MediclImage4空域模板增强.ppt

第三章 医学图像增强 3.1 图像增强概述 3.2 空域图像增强 3.3 频域图像增强 3.2 空域图像增强 3.2.1 空域点运算增强 3.2.2 空域模板增强 3.2.2.1 概述 3.2.2.2 平滑滤波器 3.2.2.3 锐化滤波器 3.2.2.1 概述 1.空域滤波器的定义 2.空域滤波器的分类 3.2.2.1 概述1.空域滤波器的定义 使用空域模板进行的图像处理，被称为空域滤波。模板本身被称为空域滤波器。 2. 空域滤波器的分类 处理效果分类 数学形态分类 3.2.2.1 概述 线性滤波器的定义 线性滤波器是线性系统和频域滤波概念在空域的自然延伸。其特征是结果像素值的计算由下列公式定义： R = w1z1 + w2z2 + … + wnzn 其中：wi i = 1,2, … ,n 是模板的系数 zi i = 1,2, … ,n 是被计算像素及其邻域像素的值 3.2.2.1 概述 非线性滤波器的定义 使用模板进行结果像素值的计算，结果值直接取决于像素邻域的值，而不使用乘积和的计算 R = w1z1 + w2z2 + … + wnzn 3.2.2.1 概述 主要非线性滤波器（序值滤波器Rank Value Filter） 中值滤波 主要用途：钝化图像、去除噪音 计算公式：R = mid {zk | k = 1,2,…,9} 最大值滤波 主要用途：寻找最亮点 计算公式：R = max {zk | k = 1,2,…,9} 最小值滤波 主要用途：寻找最暗点 计算公式：R = min {zk | k = 1,2,…,9} 3.2.2.1 概述 举例：最大值滤波 3.2.2.2 平滑滤波器 1.平滑（钝化）滤波器的主要用途 2.基本低通滤波 3.中值滤波 1.平滑（钝化）滤波器的主要用途 对大图像处理前，删去无用的细小细节 连接中断的线段和曲线 降低噪音 恢复过分锐化的图像 2.基本低通滤波 滤波器模板系数的设计 模板尺寸对滤波器效果的影响 低通空域滤波的缺点和问题 2.基本低通滤波 滤波器模板系数的设计 根据空域中低通冲激响应函数的图形来设计模板的系数 例如，选择高斯函数作为冲激函数 g(x,y) = h(x,y) * f(x,y) 2.基本低通滤波 设计模板系数的原则 1）大于0 2.基本低通滤波 2）通过求均值，解决超出灰度范围问题 2.基本低通滤波 模板运算举例 2.基本低通滤波 2.基本低通滤波 模板尺寸对滤波器效果的影响 模板尺寸越大，图像越模糊，图像细节丢失越多 2.基本低通滤波 2.基本低通滤波 低通空域滤波的缺点 如果图像处理的目的是去除噪音，那么，低通滤波在去除噪音的同时也钝化了边和尖锐的细节。 3.中值滤波median filter 虽然均值滤波器（Mean filter）对噪声有抑制作用，但同时会使图像变得模糊。为了改善这一状况，必须寻找新的滤波器。中值滤波就是一种有效的方法。 3.中值滤波 中值滤波的原理 用模板区域内象素的中值，作为结果值 R = mid {zk | k = 1,2,…,9} 强迫突出的亮点（暗点）更象它周围的值，以消除孤立的亮点（暗点） 3.中值滤波 例（一维）： 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 3.中值滤波 中值滤波算法的实现 将模板区域内的象素排序，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， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。 对于同值象素，连续排列。 如（10,15,20,20,20,20,20,25,100） 3.中值滤波 例： 3.中值滤波 中值滤波算法的特点 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 对滤除椒盐噪声最有效 当噪声点个数大于模板宽度的一半时,中值滤波效果不好。 3.2.2.3 锐化滤波器 1. 锐化滤波器的主要用途 2. 一阶微分滤波器 3. 二阶微分滤波器 4. Canny算子 5.高频补偿滤波 1. 锐化滤波器的主要用途 超声探测成象，分辨率低，边缘模糊，通过锐化来改善 图像识别中，分割前的边缘提取 锐化处理恢复过度钝化、曝光不足的图像 2. 一阶微分滤波器 一阶微分滤波器的原理 均值产生钝化的效果，而均值与积分相似，那微分能不能产生相反的效果，即锐化的效果呢？结论是肯定的。 在图像处理中应用微分最常用的方法是计算梯度。函数f(x,y)在(x,y)处的梯度为一个矢量：