图像处理(四).doc

上次: 二、图像运算，三、图像变换1图像的点运算（元素群运算）2图像的代数运算3图像的几何运算上机实验一讲：4图像的邻域（即点的邻域）操作输出图像中的每个像素值都是由输入图像中对应的像素及其某个邻域内的像素共同决定的，这种图像运算称为邻域运算。通常邻域是指一个远远小于图像尺寸的形状规则的像素块，例如，、的正方形（或其它形状）。一幅图像所定义的所有邻域应该具有相同的大小。邻域运算与点运算一起形成了最基本、最重要的图像处理方法。邻域操作包括两种类型：滑动邻域操作和分离邻域操作。邻域点，称滑动邻域操作邻域邻域，称分离邻域操作（1）滑动邻城操作sliding-neighborhood operation滑动邻域操作一次处理一个像素，输出图像的每一个像素的像素值都是通过对输入图像对应像素的某邻域内的像素值采用某种代数运算得到的。滑动邻域操作，经常被用于图像的非线性滤波。例如，一个使输出图像像素值等于输入图像对应像素的各个邻域像素值标准偏差的滑动邻域操作等。非线性滤波器help nlfilterNLFILTER Perform general sliding-neighborhood operations.B = NLFILTER(A,M N,FUN) applies the function FUN to each M-by-N sliding block of A. FUN is a function that accepts an M-by-N matrix as input and returns a scalar: C = FUN(X)C is the output value for the center pixel in the M-by-N block X. NLFILTER calls FUN for each pixel in A. NLFILTER zero pads the M-by-N block at the edges, if necessary.B = NLFILTER(A,M N,FUN,P1,P2,.) passes the additional parameters P1,P2,., to FUN.B = NLFILTER(A,indexed,.) processes A as an indexed image, padding with ones if A is of class double and zeros if A is of class uint8. Example FUN can be a FUNCTION_HANDLE created using . This example produces the same result as calling MEDFILT2 with a 3-by-3 neighborhood: B = nlfilter(A,3 3,myfun); where MYFUN is an M-file containing: function scalar = myfun(x) scalar = median(x(:); FUN can also be an inline object. The example above can be written as: fun = inline(median(x(:); B = nlfilter(A,3 3,fun);讲inline函数有时为了描述某个数学函数的方便，可以用inline函数来直接编写该函数，形式相当于已经介绍过的且经常使用的M函数，但无需编写一个真正的M-文件它就可以描述出某种数学关系。具体调用格式为：fun=inline(函数内容，自变量列表)其中函数内容是需要填写函数的具体语句，其内容应该与function格式的编写内容完全一致。自变量列表则可以列出类似于function格式下的每一个自变量，且每个自变量均需要用单引号括起来，这样就可以动态定义出inline函数。例如可以用直接定义。讲匿名函数：匿名函数是MATLAB7.0版本提出的一种全新的函数描述形式，其描述格式类似于inline函数，但比该函数更简洁，更容易使用。具体调用格式为：fun=(变量列表)函数内容例如，可以用fun=(x,y)sin(x.2+y.2) 直接定义。注：更重要的是该函数允许直接使用MATLAB工作空间中的变量。例如，若在MATLAB工作空间中已经定义了变量a和b，则匿名函数可以用fun=(x,y)a*x.2+b*y.2 的格式定义数学关系式f(x,y)=，这样无需将a,b作为附加参数在输入变量里表示出来例1滑动邻域操作clear all,close allI=imread(eight.tif);I1=imnoise(I,salt & pepper,0.02);fun1 = inline(median(x(:);I2 = nlfilter(I1,3 3,fun1);figure(1),imshow(I1),pausefigure(2),imshow(I2)即输出图像的每一个像素的像素值是输入图像对应像素的邻域内像素值的中值。