第三章空间域图像增强分解.ppt

***** 拾遗 1、混合模糊图像的阈值化 2、局部直方图增强 3、在图像增强中使用直方图统计法 4、混合空间增强法 * * 选项 描述 滤波类型 ‘corr’ 滤波器通过使用相关来完成。该值是默认值。 ‘conv’ 滤波器通过使用卷积来完成 边界选项 P 输入图像的边界通过用值P来扩展。P的默认值为0。 ‘replicate’ 图像大小通过复制外边界的值来扩展。 ‘symmetric’ 图像大小通过反射其边界来扩展。 ‘circular’ 图像大小通过将图像看成是一个二维周期函数的一个周期来扩展 大小选项 ‘full’ 输出图像的大小与被扩展图像的大小相同 ‘same’ 输出图像的大小与输入图像的大小相同 3、统计排序滤波器 （1）定义 统计滤波器是一种非线性滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后由排序结果决定的值代替中心像素的值。包括最小值滤波器、最大值滤波器、中值滤波器等。 （2）中值滤波器 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 2 3 4 5 6 6 6 7 8 5 4 3 2 1 1 2 3 4 5 3 3 2 2 3 4 4 5 5 2 1 5 1 4 1 随堂练习：中值滤波；最小值滤波 （3）实例及结论 观察以下几个实例，对比中值滤波和邻域平均滤波的各自特点。 图4-24 噪声平滑实验图像 （a） Lena原图； （b） 高斯噪声； （c） 椒盐噪声； (d) 对(c)平均平滑；  (e) 对(b)平均平滑； (f) 对(b)5×5中值滤波； (g) 对(c)5×5中值滤波 a b c d e f g 中值滤波消除雀斑 中值滤波消除雀斑 结论： 1、与平滑线性滤波器（邻域均值）相比，中值滤波在去除噪声的同时，能更好地保持图像的细节。 2、中值滤波器适用于椒盐噪声污染的图像，平滑线性滤波（邻域均值）适用于高斯噪声污染的图像。 D、MATLAB实现 语法：g=ordfilt2(f, order, domain) 说明：使用邻域的一组排序元素中的第oder个元素来代替f中的每个元素，而该邻域则由domain中的非零元素指定。 语法：g=medfilt2(f, [m n],padopt) 说明：中值滤波器。padopt指定了三个可能的边界填充选项之一。 ‘zeros’（默认值）。 ‘symmetric’，镜像反射。 ‘indexed’，double类图像，以1填充，否则以0填充。 f = imread ( ‘eight.tif’); fn=imnoise(f, ‘salt pepper’, 0.2); %加椒盐噪声 gm=medfilt2(fn); imshow(fn); figure,imshow(gm); 问题： 平滑空间滤波器（平滑线性滤波器和统计排序滤波器）在抑制噪声的同时，也模糊了细节，是否存在既抑制噪声、又尽量保持细节的滤波器呢？ 图像边缘保持类噪声滤波器： （1）k近邻平滑滤波器 （2）灰度最小方差的均值滤波器 （3）对称近邻均值滤波器 （4）∑平滑滤波器（几何均值滤波器） … 3*3均值滤波器 9近邻均值滤波器 性能分析：边界保持类滤波器细节更清楚，但耗时较长。 有兴趣的同学，能否自学一些边界保持类滤波器后，设计一种新的边界保持类滤波器呢？ 3.7 锐化空间滤波器 锐化空间滤波器的性能： （1）突出图像中的细节或增强被模糊的细节； （2）加大了图像中的噪声。 1 基础 （1）微分的性质 A、在平坦段，微分值为零； B、在灰度变化段，微分值非零。 （2）一阶微分和二阶微分的差分定义： 2 基于二阶微分的图像增强 （1）拉普拉斯算子 5 4 3 2 1 1 2 3 4 5 3 3 2 2 3 4 4 5 5 2 1 5 1 4 1 练习：进行Laplacian锐化 拉普拉斯锐化的特点： （1）对噪声敏感； （2）产生双边缘； 3