资源描述
,#,单击此处编辑母版标题样式,会计学,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,会计学,1,计算机图像处理空间域图像平滑,会计学1计算机图像处理空间域图像平滑,图像增强的方法：,全域线性灰度变换,截取式线性灰度变换,分段式线性变换,直方图均衡化,直方图规定化,都是为了把层次感不强的图像变得层次分明,第1页/共48页,图像增强的方法：第1页/共48页,第2页/共48页,第2页/共48页,空间域图像平滑,任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。,为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。,平滑的目的在于消除混杂在图像中的干扰，改善图像质量，强化图像表现特征。,本节介绍空域常用方法。,第3页/共48页,空间域图像平滑任何一幅原始图像，在其获取和传输等过程中，会受,空间域图像平滑,噪声消除法,邻域平均法,中值滤波,法,梯度倒数加权法,选择式掩模平滑,第4页/共48页,空间域图像平滑噪声消除法 第4页/共48页,噪声消除法,由传感器或信道引起的噪声通常呈现孤立离散性分布，他们常常与邻域像素有比较明显的差异。,例子,第5页/共48页,噪声消除法由传感器或信道引起的噪声通常呈现孤立离散性分布，他,噪声消除法算法,噪声消除法平滑时，顺序检测每一个像素，如果某个像素的幅度大于其邻域平均值，且达到一定的程度，则判定该像素为噪声；,继而用其邻域平均值来代替该像素。,数学表示：,第6页/共48页,噪声消除法算法噪声消除法平滑时，顺序检测每一个像素，如果某个,邻域的概念,一个像素的周边像素的集合称之为它的邻域。,通常邻域是远比图象尺寸小的一规则形状。如下面情况中，一个点的邻域定义为以该点为中心的一个圆内部或边界上点的集合。,邻域也称为窗口,常见的有,3*3,，,5*5,等样式。,第7页/共48页,邻域的概念一个像素的周边像素的集合称之为它的邻域。第7页/共,邻域,点,+,的邻域,点,+,的邻域,第8页/共48页,邻域点+的邻域点+的邻域第8页/共48页,邻域,对于像素,（,m,n),，其邻域像素如下：,(m-1,n-1),(m-1,n),(m-1,n+1),(m,n-1),(m,n),(m,n+1),(m+1,n-1),(m+1,n),(m+1,n+1),第9页/共48页,邻域对于像素（m,n)，其邻域像素如下：(m-1,n-1)(,邻域,如线状、方形、十字形、圆形、菱形等（见图）,第10页/共48页,邻域如线状、方形、十字形、圆形、菱形等（见图）第10页/共4,噪声消除法举例,给定一幅图像,添加椒盐噪声,椒盐噪声,-,白图像上的黑点和黑图像上的白点,使用噪声消除法去除噪声,需要确定窗口形状,确定门槛值,T,第11页/共48页,噪声消除法举例给定一幅图像第11页/共48页,实例,(a),原图像,(b),对,(a),加椒盐噪声的图像,(c)33,噪声消除法,(T=64),(d)55,噪声消除法,(T=48),第12页/共48页,实例(a)原图像 第12页/共48页,邻域平均法,邻域平均法是一种直接在空间域上进行平滑处理的技术。,邻域平均法,用邻域内各像素的灰度平均值代替该像素原来的灰度值，来实现图像的平滑。,第13页/共48页,邻域平均法邻域平均法是一种直接在空间域上进行平滑处理的技术。,邻域平均法,1,、,方法：逐个处理待处理像素，以其邻域平均值取代该像素原来的灰度值。,2,、邻域的选取：通常有两种方式，以单位距离为半径或单位距离的 倍为半径取一个窗口。,第14页/共48页,邻域平均法1、方法：逐个处理待处理像素，以其邻域平均值取代该,邻域平均法,设有一幅,NN,的图像,f(x,y),，若变换后的图像为,g(x,y),则有,式中,x,y=0,1,N-1,；,s,为（,x,y,）邻域,内,像素坐标的集合；,M,表示集合,s,内像素的总数。,可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。,第15页/共48页,邻域平均法设有一幅NN的图像f(x,y)，若变换后的图像为,(m-1,n-1),(m-1,n),(m-1,n+1),(m,n-1),(m,n),(m,n+1),(m+1,n-1),(m+1,n),(m+1,n+1),例如，对图像采用,3,3,的邻域平均法，对于像素,（,m,n),，其邻域像素如下：,则有：,第16页/共48页,(m-1,n-1)(m-1,n)(m-1,n+1)(m,n-,其作用相当于用这样的模板同图像卷积。,经过上述平滑后，信号与噪声的方差比可望提高,M,倍。,这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。如图和,(d),。,第17页/共48页,其作用相当于用这样的模板同图像卷积。第17页/共48,模板,一个窗口，可理解为一个窗格。如,0,1,0,1,1,1,0,1,0,第18页/共48页,模板一个窗口，可理解为一个窗格。如010111010第18页,模板,模板包含一些元素，可用矩阵表示,如：,第19页/共48页,模板模板包含一些元素，可用矩阵表示第19页/共48页,模板,1,0,4,5,6,6,7,7,1,2,2,3,4,4,5,4,2,3,5,4,3,2,5,7,1,3,5,7,6,4,2,4,0,1,3,2,4,6,4,3,7,6,4,3,1,2,4,2,7,5,2,3,1,5,7,0,5,5,5,6,6,0,0,7,1,4,6,6,7,7,1,2,2,3,4,4,5,4,2,5,3,2,5,7,1,3,5,7,6,4,2,4,0,1,3,2,4,6,4,3,7,6,4,3,1,2,4,2,7,5,2,3,1,5,7,0,5,5,5,6,6,0,0,7,第20页/共48页,模板1045667712234454235432571357,模板（,template,，,filter