或clear all,close allI=imread(eight.tif);I1=imnoise(I,salt & pepper,0.02);fun2 =(x)median(x(:);I2 = nlfilter(I1,3 3,fun2);figure(1),imshow(I1),pausefigure(2),imshow(I2)（2）分离邻域操作distinct block processing （讲）邻域邻域，称分离邻域操作help blkprocBLKPROC Implement distinct block processing for image.B = BLKPROC(A,M N,FUN) processes the image A by applying the function FUN to each distinct M-by-N block of A, padding A with zeros if necessary. FUN is a function that accepts an M-by-N matrix, X, and returns a matrix, vector, or scalar Y: Y = FUN(X)BLKPROC does not require that Y be the same size as X. However, B is the same size as A only if Y is the same size as X.B = BLKPROC(A,M N,FUN,P1,P2,.) passes the additional parameters P1,P2,., to FUN.例2分离邻域操作clear all,close allI=imread(tire.tif);f=inline(uint8(round(mean2(x)*ones(size(x);I1=blkproc(I,8,8,f);figure,subplot(121),imshow(I)subplot(122),imshow(I1)即把输入图像矩阵中的邻域的每一个像素值都设置为该邻域的平均值。 注：图像显示邻域邻域四、滤波和滤波器设计滤波的目的是滤去信号或图像的噪声（或干扰），或滤去信号或图像中不需要的，而保留需要的。图像经过现代的传感器后或在传输过程中可能会被各种各样的噪声污染，这些噪声通常是随机的。噪声可分为内部噪声和外部噪声。内部噪声：(1) 光电子噪声这个噪声问题是由光子产生的统计特性决定。而光子的产生服从量子物理的定理，这使我们必须在一个给定的空间内讨论光子的平均数目。光子p在给定空间上在T时间内的概率分布P服从Poisson分布：其中是光强度，它是通过每秒钟内的光子数目来衡量的。即使没有别的噪声，光电子仍然会在有限的时间间隔T内导致噪声。光电噪声不是高斯噪声并且不是外加的。（2）电子噪声阻性器件中由于电子随机热运动而造成的电子噪声，这一噪声很早就被成功建模和研究了。一般常用的模型是零均值高斯白噪声，它具有一个高斯函数形状的直方图以及平坦的功率谱。（讲）因为白光的谱密度为常数，而白噪声序列的谱密度为常数，所以称为白噪声，推得白噪声各频率分量所起的作用均衡，常用于来描述噪声序列或干扰序列。实际中，我们往往用独立的正态(Gauss)序列(randn)来替代白噪声序列。白噪声为最好的噪声，而其它噪声均为有色噪声，且有色噪声可由白噪声序列来生成（通过滤波器）。外部噪声（1）由机械运动引起的例由磁头、磁带、磁盘等的抖动引起的。（2）由元器件引起的例如光学底片的颗粒噪声，光盘的疵点或斑点噪声。等。加法噪声（独立于图像信号）模型：设获得的图像为(退化图像)，真实的原图像为，噪声为：通常情况下，加法噪声在频域上是平均分布的。乘法噪声（与图像信号有关）：可分为两种情况，一种是某像素处的噪声与该像素的图像信号有关；另一种是某像素处的噪声与该像素的某一邻域的图像信号有关。例如飞点扫描器扫描图像时产生的噪声就和图像信号有关。若噪声和图像信号为正比，则含噪图像(退化图像)可表示为：真实的原图像为，噪声为。模拟噪声的生成函数imnoise，可以对图像添加一些典型的噪声。调用格式：J=imnoise(I,type)或J=imnoise(I,type,parameters)例：添加噪声I=imread(eight.tif);J1=imnoise(I,gaussian,0,0.02);J2=imnoise(I,salt & pepper,0.02);J3=imnoise(I,speckle,0.02);subplot(221),imshow(I)subplot(222),imshow(J1)subplot(223),imshow(J2)subplot(224),imshow(J3)图像滤波的方法分为两大类：空间域方法和频域方法。空间域指图像平面本身，这类方法直接对图像的像素值进行处理；频域方法是以图像的F-变换为基础的。频域方法介绍Wiener滤波器和二维FIR滤波器设计1 Wiener滤波器及其设计方法Wiener Faltering原理：（讲）1D空间上： 其中；想通过系统H得到，即，(，是系统H的脉冲响应)，使得代价函数：最小来设计滤波器。用谱分析方法：是H在频域上的表达式即，频率响应函数推广到2D空间上。