图像增强().PPTVIP

噪声是随机不相关的，如果窗口内各点的噪声是独立等分布的，经过这种方法平滑后，信噪比可提高 倍。 **在此算法中，M,N的值不宜过大，因为M,N值的大小对速度有直接影响，且M,N值越大变换后的图像越模糊,特别是在边缘和细节处。 目前它已成为机器视觉研究领域最活跃的课 题之一，在工程应用中占有十分重要的地位。 图像边缘锐化的基本方法 ： 图像边缘锐化的基本方法 微分运算 梯度锐化 边缘检测 (2) Sobel边缘检测算子 一阶微分和二阶微分的区别: (1)一阶微分处理通常会产生较宽的边缘 (2)一阶微分处理一般对灰度阶梯有较强的响应 (3)二阶微分处理对细节有较强的响应,如细线和 孤立点 (4)二阶微分处理对灰度级阶梯变化产生双响应 (5)二阶微分在图像中灰度值变化相似时,对线的 响应要比对阶梯强,且点比线强. 大多数应用中,对图像增强来说.二阶微分处理比 一阶微分好,因为形成细节的能力强. 而一阶微分 处理主要用于提取边缘. 应用 例2-1 信号 在它的一个周期中的表达式为： 周期方波信号的傅里叶级数表达式： 图2.3（a）左边是八位二进制数位编数字信号波形，图2.3（a）右边是该波形函数按傅里叶级数展开后各次谐波的均方根振幅。 **图像的傅立叶变换 程序p0400---图像的傅立叶变换结果 程序p0401---不同图像的傅立叶变换 程序p0402---移动后图像的傅立叶变换 程序p0403---旋转后图像的傅立叶变换 空域和频域之间的基本联系 空域中的卷积等价于频域中的相乘 f(x,y)*g(x,y) ? F(u,v)G(u,v) F{f(x,y)*g(x,y)} = F(u,v)G(u,v) 同时有： f(x,y) g(x,y) ? F(u,v)*G(u,v) 本章重点 图像增强的定义 直方图均衡化的概念及计算 直方图规定化的概念及计算 邻域平均法的分类及区别 中值滤波的定义与实现方法 边缘检测的原理 频域滤波的原理，以及与空域的关系 高通滤波 (a)频域高斯低通滤波器 (c)相应的空间低通滤波器 (b)频域高斯高通滤波器 (d)相应的空间高通滤波器 (1) 两个滤波器中的值均为正,空间域使用带正系数的模板 (2) 频率域滤波器越窄,滤除低频成分越多,图像越模糊.空域中对应滤波器越宽,模板越大 空间域滤波器有正值和负值. 图2.3 信道带宽和数字信号失真的关系 一 频域增强的原理 频率平面与图像空域特性的关系 图像变化平缓的部分靠近频率平面的圆心，这个区域为低频区域 图像中的边、噪音、变化陡峻的部分，以放射方向离开频率平面的圆心，这个区域为高频区域 4.5 频域滤波增强 频域增强的原理 边、噪音、变化陡峭部分 变化平缓部分 u v 频域滤波增强 低通滤波器 高通滤波器 带通、带阻滤波器 4.5.1 图像的平滑 - 低通滤波法 含噪声的图像变换 平滑后的图像变换 滤去高频分量，无损通过低频。 低通滤波法 巴特沃思低通滤波器(BLPF)的特点 没有明显的跳跃 模糊程度减少 和理想圆形低通滤波器相比 尾部含有较多的高频，对噪声的平滑效果不如理想低通滤波器。 指数低通滤波器(ELPF)的特点 有更加平滑的过渡带，平滑后的图像没有跳跃现象 与BLPF相比，衰减更快，经过ELPF滤波的图象比BLPF处理的图象更模糊一些 四种低通滤波器的比较 高斯低通滤波器的二维形式: (a) GLPF传递函数的透视图 (b)以图像显示的滤波器 (c)各种D0值的滤波器横截面 (a)低分辨率的文本样本 (放大图中的断裂字符) (b)用GLPF滤波的结果 (断开的字符线段被连上了) 图像轮廓是灰度陡然变化的部分，包含着丰富的空间高频成分。 把高频分量相对突出，显然可使轮廓清晰。 高频滤波器使高频分量相对突出，而低频分量和甚高频分量则相对抑制。 4.5.2 高通滤波器 含边缘的图像变换 锐化后的图像变换 强调高频分量，衰减低频分量。 高通滤波法 ? aa, Roberts边缘检测算子 1.? 理论基础 Roberts算子： G[i,j]=|f[i,j]-f[i+1,j+1]|+|f[i+1,j]-f[i,j+1]| G[i,j]=[(f[i,j]-f[i+1,j+1])2+(f[i+1,j]-f[i,j+1])2] 1/2 其中G[i,j]表示处理后(i,j)点的灰度值，f[i,j]表示处理前该点的灰度值。 该算法的算子如下： 2 实