数字图像处理-空域滤波_精品文档PPT课件下载推荐.ppt
《数字图像处理-空域滤波_精品文档PPT课件下载推荐.ppt》由会员分享，可在线阅读，更多相关《数字图像处理-空域滤波_精品文档PPT课件下载推荐.ppt（36页珍藏版）》请在冰豆网上搜索。
（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像素。
例：
模板滤波示意：
模板的输出为：
平滑空域滤波器,作用
（1）模糊处理:
去除图像中一些不重要的细节。
（2）减小噪声。
平滑空间滤波器的分类
（1）线性平滑滤波器：
均值滤波器
（2）非线性平滑滤波器：
最大值滤波器中值滤波器最小值滤波器,线性平滑滤波器,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
（1）减小图像灰度的“尖锐”变化，减小噪声。
（2）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。
线性平滑滤波器,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。
加权均值滤波器,线性平滑滤波器例1,3x3,5x5,9x9,15x15,35x35,原图,图像说明：
顶端的黑方块，大小分别为3，5，9，15，25，35，45，55个像素，边界相隔25个像素。
位于底端的字母在10到24个像素之间，增量为2个像素。
垂直线段5个像素宽，100个像素高，间隔20个像素。
圆的直径25个像素，边缘相隔15个像素。
灰度以20%增加。
噪声矩形大小是50*120像素。
结果分析：
（1）噪声明显减少，但图像变模糊了。
尤其是图像细节域滤波器近似相同时。
（2）滤波器越大，模糊程度加剧。
线性滤波器例2,提取感兴趣物体而模糊图像,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：
（1）中值滤波器：
用像素领域内的中间值代替该像素。
（2）最大值滤波器：
用像素领域内的最大值代替该像素。
（3）最小值滤波器：
用像素领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=midzk|k=1,2,n最大值滤波器主要用途：
寻找最亮点计算公式：
R=maxzk|k=1,2,n最小值滤波器主要用途：
寻找最暗点计算公式：
R=minzk|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=midzk|k=1,2,n强迫突出的亮点或暗点更象它周围的值，以消除孤立的亮点或暗点。
中值滤波器,中值滤波算法的实现将模板区域内的像素排序，求出中间值例如：
3x3的模板，第5大的是中值，5x5的模板，第13大的是中值，7x7的模板，第25大的是中值，9x9的模板，第41大的是中值。
对于同值像素，连续排列。
如（10,15,20,20,20,20,20,25,100）,中值滤波器,中值滤波算法的特点：
（1）在去除噪音的同时，可以比较好地保留边的锐度和图像的细节（优于均值滤波器）
（2）能够有效去除脉冲噪声：
以黑白点（椒盐噪声）叠加在图像上中。
中值滤波器,3x3均值滤波,3x3中值滤波,原图,实例：
原图像,高斯噪声,椒盐噪声,高斯噪声图的55十字中值滤波噪声,椒盐噪声图的55十字中值滤波噪声,最大值滤波器,最小值滤波器,锐化空间滤波器,主要用于增强图像的边缘及灰度跳变部分,邻域平均方法积分过程结果使图像的边缘模糊,锐化方法微分过程结果使图像的边缘突出,注意：
噪声的影响,先去噪，再锐化操作,锐化空间滤波基础对微分的定义可以有各种表述，这里必须保证如下几点
（1）在平坦段为0
（2）在灰度阶梯或斜坡的起始点处为非0（）（3）沿着斜坡面微分值非0（）二阶微分也类似：
（1）平坦区为0
（2）在灰度阶梯或斜坡的起始点及中止点处为非0（）（3）沿常数斜率的斜坡面的微分0（=0）对于一元函数表达一阶微分：
二阶微分：
结论：
（1）一阶微分产生的边缘宽（如：
沿斜坡很长一段非0）；
（2）二阶微分对细节反应强烈如细线、孤立点（斜坡起止点为非0）；
（3）一阶微分对灰度阶跃反应强烈；
（4）二阶微分对灰度阶梯变化产生双响应，在大多数应用中，对图像增强来说，二阶微分化一阶微分好一些。
在图像中一阶微分用梯度法来实现，梯度用一个二维列向量来定义模值：
实际中往往用梯度模值代替梯度为减少计算量，用下式算近似：
基于一阶微分的图像增强梯度法,右图给出了Roberts算子和Sobel算子：
考虑一个3x3的图像区域，z代表灰度级，上式在点z5的f值可用数字方式近似。
z5,z1,z2,z3,z4,z6,z7,z8,z9,Roberts交叉梯度算子：
f|z9-z5|+|z8z6|,梯度计算由两个模板组成，第一个求得梯度的第一项，第二个求得梯度的第二项，然后求和，得到梯度。
两个模板称为Roberts交叉梯度算子。
-1,0,0,1,0,-1,1,0,Prewitt梯度算子3x3的梯度模板,f|（z7+z8+z9）-（z1+z2+z3）|+|（z3+z6+z9）-（z1+z4+z7）|,-1,-1,0,0,-1,0,1,1,1,-1,0,-1,0,1,1,-1,0,1,Sobel梯度算子3x3的梯度模板,f|（z7+2z8+z9）-（z1+2z2+z3）|+|（z3+2z6+z9）-（z1+2z4+z7）|,-1,-2,0,0,-1,0,1,2,1,-1,0,-2,0,1,2,-1,0,1,例子如下图所示：
处理方法：
拉普拉斯算子：
由前边：
在x方向上：
在y方向上：
则有：
基于二阶微分的图像增强一拉普拉斯算子,图像相减时，可能出现负值，如何来解决？
例如：
0255差图像要进行标定：
每一像素+255然后除以2优点，简单，快速缺点：
无法保证覆盖0255全范围先提取最小值取反后加在差图像中然后用乘每一像素可保证结果具体执行的模板右图图中心正中心负,拉普拉斯算子是强调灰度突变而减加重灰度慢变化的区域。
具体办法是：
把原图像拉普拉斯图像叠加在一起，这样既能保护拉氏锐化效果，同时又能复原背景信息。
拉氏模板中心轴为负拉氏模板中心轴为正具体实例如下页图所示：
简化：
上边的过程实际中可用一步来完成而把会成，即把合成与拉氏计算会起来。
最终模板如右图所示：
把各种互补的图像增强技术结合起来，实践复杂的增强任务举例：
骨骼图像处理：
目的：
突出骨骼的更多细节策略：
先用拉氏算子突出图像中的小细节，然后用梯度法突出其边缘，平滑过的梯度图像用于屏蔽拉氏图像，最后用灰度变换扩展灰度动态范围。
原图:
月球北极,拉普拉斯滤波后的图像,33，中心点为8的掩膜,标定的图像,原始图像拉普拉斯的结果,
升级会员 