适用多种噪声d=0算术均值滤波器.PPT

数字图像基础 视觉要素 场景，晶状体（瞳孔），视细胞 人眼亮度适应和鉴别能力 亮度适应范围广：10个数量级－改变当前灵敏度 对比灵敏度：人眼辨别光强度变化的能力。 韦伯比 可见光波长范围 0.43～0.79μm 对应，紫～红 数字图像基础 图像获取 图像的数字化过程，包括扫描、采样和量化 传感器种类：单,带,阵列形式 1.采样－空间上离散化 2.量化－灰度值离散化 图像表示 用MXN行列的矩阵表示，M,N表示高度，宽度上采样数。 像素基本关系 相邻关系 N4，N8，ND 邻接、连通 4邻接，8邻接，m邻接 通路：相邻像素相互邻接，形成通路。 距离 D4（街区距离），D8（棋盘距离） 3/4/6章. 图像增强 基本灰度变换 灰度区间拉伸与压缩 线性变换 斜率(k1) 非线性变换 曲线凹凸 上凸,拉伸;如对数 下凹,压缩;如指数 3.3 直方图处理 3.3 直方图处理 3.3 直方图处理 3.3 直方图处理 3.5 空间滤波 滤波算子模板 4.3 平滑/锐化频率域滤波器 三种平滑滤波器比较 模糊比较（平滑作用） 模糊小:高斯低通巴特沃思理想低通 平滑效果最好：巴特沃思 消除振铃：高斯低通，一阶巴特沃思 5. 图像复原 空间滤波复原 均值滤波器 算术均值滤波器：图像模糊，减少噪声 几何均值滤波器：线变粗,丢失细节；只一像素0，均值0 谐波均值滤波器：适用高斯噪声,盐噪声,不适用胡椒噪声 逆谐波均值滤波器：Q正，胡椒噪声；Q负，盐噪声； Q=0，算术均值滤波器 修正α均值滤波器：适用多种噪声； d=0,算术均值滤波器；d=MN－1,中值均值滤波器 顺序统计滤波器 中值滤波器：模糊小,适用多种噪声，椒盐噪声 最大/小值滤波器：分别对椒噪声和盐噪声有效 中点滤波器：高斯噪声和均匀噪声效果好 作业：5.1 白条7像素宽，210像素高，白条间17像素， 应用下面处理：算术均值(a)3X3, (b)5X5, (c)7X7 5.2 几何均值(a)3X3, (b)5X5, (c)7X7 作业：5.28 6章. 彩色图像处理 彩色图像处理 伪彩色处理，全彩色处理 彩色模型 1. RGB模型 2. HIS模型 色调为纯色属性，饱和度纯色被白色稀释程度，亮度主观感觉，反应无色强度。 10章. 图像分割 间断检测 1. 点检测 2. 线检测 3.边缘检测 梯度算子，拉普拉斯算子 拉普拉斯算子易受噪声干扰 * 黑 白 灰度级直方图 灰度级[0,L-1]范围的数字图像的直方图是离散函数: h(rk)=nk 其中rk是第k级灰度, nk是图像中灰度级为rk的像素个数。 归一化直方图 对灰度直方图归一化，则 P(rk)=nk/n, n为图像中像素的总数。 并且 ∑P(rk)=1 P(rk)给出了灰度级为rk出现的概率估计值。 图象均衡化 则变换函数的离散形式为 直方图均衡化过程 灰度均衡化计算的例子： 设图象有64*64=4096个象素，有8个灰度级，灰度分布如表所示。进行直方图均衡化。 简单均值滤波器，高斯均值滤波器 梯度算子增强，拉普拉斯算子增强 a. 简单均值模板， 高斯均值模板 b. 梯度模板 c. 拉普拉斯模板 理想低通/高通滤波器 巴特沃思低通/高通滤波器 高斯低通/高通滤波器 频率域滤波模型： 截止频率（ D0 ）：H(u,v)=1和H(u,v)=0之间的过渡点。通常设H(D0)=0.5 在半径为D0的圆内，频率成分可以通过滤波器，而在此半径的圆之外的频率成分将被衰减。 对于四边形，设双线性方程为： 带入四点灰度坐标得 P点的灰度值为： 对于三角形，设双线性方程为： 带入3点灰度坐标可求：a,b,c *