例3：维纳滤波clear all,close allRGB=imread(saturn.png);I=RGB(:,:,1);J=imnoise(I,gaussian,0,0.005);K,noise=wiener2(J,5,5);figure(1),subplot(121),imshow(J)subplot(122),imshow(K),pausefigure(2),subplot(121),imshow(J)K1=wiener2(J,5,5,0.005);subplot(122),imshow(K1) 2介绍二维低通FIR滤波器设计：（解释图像滤波为什么用FIR滤波器）一维FIR滤波器设计有：fir1(或fir2) 窗口函数法remez 等波纹最佳一致逼近firls 最小二乘逼近等频率变换方法：首先设计一个性能较好的一维FIR滤波器，然后将其变换成一个二维的FIR滤波器。由于设计一个一维滤波器比设计一个二维滤波器要容易得多频率变换方法通常能简化设计，并能产生较好的效果。函数ftrans2可以实现频率变换滤波器的设计。调用格式：H=ftrans2(b,T)其中b是一个一维的FIR滤波器，T是将一个一维的FIR滤波器变换为一个二维的FIR滤波器H的变换矩阵，T的缺省值为：1 2 1；2 4 2；1 2 1/8（在缺省值情况下，将生成一个完全中心对称的滤波器）例4：频率变换滤波器设计clear all,close allI = imread(cameraman.tif);figure(1);imshow(I);title(Original Image);pauseFs=65536;t=(1:65536)/Fs;s=sin(2*pi*t*60000/2);s=reshape(s,256,256);J=double(I)+100*s;figure(2);imshow(J,);title(受高频信号污染的图像);pauseb=remez(100,0 50000/2/(Fs/2) 55000/2/(Fs/2) 1,1 1 0 0);% 100阶低通remez滤波器h=ftrans2(b);H,w=freqz(b,1,64,whole);figure(3),subplot(121)plot(w/pi-1,fftshift(abs(H)%subplot(122),freqz2(h,32 32),pauseK=filter2(h,J);figure(4),imshow(K,),title(经过低通滤波器的图像) 下面介绍空间域方法空间域方法：空间域方法是直接对图像的像素值进行处理的。1平滑滤波器（）线性平滑滤波器（或均值滤波器）(讲思想)：取邻域或模板3，3（一般默认），或5，5，7，7等，而点位于邻域的中心，受污图像：其中为原图像信息，为噪声信息。若原噪声的方差（强度）为，现噪声的均值不变，但噪声的方差（强度）为：噪声的强度减弱了，即抑制了噪声。例5：均值滤波clear all,close all RGB=imread(saturn.png);I=RGB(:,:,1);J1=imnoise(I,gaussian,0,0.02);h=fspecial(average,5,5);J2=filter2(h,J1);figure,subplot(121),imshow(J1,), subplot(122),imshow(J2,)（2）. 中值滤波器已知上次例1：滑动邻域操作clear all,close allI=imread(eight.tif);I1=imnoise(I,salt & pepper,0.02);fun1 = inline(median(x(:);I2 = nlfilter(I1,3 3,fun1);figure(1),imshow(I1),pausefigure(2),imshow(I2)即输出图像的每一个像素的像素值是输入图像对应像素的邻域内像素值的中值。或clear all,close allI=imread(eight.tif);I1=imnoise(I,salt & pepper,0.02);fun2 =(x)median(x(:);I2 = nlfilter(I1,3 3,fun2);figure(1),imshow(I1),pausefigure(2),imshow(I2)(讲) medfilt2 Perform two-dimensional median filtering SyntaxB = medfilt2(A,m n)B = medfilt2(A)performs median filtering of the matrix A using the default 3-by-3 neighborhood. 上面例1的中值滤波又可写为：clear all,close allI=imread(eight.tif);J1=imnoise(I,salt & pepper,0.02);J2=medfilt2(J1);figure(1),imshow(J1),figure(2),imshow(J2)（3）. 排序统计滤波器(讲):ordfilt2Perform two-dimensional order-statistic filt