mask,）,给定图象,f(x,y),大小,N*N,，,模板,T(i,j),大小,m*m,（,m,为奇数）,常用的相关运算定义为：,使模板中心,T(m-1)/2,(m-1)/2),与,f(x,y),对应,第21页/共48页,模板（template，filter mask）给定图象f(,模板的相关运算,图像 模板,f(x-1,y-1),f(x-1,y),f(x-1,y+1),f(x,y-1),f(x,y),f(x,y+1),f(x+1,y-1),f(x+1,y),f(x+1,y+1),T(0,0),T(0,1),T(0,2),T(1,0),T(1,1),T(1,2),T(2,0),T(2,1),T(2,2),第22页/共48页,模板的相关运算 图像,模板的相关运算,第23页/共48页,模板的相关运算第23页/共48页,模板的卷积运算,卷积运算定义为：,第24页/共48页,模板的卷积运算卷积运算定义为：第24页/共48页,模板的卷积运算,图像 模板,f(x-1,y-1),f(x-1,y),f(x-1,y+1),f(x,y-1),f(x,y),f(x,y+1),f(x+1,y-1),f(x+1,y),f(x+1,y+1),T(0,0),T(0,1),T(0,2),T(1,0),T(1,1),T(1,2),T(2,0),T(2,1),T(2,2),第25页/共48页,模板的卷积运算 图像,f(x-1,y-1),f(x-1,y),f(x-1,y+1),f(x,y-1),f(x,y),f(x,y+1),f(x+1,y-1),f(x+1,y),f(x+1,y+1),T(0,0),T(0,1),T(0,2),T(1,0),T(1,1),T(1,2),T(2,0),T(2,1),T(2,2),第26页/共48页,f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(,相关与卷积的物理含义,相关运算是将模板当权重矩阵作加权平均；,而卷积先沿纵轴翻转，再沿横轴翻转后再加权平均。,如果模板是对称的，那么相关与卷积运算结果完全相同。,邻域运算实际上就是卷积和相关运算，用信号分析的观点就是滤波。,第27页/共48页,相关与卷积的物理含义相关运算是将模板当权重矩阵作加权平均；第,(a),原图像,(b),对,(a),加椒盐噪声的图像,(c)33,邻域平滑,(d)55,邻域平滑,实例,第28页/共48页,(a)原图像 (b)对(a)加椒盐噪声的,邻域平均法举例,给定一幅图像,添加椒盐噪声,使用邻域平均法去除噪声,需要确定窗口形状,确定为,3*3,窗口,第29页/共48页,邻域平均法举例给定一幅图像第29页/共48页,Matlab,程序,clear;clc;,I=imread(eight.tif);,J=imnoise(I,salt,K=filter2(fspecial(average,3),J)/255;,subplot(131),imshow(I);,subplot(132),imshow(J);,subplot(133),imshow(K);,第30页/共48页,Matlab程序clear;clc;第30页/共48页,效果图,第31页/共48页,效果图第31页/共48页,(a),原图像,(b),对,(a),加椒盐噪声的图像,(c)33,邻域平滑,(d)55,邻域平滑,(e)33,噪声消除法,(T=64),(f)55,噪声消除法,(T=48),第32页/共48页,(a)原图像 第32页/共48页,中值滤波器,中值滤波：,是对一个滑动窗口（模板）内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。,中值滤波器的原理与均值滤波器类似。二者的不同之处在于：中值滤波器的输出像素值是由邻域像素的中间值而不是平均值决定的。,第33页/共48页,中值滤波器中值滤波：第33页/共48页,工作步骤,（,1,）将模板在图中漫游，并将模板中心与图中某个像素位置重合；,（,2,）读取模板下各对应像素的灰度值；,（,3,）将这些灰度值从小到大排成,1,列；,（,4,）找出这些值中排在中间的,1,个；,（,5,）将这个中间值赋给对应模板中心位置的像素。,第34页/共48页,工作步骤（1）将模板在图中漫游，并将模板中心与图中某个像素位,例子,例：采用,13,窗口进行中值滤波,原图像为：,2 2 6 2 1 2 4 4 4 2 4,处理后为：,2 2 2 2 2 2 4 4 4 4 4,第35页/共48页,例子例：采用13窗口进行中值滤波第35页/共48页,中值滤波器的特点,中值滤波器可以在消除图像噪声的同时保持图像的细节。,对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。,一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。,第36页/共48页,中值滤波器的特点中值滤波器可以在消除图像噪声的同时保持图像的,原图像 中值滤波,一维中值滤波的几个例子（,N=3,）,离散阶跃信号、斜升信号没有受到影响。离散三角信号的顶部则变平了。对于离散的脉冲信号，当其连续出现的次数小于窗口尺寸的一半时，将被抑制掉，否则将不受影响。,第37页/共48页,原图像 中值滤波第37页/共,二维中值滤波器的窗口,二维中值滤波器的窗口形状可以有多种，如线状、方形、十字形、圆形、菱形等（见图）。,不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。,从以往的经验看，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。,第38页/共48页,二维中值滤波器的窗口二维中值滤波器的窗口形状可以有多种，如线,图,(a),为原图像；图,(b),为加椒盐噪声的图像；图,(c),和图,(d),分别为,3,3,、,5,5,模板进行中值滤波的结果。,可见中值滤波法能有效削弱椒盐噪声，且比邻域平均法、噪声消除法更有效。,第39页/共48页,图(a)为原图像；图
展开阅读全文