txcl5-图像增强-2016教程.ppt

图象增强－锐化处理 Laplace－线性二阶微分算子。 特点：灰度均匀区域和斜坡区域，二阶微分为0。 斜坡底部或低灰度侧形成“下冲”，在斜坡顶部或高灰度侧形成上冲。 数字图象处理 Laplacian 算子是线性二阶微分算子。即 ▽2f(x，y)= 对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Laplacian算子表达式为 ▽2f(x，y)= f(x+1，y)+f(x-1，y)+ f(x，y+1)+f(x，y-1)-4f(x，y) Laplacian增强算子为： g(x，y)=f(x，y)- ▽2f(x，y) =5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)] 0 1 0 1 -4 1 0 1 0 Laplace算子 0 -1 0 -1 5 -1 0 -1 0 增强算子 图象增强－平滑处理 数字图象处理 其特点是： 1、在灰度均匀的区域或斜坡中间▽2f(x，y)为0，增强图像上像元灰度不变； 2、在斜坡底或低灰度侧形成“下冲”；而在斜坡顶或高灰度侧形成“上冲”。 0 -1 0 -1 –1 –1 H1= -1 5 –1 H2= -1 9 –1 0 -1 0 -1 –1 –1 高通滤波法 高通滤波法就是用高通滤波算子和图像卷积来增强边缘。常用的算子有： 图象增强－平滑处理 数字图象处理 图象增强－平滑处理 数字图象处理 图象增强－平滑处理 空间高通通滤波－一个掩模作用于图像，掩模是一个滤波器。 掩模的取法不同，中心点或邻域的重要程度不同，全部权值系数之和为单位值。 数字图象处理 图象增强－平滑处理 数字图象处理 统计并绘制上面图像直方图，并计算熵。 对上面图像进行线性变换增强处理，把灰度压缩到2~6之间，写出线性变换表达式。 计算并给出变换后的图像。 1. 现有图像 1 1 3 2 2 3 2 1 7 1 2 6 2 6 2 3 6 3 1 6 0 4 6 1 3 6 5 7 5 2 6 5 6 6 2 5 7 7 5 0 2 6 0 5 7 2 5 0 2 1 1 2 3 2 2 1 1 1 2 3 3 0 2 1 图象增强－平滑处理 数字图象处理 简述四种图像锐化的处理方法；选择一高通滤波器对对图像进行滤波，写出处理结果。 2) 简述四种图像平滑方法；选择一低通滤器对上面图像进行滤波处理，给出处理结果。 2.现有图像：　 8 1 1 1 1 8 1 1 1 7 1 1 1 1 1 7 1 1 1 5 5 1 1 1 5 8 5 5 5 5 5 8 1 1 1 5 5 1 1 1 8 1 1 8 1 1 1 1 1 7 1 1 1 1 1 7 1 1 1 1 7 1 1 1 图象增强－平滑处理 灰度最近的K个邻点平均－在n x n 的窗口内，属于同一集合 的像素，它们的灰度值高度相关，中心像素的灰度值可用窗口内与中心点灰度最接近的K个邻点的平均灰度值来代替。较小的K值使噪声方差下降小，保持细节良好，较大的K值平滑效果好，但使图像模糊。一般取 3 x 3，K＝6。算法简单，速度快。 最大均匀性平滑－找出环绕图中每像素的最平均区域，用平均值代替原来灰度值。 此算法经多次迭代可增强效果，消除噪声时保持边缘清晰度。缺点：对复杂形状的边界会过分平滑。 数字图象处理 图象增强－平滑处理 梯度加权平滑－图像在一个区域内灰度变化要比区域之间变化小，在边缘处的梯度绝对值要比区域内部的梯度绝对值高。在n x n的窗口内，若把中心像素点与其各邻点之间梯度的绝对值的倒数定义为各邻点的加权值，区域内点，权值大，区域外点，权值小。 数字图象处理 图象增强－平滑处理 梯度加权平滑－归一化梯度倒数－控制图像灰度范围；梯度为0处理－定义为2；中心元素权值－1/2；W为平滑掩模； 用模板中心点逐一对准每一像素(x,y)，在每一像素处将模板元素和它所压上的像素对应相乘，在求和。边缘像素强制为0或补充边框外像素的值。 图像得到平滑，又不使图像边缘和细节模糊。 算法复杂，运算量大。 数字图象处理 图象增强－平滑处理 有选择保护边缘－对最均匀平滑的改进；对图像上任一像素(x,y)的 5 x 5邻域，采用9个掩模，包括 一个 3 x 3正方形，4个五边形，4个六边形。计算各个掩模