组：(A,d)称为测度空间。 ;欧氏距离 点p和q之间的欧氏(Euclidean)距离(范数为2的距离)定义为： 最常用，最直观的距离。;D4距离(城区距离) 范数为1的距离，也称曼哈顿距离 南北方向的距离加上东西方向上的距离之和;与(x,y)的D4距离小于等于某个值d的象素组成以(x,y)为中心的菱形 D4距离为1的象素就是(x,y)的四近邻象素;D8距离(棋盘距离) ;与(x,y)的D8距离小于等于某个值d的象素组成以(x,y)为中心的正方形 D8距离为1的象素就是(x,y)的8-邻接象素;明可夫斯基距离 点p和q之间的明可夫斯基距离(范数为k的距离)定义为 通常被称为Lk范数，或范数为k的距离。 k=1,k=2, 分别是欧式距离，城区距离和棋盘距离。;像素间的距离;模板运算;模板卷积（模板与图像在图像空间卷积） 操作步骤 将模板在图中漫游，并将模版中心与图中的像素位置依次重合； 将模版系数与模版对应像素相乘； 将所有乘积相加； 将和（模板的输出响应）赋给图中对应模版中心位置的像素。;k8;模板排序（模板与图像在图像空间卷积） 操作步骤 将模板在图中漫游，并将模版中心与图中的像素位置依次重合； 读取模板下输入图像中各对应像素的灰度值 将灰度值排序（从大到小） 选出一个序，取出该像素灰度值。 将其赋给图中对应模版中心位置的像素。;图像边界处模板运算 忽略边界处像素。 将输入图像进行扩展 扩展处选0 扩展处选4邻域 周期循环 外插;功能分类 平滑滤波 锐化滤波;平滑滤波;平滑滤波;线性平滑滤波 ;线性平滑滤波;线性平滑滤波;锐化滤波;锐化滤波;锐化滤波;锐化滤波;常用的梯度算子 普瑞维特（Prewitt）算子 ;常用的梯度算子 索贝尔（Sobel）算子 ;锐化滤波;锐化滤波;锐化滤波;锐化滤波;锐化滤波;锐化滤波;锐化滤波;锐化滤波;锐化滤波;锐化滤波;锐化滤波;二阶微分增强;非线性滤波;中值滤波;（一）中值滤波的原理 对1D序列 f1, f2, …. , fn，取窗口长度为m，对此序列进行中值滤波，取其中的子序列： fi-v, … fi-1 , fi , fi+1 … , fi+v v = (m-1)/2 将这m个数字进行排序，然后取排在中间的那个数值作为输出的结果gi。;（二）中值滤波的步骤 模板在图中漫游，模板中心与图中某个像素位置重合 读取模板下各个对应像素的灰度值 将这些灰度值从小到大排成一列 找出这些值里排在中间的一个 将这个中间值赋给当前对应模板中心位置的像素 ;例：取N=5的一维中值滤波窗口，其中当前象元为位于窗口正中 若已知窗口内的数据为： 90，95，202，93，98 按照中值滤波算法，首先将它们由小到大排列，即得到