《平滑锐化滤波》PPT课件.ppt
回顾：空域技术分类,点操作：图像间的运算，灰度映射，直方图变换等模板操作,滤波利用像素本身以及其邻域像素的灰度关系进行增强的方法。,平滑（低通）滤波器,锐化（高通）滤波器,它能减弱或消除图像中的高频分量，但不影响低频分量；,它能减弱或消除图像中的低频分量，但不影响高频分量。,空域滤波器,4.5.1 空域滤波技术分类,空域滤波,模板操作,平滑图像，减小噪声,平滑滤波主要应用,去除噪声,锐化滤波主要应用,增加反差，增强被模糊的细节或边缘,分类1：(1)平滑：模糊，消除噪声(2)锐化：增强被模糊的细节 分类2：(1)线性：如邻域平均(2)非线性：如中值滤波,滤波的实现-模板运算模板：尺寸：n*n（n一般为奇数）的小图像 半径:(n-1)/2 例如：3*3，5*5模板,3*3 模板,模板运算主要步骤：(1)将模板在图像中漫游，并将模板中心与图像中的某个像素位置重合；(2)将模板上系数与模板下对应的像素相乘；(3)将所有乘积加起来；(4)将和（模板的输出响应）赋给图像中对应模板中心位置的像素。,4.5.2 线性平滑滤波器,邻域平均加权平均,系数都是正的 注意：为保证输出还在原来的灰度值范围，在算得R后还要除以系数总和例：3 3 模板,（1）邻域平均,此时M=9,模板,原图,滤波后,4-邻域平均,8-邻域平均,其他常用模板：,模板运算例子,已知原图象块f(x,y)（包含点噪声）用4-邻域平均法处理,注：图象四周边界一般不处理（不考虑）,(a)大小为500 x500像素的原图像；(b)到(f)用大小为n3,5,9,15和35的方形均值滤波处理的结果。,优点：算法简单，计算速度快；缺点：降低噪声的同时使图像产生模糊，特别在边缘和细节处。邻域越大，在去噪能力增强的同时模糊程度越严重。,邻域平均法的优缺点分析,2、加权平均,4.5.2 线性平滑滤波器,用邻域内灰度值及本点灰度加权值来代替该点灰度值,中心系数大周围系数小,模板运算例子,已知原图象块f(x,y)（包含点噪声）用加权平均法处理：模板为M1,（3）小 结,w1,w2,w3,w4,w5,w6,w7,w8,w9,4.6 非线性滤波,（1）非线性平滑滤波器,（2）非线性锐化滤波器,用模板区域内像素的中值，作为结果值,（1）非线性平滑滤波器中值滤波器,1-D 中值滤波,2-D 中值滤波,1-D 中值滤波模板,2-D 中值滤波模板,1-D 中值滤波器,大小排序，取中值,模板尺寸为M=2*r+1，r为模板半径,M=5的模板：,原图像为：2 2 6 2 1 2 4 4 4 2 4 处理后为：,2,2,(1,2,2,2,6),2,(1,2,2,2,6),2,(1,2,2,4,6),2,2,4,4,4,4,4,例：使用M=5的模板对原图像进行处理,从小到大排列，取中值,2-D 中值滤波模板例如：3*3的模板,例子：使用3*3的模板对图像进行中值滤波,答案：,2,3,4,5,6,6,6,7,8,中值滤波算法的实现：将模板区域内的像素排序，求出中值。例如：3x3的模板，第5大的是中值，5x5的模板，第13大的是中值.对于同值像素，连续排列。如（10,15,20,20,20,20,20,25,100）,椒盐噪声,原图,中值（3*3）,中值（5*5）,中值（7*7）,不同尺寸的中值滤波器的滤波效果,中值滤波法：,模板：,强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）；中值滤波器是非线性的；,中值滤波器特点：,(a)椒盐噪声污染的电路板X光图像，(b)用3x3均值滤波器去除噪声，(c)用3x3中值滤波器去除噪声,中值滤波器 VS 均值滤波器,中值滤波器：不是简单的平均，产生的模糊比较少。特点：在去除噪声的同时，可以比较好地保留边缘的锐度和图像的细节。中值滤波器比均值滤波器效果好,最大值滤波器：主要用途：寻找最亮点最小值滤波器：主要用途：寻找最暗点,其它滤波器,最大值滤波器,最小值滤波器,空域平滑滤波器模板的所有系数都是正数，具有平滑的效果，在去除噪声的同时模糊了图像边缘、细节。本质上是一种低通滤波器。在设计滤波器时通常还要求行列数为奇数，保障中心定位性能。空域平滑滤波的去噪能力与它的模板大小有关，模板越大，去噪声能力越强；,小 结,4.6.2 锐化滤波器,突出图像中的细节或者增强被模糊了的细节,4.6.2 锐化滤波器,均值滤波积分平滑 微分锐化?,在离散空间，f(x)的一阶微分定义为一个差值：,类似地，用差分定义二阶微分：,在图像处理中，一阶微分是通过梯度法来实现的。对于函数f(x,y)，其在(x,y)处的梯度是通过一个二维向量来定义的：,该向量的模值为：,注意：一般将梯度的模值称为梯度。,一、基于一阶微分的图像增强梯度法（非线性）,近似算法：,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。,原图像,|Gx|，x方向上的梯度分量，水平细节非常清楚,|Gy|，y方向上的梯度分量，垂直细节非常清楚,梯度图像|Gx|+|Gy|，水平和垂直细节都非常清楚,常用梯度算子-Roberts交叉算子,Roberts 45度模板的检测结果,Roberts-45度模板的检测结果,|f|Gx|+|Gy|=|(z7+z8+z9)-(z1+z2+z3)|+|(z3+z6+z9)-(z1+z4+z7)|,常用梯度算子-Prewitt 算子,|f|Gx|+|Gy|=|(z7+2z8+z9)-(z1+2z2+z3)|+|(z3+2z6+z9)-(z1+2z4+z7)|,常用梯度算子-Sobel梯度算子,(a)隐形眼镜的光学图像（注意，在边缘处类似时钟4点和5点处的缺陷，(b)Sobel梯度,总体要求,清楚图像间运算掌握直接灰度映射原理及分析重点掌握直方图均衡化和规定化计算掌握平滑滤波相关原理及计算清楚锐化滤波原理及计算,1 1 2 21 1 9 21 10 2 21 1 2 2,3 1)4邻域平均法2)用加权模板M1处理3)中值滤波法：用模板M2处理,1 习题4-8（1,2)2 习题4-13,作业,
