第6章matlab图像滤波.ppt

第六章 遥感图像滤波 主要内容 空间域滤波 频率域滤波 图像的空间域滤波 滤波是一种图像修正或增强技术。可以突出图像的某些特征，也可以删除另一些特征。 图像滤波的本质是一种邻域操作，输出图像的任一个像素值都是通过输入图像对应的像素邻域内的像素值利用一定的算法得到的。 图像的空间域滤波就是输出图像任一个像素值都是通过输入图像对应的像素邻域内的像素值线性组合得到的。 图像的空间域滤波 二维卷积函数 conv2 滤波函数 filter2 图像滤波 imfilter 预定义滤波器 fspecial 二维卷积函数 conv2 A =[ 17 24 1 8 15 23 5 7 14 16 4 6 13 20 22 10 12 19 21 3 11 18 25 2 9] 卷积步骤： 关于卷积核的中心，旋转卷积核180度。 滑动卷积核，将卷积核的中心位于图像矩阵的每一个元素。 将旋转后的卷积核作为权重，乘以对应的矩阵元素 求加权和 计算卷积输出(2,4) C=conv2(A,B) C=conv2(A,B，shape) A: 输入图像，B：卷积核，C：输出图像，若A大小为ma×na， B大小为mb×nb， 则C大小为（ma+mb-1）×（na+nb-1） shape指定卷积运算的范围： shape=‘full’ (the default),返回全部二维卷积结果 shape=‘same’, 返回与A同样大小的卷积中心部分 shape=‘valid’, 不考虑边界补零，返回C大小为（ma-mb+1）×（na-nb+1） 相关运算实现滤波：filter2 相关运算(correlation) 滑动相关核，将相关核的中心位于图像矩阵的每一个元素。 将相关核作为权重，乘以对应的矩阵元素 求加权和 用相关运算实现滤波的函数是filter2 B = filter2(h,A) 计算相关输出(2,4) 图像的线性滤波 imfilter B=imfilter(A,H,option1,option2,…) A:多维图像阵列，H:多维滤波器，option1, option2…决定边缘上的处理方法，输出图像大小，采用与filter2相同的方法还是卷积的方法。 例：利用imfilter函数实现均值滤波 I = imread(coins.png); h = ones(5,5) / 25; I2 = imfilter(I,h); imshow(I), title(Original Image); figure, imshow(I2), title(Filtered Image) imfilter输入输出的数据类型是一样的 A = magic(5) h = [-1 0 1]; imfilter(A,h) 可以看到输出有负值，所以有时候在imfilter 前用类型转换，避免这种情况。 A = uint8(magic(5)) imfilter(A,h) option:相关和卷积 imfilter既可以用相关，也可以用卷积实现滤波操作，缺省是相关。 A = magic(5); h = [-1 0 1] imfilter(A,h) % filter using correlation imfilter(A,h,conv) % filter using convolution option: 边界补零(zero-padding)和边界复制(border replication) 边界补零(zero-padding): 缺省 option: 边界补零(zero-padding)和边界复制(border replication) 边界补零(zero-padding): 缺省 I = imread(eight.tif); h = ones(5,5) / 25; I2 = imfilter(I,h); imshow(I), title(Original Image); figure, imshow(I2), title(Filtered Image with Black Border) 缺点：滤波得到的图像边缘有一个dark band option: 边界补零(zero-padding)和边界复制(border replication) 边界复制(border replication) option: 边界补零(zero-padding)和边界复制(border replication) 边界复制(border replication) I3 = imfil