图像预处理Chapter 5 Image Processing.pptVIP

北京邮电大学自动化学院 (a) 原始图像 (b)高斯噪声 被高斯噪声所污染的图像 离散高斯分布: 例如，选 ，n=7，在[0,0]处的值等于产生下列数组： 高斯滤波器设计:直接法 其中c是归一化常量． 左上角值定义为1并取整： 7×7 高斯滤波模板 15×15高斯滤波模板 均值滤波和高斯滤波运算的主要问题：有可能模糊图像中的尖锐不连续部分． 5 非线性滤波器 按亮度值大小排列像素点 选排序像素的中间值作为点 的新值。 （1）中值滤波器：中值滤波器的基本思想是用像素点邻域灰度值的中值来代替该像素点的灰度值，该方法在去除脉冲噪声、椒盐噪声的同时又能保留图像边缘细节，这是因为它不依赖于邻域内那些与典型值差别很大的值 。 例如，取 函数窗，计算以点 为中心的函数窗像素中值步骤如下： 南京航空航天大学 自动化学院 图 像 预 处 理 Chapter 5 Image Processing 第 5 章 1 引言 对机器视觉系统来说，所用的图像预处理方法并不考虑图像降质原因，只将图像中感兴趣的特征有选择地突出，衰减其不需要的特征，故预处理后的输出图像并不需要去逼近原图像．这类图像预处理方法统称为图像增强． 图像增强技术主要有两种方法：空间域法和频率域法．空间域方法主要是在空间域内对图像像素直接运算处理．频率域方法就是在图像的某种变换域，对图像的变换值进行运算，如先对图像进行付立叶变换，再对图像的频谱进行某种计算(如滤波等)，最后将计算后的图像逆变换到空间域． 2 直方图修正 许多图像的灰度值是非均匀分布的，其中灰度值集中在一个小区间内的图像是很常见的．直方图修正是一种通过重新分布各灰度值来增强图像对比度的方法．一般来说，直方图修正能提高图像的主观质量，因此在处理艺术图像时非常有用． 推广：图像的大多数像素灰度值分布在[a,b]区间 把在灰度区间 内的像素点映射到区间 。 分段函数变换 连续函数灰度变换 直方图均衡化举例1 直方图均衡化举例2 (1) 线性系统 图像处理系统可以用一个线性系统作为模型 对于线性系统，当系统输入是一个中心在原点的脉冲?(x,y)时，输出g(x,y)就是系统的脉冲响应． 3 图像线性运算 线性空间不变系统(Linear Space Invariant，LSI)完全能用其脉冲响应来描述。 (2)空间不变线性系统 系统响应与输入脉冲的中心位置无关 如果 f 和 h 表示图像，则卷积就变成了对像素点的加权计算，脉冲响应g[i,j]就是一个卷积模板。 图5．3 阶的卷积模板示意图 4 线性滤波器 图像常常被强度随机信号（也称为噪声）所污染．一些常见的噪声有椒盐（Salt Pepper）噪声、脉冲噪声、高斯噪声等．椒盐噪声含有随机出现的黑白强度值．而脉冲噪声则只含有随机的白强度值（正脉冲噪声）或黑强度值（负脉冲噪声）．与前两者不同，高斯噪声含有强度服从高斯或正态分布的噪声．高斯噪声是许多传感器噪声的很好模型，例如摄像机的电子干扰噪声． 其中，M是邻域N内的像素点总数。 在像素点[i,j]处取3×3邻域，得: (１)　均值滤波器 每一个像素值用其局部邻域内所有值的均值置换 均值滤波器的实现:进行卷积模板的等权值卷积运算实现。 3X3窗口 7X7窗口 邻域 N 的大小控制着滤波程度，对应大卷积模板的大尺度邻域会加大滤波程度．作为去除大噪声的代价，大尺度滤波器也会导致图像细节的损失． 经验设计 在设计线性平滑滤波器时，选择滤波权值应使得滤波器只有一个峰值，称之为主瓣，并且在水平和垂直方向上是对称的．一个典型的3×3平滑滤波器的权值模板如下： (２)　高斯平滑滤波 高斯滤波器是一类根据高斯函数的形状来选择权值的线性平滑滤波器．高斯平滑滤波器对去除服从正态分布的噪声是很有效的． 一维零均值高斯函数为： (5．11) 其中，高斯分布参数σ决定了高斯滤波器的宽度． (２)　高斯平滑滤波 对图像处理来说，常用二维零均值离散高斯函数作平滑滤波器． 高斯函数的五个重要性质之1：旋转对称性 二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的．一般来说，一幅图像的边缘方向是事先不知道的，因此，在