第五篇 邻域处理(数字图像处理汉化版).ppt

用mat2gray函数可以直接将结果转换成为可显示的形式，但注意这个函数的输入和输出都要求是双精度的 f2=[1 -2 1;-2 4 -2;1 -2 1]; cf2=filter2(f2,c); imshow(mat2gray(cf2)) maxcf2=max(cf2(:)); mincf2=min(cf2(:)); cf2g=(cf2-mincf2)/(maxcf2-mincf2); imshow(cf2g) 也可以直接编程获得转换结果 也可以直接除一个常数得到可显示的图像 imshow(cf2/60) 5.5高斯滤波器 高斯低通滤波器的二维形式: 高斯曲线的傅立叶反变换也是高斯曲线,因此根据高斯 低通滤波器的傅立叶反变换而得到的空间高斯滤波器 将没有振铃. 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)原图像 (b)-(f)用高斯低通滤波器滤波的结果,其截止频率半径分别为 5,15,30,80和230. 截止频率距原点的距离为D0的高斯高通滤波器 (GHPF)的传递函数如下: 高斯高通滤波器 高斯高通滤波器的转移函数的横截面图和透视图如下图所示。 透视图的含义是： 只有那些位于该倒立型草帽体外的频率范围的信号才能通过,而位于倒立型草帽体内的频率成分都将被虑除掉。 高斯高通滤波器 下图给出的是用高斯型高通滤波器实现的高通滤波的结果。 由上图可以看出：随着D0值的增大，增强效果更加明显，即使对于微小的物体和细线条，用高斯滤波器滤波后也比较清晰。 高斯函数的特点：高斯函数的傅里叶变换依然是高斯函数，频率域的高斯函数的逆变换也是高斯函数，因此在频域向空域转换的过程中不会出现振铃现象。 可以用fspecial来实现高斯滤波函数 D0=3 D0=9 g1=fspecial(gaussian,[5 5]); g2=fspecial(gaussian,[5 5]); g3=fspecial(gaussian,[11 11],1); g4=fspecial(gaussian,[11 11],5); imshow(filter2(g1,c)/256) figure,imshow(filter2(g2,c)/256) figure,imshow(filter2(g3,c)/256) figure,imshow(filter2(g4,c)/256) 5.6边缘锐化 锐化就是是边缘更加清晰便于人眼观察。 锐化可以通过下面三种方法实现： 1.边缘增强 2.边缘提升 3.非锐化掩模：从原始图中减去模糊图也称为（非锐化） 掩模。 一、非锐化掩模 原始图像 低通滤波后模糊的图像 乘以一个小于1的权值 相减 显示 原图 处理后效果 非锐化掩模可以定义成滤波器的形式， 或者写成， fspecial中的unsharp参数产生的滤波器的形式如下所示 其中α是操作参数，默认值为0.2如果等于0.5，则滤波器变为 p=imread(cameraman.tif); u=fspecial(unsharp,0.5) pu=filter2(u,p); imshow(p),figure,imshow(pu/255) 二、高频提升滤波器 与非锐化掩模滤波器同类的是高频提升滤波器。利用原图的一部分与高频相加，可恢复一些高通滤波时丢失的低频分量，使最终结果与原图更接近。 高频提升=A（原图）-低通 这里的A是放大因子。如果A=1，则产生一个普通的高通滤波器；如果用3*3的均值滤波器那么将得到如下的高频提升滤波器 此处z8。 如果z=11则得到的滤波器将接近于上面的非锐化掩模滤波器 x=imread(xx.tif); f=[-1 -1 -1;-1 11 -1;-1 -1 -1]/9; xf=filter2(f,x); imshow(xf/80),figure,imshow(x) 没有除80的效果 这里的80是一个经验值 上面的高频提升的模型也可以写成 高频提升=A（原图）-低通 = A（原图）-[(原图)-(高频)] =(A-1)(原图)+(高通) 将等式乘以一个因子w，令滤波器的值累加为1，这时得到的高频提升滤波效果最好。 此处 由此得到一般的高频提升模型 这模型的一种变形为 A的最佳取值为 如果A=3/5，则公式为 如果A=5/6，则公式为 id=[0 0 0;0 1 0;0 0 0]; f=fspecial(average); hb1=3*id-2*f hb2=1.25*id-0.25*f x1=filter2(hb1,x); imshow(x1/255) hb1 hb2 能够看出来hb1效果比较好 hb1 =