第四章_遥感数字图像增强处理(二)

1、1第三章 遥感数字图像增强处理（二）三、空间增强 Spatial 四、频率域增强 frequency 2三、空间增强三、空间增强Spatial 空间滤波空间滤波Spatial Filtering 辐射增强是通过对单个像元的运算从整体上改辐射增强是通过对单个像元的运算从整体上改善影像的质量，而空间滤波（空间增强）则是以重善影像的质量，而空间滤波（空间增强）则是以重点突出影像上的某些特征为目的，如突出边线或纹点突出影像上的某些特征为目的，如突出边线或纹理等，也可以有目的的去除某些特征，如抑制图像理等，也可以有目的的去除某些特征，如抑制图像上的各种噪声。上的各种噪声。 空间滤波在方法上采用邻域运算，

2、即强调像元空间滤波在方法上采用邻域运算，即强调像元与其周围相邻像元的关系。与其周围相邻像元的关系。3邻域运算的通用表达式：邻域运算的通用表达式：jifNjigf,4以重点突出图像上某些特征为以重点突出图像上某些特征为目的目的。滤波增强的滤波增强的原理原理:任何一个复杂的波形曲线都可任何一个复杂的波形曲线都可以分解成具有不同频率（波长）的较为简单的波以分解成具有不同频率（波长）的较为简单的波形曲线。形曲线。概念概念:根据需要，舍弃不需要的频率曲线，选择根据需要，舍弃不需要的频率曲线，选择适宜和需要的频率波形曲线，重新构成新的图像，适宜和需要的频率波形曲线，重新构成新的图像，使一些地物或现象得到突

3、出显示。使一些地物或现象得到突出显示。5Spatial filtering encompasses another set of digital processing functions which are used to enhance the appearance of an image. Spatial filters are designed to highlight or suppress（抑制）（抑制） specific features in an image based on their spatial frequency. Spatial frequency is relat

4、ed to the concept of image texture, and refers to the frequency of the variations in tone that appear in an image6 空间滤波是在影像的空间变量内进行的局空间滤波是在影像的空间变量内进行的局部运算，使用空间二维卷积方法，主要包括平滑部运算，使用空间二维卷积方法，主要包括平滑和锐化。和锐化。 具体作法是选定一卷积函数，又称具体作法是选定一卷积函数，又称“模模板板”，实际上是一个一定大小的影像。二维的卷，实际上是一个一定大小的影像。二维的卷积运算是在影像中使用模板来实现运算的。积运算是在

5、影像中使用模板来实现运算的。 1、卷积运算卷积运算模板运算模板运算7基本思想基本思想 从影像左上角开始开一与模板同样大小的活动窗口，影从影像左上角开始开一与模板同样大小的活动窗口，影像窗口与模板像元的亮度值对应相乘再相加。假定模板大小像窗口与模板像元的亮度值对应相乘再相加。假定模板大小为为M M* *N N，窗口为，窗口为(m,n)(m,n)，模板为，模板为t(mt(m，n)n)，则模板运算为，则模板运算为: : 11,MNmnr i jm n t m n8模板卷积运算的主要步骤为：模板卷积运算的主要步骤为：(1)将模板在图中漫游，并将模板中心与图中某个 像素位置重合；(2)将模板上系数与模板

6、下对应像素相乘；(3)将所有乘积相加；(4)将和(模板的输出响应)赋给图中对应模板中心 位置的像素。92、空间增强空间增强平滑平滑平滑平滑图像中出现某些亮度值过大的区域，图像中出现某些亮度值过大的区域，或出现不该有的亮点时，采用平滑方法可以减或出现不该有的亮点时，采用平滑方法可以减小变化，使亮度平缓或去掉不必要的亮点小变化，使亮度平缓或去掉不必要的亮点。u均值平滑（均值平滑（ mean filter ）基本思想：是将每个像元在以其为中心的区域基本思想：是将每个像元在以其为中心的区域内，取一定像元的平均值来代替该像元的值，内，取一定像元的平均值来代替该像元的值，从而平滑图像细节，降低图像反差。从

