增强—梯度法讲解.ppt

3.6.2 统计排序滤波器(2) Order-Statistics Filters 利用中值滤波器降噪的例子 3x3均值滤波的结果 3x3中值滤波的结果 中值滤波器比均值滤波器更适合去除加性椒盐噪声 3.7 锐化空间滤波器(1) Sharpening Spatial Filters 目的 锐化处理的主要目的是突出图像中的细节或增强被模糊了的细节. 内容 基础 基于二阶微分的图像增强—拉普拉斯算子 基于一阶微分的图像增强—梯度法 一阶微分定义应满足的条件： （1）平坦段（灰度不变区域）微分值为0； （2）灰度阶梯或斜坡的起始点处微分值非零； （3）沿着斜坡面微分值非零。 二阶微分的定义应满足的条件： （1）平坦段（灰度不变区域）微分值为0； （2）灰度阶梯或斜坡的起始点处微分值非零； （3）沿着斜坡面微分值为零。 3.7.1 基础(1) Foundation 3.7.1 基础(1) Foundation 数字图像的一阶微分的定义: 数字图像的二阶微分的定义: 3.7.1 基础(2) Foundation 3.7.1 基础(3) Foundation 结论 一阶微分处理通常会产生较宽的边缘。 二阶微分处理对细节有较强的响应,如细线和孤立点。 一阶微分处理一般对灰度阶梯有较强的响应。 二阶微分处理对灰度阶梯变化产生双响应。 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(1) 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(2) 二维拉普拉斯算子: 将原始图像和拉普拉斯图像叠加在一起可以保留拉普拉斯锐化处理的效果，同时又能复原背景信息。 使用拉普拉斯变换对图像增强的基本方法可表示为下式： 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(3) 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(4) 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(5) 复合拉普拉斯mask 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(6) 使用复合拉普拉斯mask的图像增强 锐化更明显 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(7) 模糊掩盖与高提升滤波处理 模糊掩盖锐化处理：从原始图像中减去模糊图像的处理方法。 模糊掩盖锐化处理的一般化就是高提升滤波。图像中任一点(x,y)处，经高提升滤波后的输出图像为： 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(8) 若 fs(x,y) 是由拉氏变换得到的锐化图像，即 则 A=1时，高提升滤波处理就是标准的拉氏变换。随着A超过1不断增加，锐化效果越不明显。 3.7.2 基于二阶微分的图像增强—拉普拉斯算子(9) 高提升滤波在锐化图像的同时提高了图像的亮度。 3.7.3 基于一阶微分的图像增强—梯度法(1) 尽管在严格意义上并不正确，但我们一般把梯度矢量的模值称为梯度。 3.7.3 基于一阶微分的图像增强—梯度法(2) Roberts交叉梯度算子 Sobel算子 3.7.3 基于一阶微分的图像增强—梯度法(3) 3.8 混合空间增强法(1) Combining Spatial Enhancement Methods 3.8 混合空间增强法(2) Combining Spatial Enhancement Methods * 3.5节的主题,不讲. 令 r 和 z 分别代表连续的输入、输出图像的灰度级。 从输入图像估计Pr(r)，而Pz(z)为希望输出图像具有的规定概率密度函数。 3.3.2 直方图匹配(2) Histogram Matching 若G -1存在，且满足前一节所述条件(a)和(b)，则可按下述步骤由输入图像得到一个有规定概率密度函数的图像。 （1） 由式(3.3.10)求得变换函数T(r) （2）由式(3.3.11)求得变换函数G(z) （3）求得反变换函数G -1 （4）对输入图像所有像素应用式(3.3.12)得到输出图像。 以上步骤得到的新图像灰度级具有事先规定的概率密度函数Pz(z)。 3.3.2 直方图匹配(3) Histogram Matching 与式(3.3.10)~(3.3.12)相对应的离散表达式为： 以上三式是数字图像直方图匹配的基本公式。 3.3.2 直方图匹配(4) Histogram Matching 3.3.2 直方图匹配(5) Histogram Matching 求出已知图像的直方图(灰度级范围[0,L-1])。 用下式对每一灰度级 rk 预先计算映射灰