DIP-05-卷积：线性滤波.pptVIP

Guo S. * Guo S. * Guo S. * 编程实现卷积过程 C语言实现关键语句：设w为一维共九个元素 for(i=1;isy-1;i++) for(j=1;jsx-1;j++){ g[i][j]=0; kk=0; for(ii=i-1; ii=i+1; ii++) for(jj=j-1; jj=j+1; jj++) g[i][j]+= f[ii][jj] * w[kk++]; } Guo S. * 编程实现卷积过程 matlab实现关键语句：设w为一维共九个元素 for i=2:sy-1 %增量1，可省 for j=2:sx-1 g(i,j)=0; kk=0; for ii=i-1:i+1 %增量1，可省 for jj=j-1:j+1 g(i,j) = g(i,j) + f(ii,jj)*w[kk]; kk = kk+1; end; end; end; end; Guo S. * 除噪、锐化模板w 除噪模板例 锐化模板例 0.15 w = 0.15 0.4 0.15 0.15 1/9 1/9 1/9 w = 1/9 1/9 1/9 1/9 1/9 1/9 0 -a 0 w = -a 1+4a -a 0 -a 0 -a -a -a w = -a 1+8a -a -a -a -a ΣΣw(i,j) = 1 时，保持灰度 Guo S. * 调用MATLAB函数：图像滤波 确定h: h=[0 0.15 0; 0.15 0.4 0.15; 0 0.15 0]; 调用函数： g=imfilter(f, h); %线性滤波 g=conv2(f,h); %二维卷积 Guo S. * 认识模板运算 模板不同，处理结果不同。 但是处理方法相同：均为卷积运算 所有w值为正，且ΣΣw = 1 时，平滑滤波：消除噪声，模糊图像 所有w值有正有负，且ΣΣw = 1 时，锐化图像 所有w值有正有负，ΣΣw = 0 时，边缘检测 Guo S. * 均值滤波 在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。 Guo S. * 均值（加权）滤波 模板例 0.15 w = 0.15 0.4 0.15 0.15 1/9 1/9 1/9 w = 1/9 1/9 1/9 1/9 1/9 1/9 1 1 1 w = 1 1 1 1 1 1 1 w = 1 4 1 1 9 8 均值滤波特点 主要优点：算法简单，计算速度快。 缺点：降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。 典型的加权平均滤波 Guo S. * 图像锐化 锐化利用二阶差分：Laplace算子 模板表示Laplace算子 4邻 8邻 Guo S. * 图像锐化 拉普拉斯（Laplace）算子 Guo S. * Guo S. * Guo S. * 拉普拉斯（Laplace）算子 1 -2 1 1 -2 1 1 1 -4 1 1 1 1 1 1 -8 1 1 1 1 Guo S. * 拉普拉斯（Laplace）算子 1 -2 1 1 -2 1 1 1 -4 1 1 Guo S. * 图像锐化 g(x) = f(x) - βΔ f(x) 2 Guo S. * 图像锐化-例 Guo S. * 图像锐化-例 Guo S. * 图像锐化-例 Guo S. * MATLAB实现：关键语句 a = 0.5; h= [0 1 0; 1 -4 1; 0 1 0]; h = h*a; g = f - imfilter(f, h); a=0.5; h = [0 -a 0; -a 1+a*4 -a; 0 -a 0]; g = imfilter(f, h); 你试试 卷积运算--重点 模板设计（除噪声、锐化）--重点 模板运算实现--重点 数字图