7、而平滑图像细节，降低图像反差。10),(),1),(11nmfn（mMNjigMmNn为模板),(nm为模板对应的原像元值),(nmf常用的邻域有常用的邻域有4-4-邻域和邻域和8-8-邻域。邻域。11vsmoothing averages the values of the pixel and its neighbors. If there is noise in the image (random pixel with random values) the smoothing process will remove these. 12对于对于3 33 3的窗口，常用的模板为的窗口，常用的模

8、板为为了避免中心像元值过高影响平均值，可采用模板为了避免中心像元值过高影响平均值，可采用模板9151814113(a)(a)原图像原图像 (b) (b) 加椒盐噪声的图像加椒盐噪声的图像 (c)3(c)33 3邻域平滑邻域平滑 (d) 5(d) 55 5邻域平滑邻域平滑 均值平滑示例均值平滑示例14 模板不同，平滑的作用也不一样模板不同，平滑的作用也不一样。 1 1）平滑孤点噪声）平滑孤点噪声919191919191919191),(nmt81818181081818181),(nmt152 2）平滑行列噪声）平滑行列噪声616161000616161:模板为61061610616106116

9、原始图像原始图像均值滤波图像均值滤波图像17原始图像统计信息原始图像统计信息变换后图像统计信息变换后图像统计信息18均值平滑的均值平滑的特点特点 算法简单，计算速度快；在去掉尖锐噪声的同算法简单，计算速度快；在去掉尖锐噪声的同时，造成图像模糊，对特别是对图像的边缘和细节时，造成图像模糊，对特别是对图像的边缘和细节削弱较多，且随着邻域范围的扩大，去噪能力增强削弱较多，且随着邻域范围的扩大，去噪能力增强的同时，模糊程度越严重。的同时，模糊程度越严重。改进方法改进方法阈值改进法阈值改进法TjigjifjifTjigjifjigjiG),(),(),(),(),(),(),(19中值滤波中值滤波),(

10、),(),(nmfnmmidjigu是一种非线性的图像平滑方法是一种非线性的图像平滑方法u特点：在抑制噪声的同时，能有效地保留边缘，减少模特点：在抑制噪声的同时，能有效地保留边缘，减少模糊糊20 将每个像元在以其为中心的邻域内取中间亮度值来代替该像元值，以达到去尖锐“噪声”和平滑影像目的。 方法：方法：把邻域中的图像像素按灰度级进行排序，然后选择组的中间值作为输出像素值。邻域大小一般取奇数邻域大小一般取奇数u中值滤波中值滤波(median filter),(),(),(nmfnmmidjig是一种非线性的图像平滑方法是一种非线性的图像平滑方法特点：在抑制噪声的同时，能有效地保留边缘，减特点：在

11、抑制噪声的同时，能有效地保留边缘，减少模糊少模糊21具体步骤：具体步骤：（1）将模板在图上漫游。将模板中心与图中某个像素位置重合；（2）读取模板下各对应像素的灰度值；（3）将读取的灰度值从小到大排序；（4）找出位于序列中间那个值；（5）将中间值赋给输出图中对应模板中心位置的像素，得到输出图上对应的像素值22中值滤波后的图像中值滤波后的图像中值滤波示例中值滤波示例用用1 1* *3 3的模板对下图做中值滤波，最左和最右两例保留原值。的模板对下图做中值滤波，最左和最右两例保留原值。原图像原图像23 中值滤波对脉冲干扰的椒盐噪声抑制效果好，中值滤波对脉冲干扰的椒盐噪声抑制效果好，在抑制随机噪声的同时

