图像处理第3章.ppt

第３章 空域增强:模板操作 　　　　3.1 像素间联系 　　　　3.2 模板运算 　　　　3.3 线性滤波 　　　　3.4 非线性滤波 　　　　3.5 局部增强 第3章 空域增强：模板操作 3.1节像素间的联系(邻域、邻接、连接、连通等)，以及像素间的距离 3.2节模板运算的基本原理和方法（模板卷积、模板排序）模板运算功能的分类 3.3 节介绍一些典型的线性滤波方法 3.4 节介绍一些典型的非线性滤波方法 3.5 节利用模板操作进行图像局部增强的原理、思路和效果 3.1 像素间联系 　 {象素在图象空间是按某种规律排列的，互相之间有一定的联系} 3.1.1 像素的邻域和邻接 3.1.2 像素间的连接和连通 3.1.3 像素间的距离 3.1.1 像素的邻域和邻接 对一个像素来说，与它关系最密切的常是他的临近像素，它们组成该像素的邻域 常见像素邻域主要有下面3种 像素的邻接（像素之间的一种空间关系） 一个像素与其邻域中的像素是有接触的，称为邻接的 根据像素邻域的不同，邻接也对应3种： 4-邻接，对角-邻接，8-邻接。 3.1.2 像素间的连接和连通 1. 像素的连接 {像素间的一种空间和属性关系} 判断两个像素是否连接： （1）是否他们空间接触（邻接） （2）是否他们的灰度值满足某个特定的相似准则（如它们的灰度值相等，或同在一个灰度值集合中取值） 像素的连接 2. 像素的连通 连通是连接的推广，连接是连通的特例 通路:由一系列依次邻接的象素组成，建立两个像素p和q的空间联系 从具有坐标(x, y)的象素p到具有坐标(s, t)的象素q的一条通路由一系列具有坐标(x0, y0)，(x1, y1)，…，(xn, yn)的独立象素组成。这里(x0, y0) = (x, y)，(xn, yn) = (s, t)，且(xi, yi)与(xi-1, yi-1)邻接，其中1 ≤ i≤ n，n为通路长度 4-连通，8-连通 4-通路，8-通路 3. 像素集合的邻接、连接和连通 （部分）象素的集合构成图象中的子集 对2个图象子集S和T来说，如果S中的一个或一些象素与T中的一个或一些象素邻接，则可以说2个图象子集S 和T是邻接的 完全由在一个图象子集中的象素组成的通路上的象素集合构成该图象子集中的一个连通组元 如果子集S中只有1个连通组元，即S中所有象素都互相连通，则称S是一个连通集 极端情况下，一幅图像中所有的像素都相互连通，则该幅图像本身就是一个连通集 一幅图象里的每个连通集构成该图象的一个区域。 一个区域的边界也称区域的轮廓，一般认为是该区域的一个子集，它将该区域与其他区域分离开。组成一个区域的边界象素本身属于该区域而在其邻域中有不属于该区域的象素 小结： 邻接：仅考虑象素间的空间关系 连接：还考虑象素的灰度值 通路：仅借助邻接来定义 连通：还考虑象素的连接情况 子集：一般为满足连接的象素集合 3.1.3 象素间的距离 像素在空间中的接近程度可以用像素之间的距离来测量 定义距离度量函数D： {例 3.1.1 测量空间} 给定3个象素 p、q、r，坐标(x, y)、(s, t)、(u, v) （1） 两个像素间的距离总是正的，位置相同时，距离为0 （2） 两个像素之间的距离与起终点的选择无关,距离相对。 （3） 两个像素之间的最短距离是沿直线的 距离量度函数 欧氏距离（范数为2的距离） 城区距离（范数为1的距离） 棋盘距离(范数为∞的距离) 距离量度函数 量度函数不同，得到的距离值不同 例3.1.2 用距离定义邻域 3.2 模板运算 模板也称样板或窗，可看做一幅尺寸n×n的小图像W(x,y)，其各个 位置上的值称为系数值。根据像素间联系可以定义各种模板操作并实现各种功能。 模板运算基本思路：将赋予某个像素的值作为它本身灰度值和其相邻像素灰度值的函数。利用像素本身以及其邻域像素的灰度关系进行增强的方法常称为滤波，实现其功能的模板就相当于滤波器。 3.2 模板运算 1.模板卷积 定义:用模板与需处理图像在图像空间进行卷积的运算过程 主要步骤: (1)将模板在输入图像中漫游,并