12、能有效保护边缘少受模糊。在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。但它对点、线等细节较多的图像却不太合适。 对中值滤波法来说，正确选择窗口尺寸的大小对中值滤波法来说，正确选择窗口尺寸的大小是很重要的。一般很难事先确定最佳的窗口尺寸，是很重要的。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中需通过从小窗口到大窗口的中值滤波试验，再从中选取最佳的。选取最佳的。24二维中值滤波器的窗口形状可以有多种，如线状、二维中值滤波器的窗口形状可以有多种，如线状、方形、十字形、圆形、菱形等。方形、十字形、圆形、菱形等。 l 不同形状的窗口产

13、生不同的滤波效果，使用中必须根不同形状的窗口产生不同的滤波效果，使用中必须根据图像的内容和不同的要求加以选择。据图像的内容和不同的要求加以选择。l 根据经验看，方形或圆形窗口适宜于外轮廓线较长的根据经验看，方形或圆形窗口适宜于外轮廓线较长的物体图像，而十字形窗口对有尖顶角状的图像效果好。物体图像，而十字形窗口对有尖顶角状的图像效果好。25 图(a)为原图像；图(b)为加椒盐噪声的图像；图(c)和图(d)分别为33、55模板进行中值滤波的结果。26中值滤波是去除椒盐噪声的有效手段27均值平滑与中值滤波的比较均值平滑与中值滤波的比较 （采用（采用3 3* *3 3窗口）窗口）28椒盐噪声污染的图像

14、，中值滤波要明显优于均值滤波椒盐噪声图像的均值滤波、中值滤波结果椒盐噪声图像的均值滤波、中值滤波结果293、空间增强空间增强锐化（锐化（边缘提取边缘提取）锐化锐化突出图像的边缘、线性目标或某些亮度变化率大突出图像的边缘、线性目标或某些亮度变化率大的部分。的部分。有助于不同地物类型的识别及其分布范围的圈定！有助于不同地物类型的识别及其分布范围的圈定！u 突出影像的边缘、轮廓或线状目标突出影像的边缘、轮廓或线状目标u 提高边缘与周围像素之间的反差，因此也称为边缘增强提高边缘与周围像素之间的反差，因此也称为边缘增强u 提取目标物体的边界，对图像进行分割，便于目标区域提取目标物体的边界，对图像进行分割

15、，便于目标区域的识别等的识别等u 锐化后的影像已不再具有原影像的特征而成为边缘影像锐化后的影像已不再具有原影像的特征而成为边缘影像30常见的锐化方法：常见的锐化方法： - -梯度法梯度法 -Roberts-Roberts梯度梯度 -Prewitt-Prewitt梯度梯度 -Sobel-Sobel梯度梯度 - -拉普拉斯算法拉普拉斯算法 - -定向检测定向检测 31梯度法梯度法图像图像f(x,y)f(x,y)在像元点（在像元点（x,y)x,y)的梯度可定义为一个向量：的梯度可定义为一个向量：yyxfxyxfffyxgradfyx,梯度的模：梯度的模：22,yyxfxyxfyxgradf梯度的方向

16、：梯度的方向：arctanxyff32梯度的意义：梯度的意义：反映了相邻像元的亮度变化率。反映了相邻像元的亮度变化率。n 影像中如果存在边缘，如湖泊、河流的边界，影像中如果存在边缘，如湖泊、河流的边界，山脉和道路等，则边缘处有较大的梯度值；山脉和道路等，则边缘处有较大的梯度值；n 对于亮度值较平滑的部分，亮度梯度值较小；对于亮度值较平滑的部分，亮度梯度值较小；n 灰度值为常值的区域，梯度为零。灰度值为常值的区域，梯度为零。 利用梯度值生成梯度图像，在梯度图像上梯度利用梯度值生成梯度图像，在梯度图像上梯度值较大的部分就是边缘。值较大的部分就是边缘。 33y,t,t21yxfxyxf2221,tt

17、yxgradf梯度的模：梯度的模：设设用绝对值近似计算用绝对值近似计算21,ttyxgradf34yx对于数字图像，一般用差分代替求导，即对于数字图像，一般用差分代替求导，即1, 1,21yxfyxfftyxfyxfftyx351, 1,yxfyxfyxfyxfyxgradf则梯度的模为：则梯度算法对应的模板为：t1=10-10t2=1-10036RobertsRoberts梯度（梯度（2 22 2）采用采用交叉差分交叉差分的方法的方法1, 11, 1,21yxfyxftyxfyxft1, 11, 1,yxfyxfyxfyxfyxgradf37RobertsRoberts梯度算法对应的模板为：

18、梯度算法对应的模板为：t1=100-1t2=0-110计算：用模板t1计算后取绝对值，用模板t2计算后取绝对值，两者相加。意义在于用交叉的方法检测出像元与其邻域在上下之间或左右之间或斜方向之间的差异。38PrewittPrewitt和和SobelSobel梯度梯度PrewiitPrewiit算法较多考虑了邻域点的关系，算法较多考虑了邻域点的关系，模板为模板为3 33 3模板为：模板为：t1=t2=-1-1-1000111-101-101-101对水平方向的地物进行锐化对水平方向的地物进行锐化对垂直方向的地物进行锐化对垂直方向的地物进行锐化39SobelSobel算法是在算法是在PrewittP

19、rewitt算法的基础上，算法的基础上，对对4 4邻域采邻域采用加权方法进行差分用加权方法进行差分，对边缘检测更精确。，对边缘检测更精确。模板为：模板为：t2=t1=-1-2-1000121-101-202-101对水平方向的地物进行锐化对水平方向的地物进行锐化对垂直方向的地物进行锐化对垂直方向的地物进行锐化40原图像原图像RobertsRoberts算法得到的梯度图算法得到的梯度图提取了边缘处的一边提取了边缘处的一边SobelSobel算法得到的梯度图算法得到的梯度图提取了边缘双边提取了边缘双边41 根据以上算法求出各个像素的梯度值后，可以根据不同需要生成不同的梯度图像；具体方法：（1 1）

20、以各像素点的梯度值代替原灰度值）以各像素点的梯度值代替原灰度值缺点：增强的图像仅显示灰度变化比较陡的边缘轮廓，而灰度变化比较平缓或均匀的区域则呈黑色。梯度图像生成梯度图像生成yxgradfyxg,42（2 2）适当选取阈值）适当选取阈值T T，将梯度值，将梯度值T T的各像素点的灰度的各像素点的灰度值用梯度值代替，其它则保留原灰度值。值用梯度值代替，其它则保留原灰度值。即可使明显的边缘轮廓得到突出，又不会破坏原来灰度变化比较平缓的背景。其它yxfTyxgradfyxgradfyxg,43（3 3）根据需要指定一个灰度级）根据需要指定一个灰度级L LG G，以，以L LG G表示边缘，其表示边缘

21、，其它保留原始背景值。它保留原始背景值。（4 4）指定一个灰度级）指定一个灰度级L LB B，以，以L LB B表示背景，保留边缘梯表示背景，保留边缘梯度变化度变化便于研究边缘灰度的变化便于研究边缘灰度的变化其它yxfTyxgradfLyxgG,其它BLTyxgradfyxgradfyxg,44（5 5）将边缘与背景分别用灰度级）将边缘与背景分别用灰度级L LG G和和L LB B，形成二值图像，形成二值图像便于研究边缘所在位置便于研究边缘所在位置其它BGLTyxgradfLyxg,45LaplacianLaplacian算子算子线性二阶微分算子线性二阶微分算子对于数字图像，二阶导数可以用二阶

22、差分近似计算对于数字图像，二阶导数可以用二阶差分近似计算22222,yyxfxyxfyxf1,21, 1,2, 1,2222yxfyxfyxfyyxfyxfyxfyxfxyxf 一种各向同性的增强方法，即其边缘的增强程度与边缘一种各向同性的增强方法，即其边缘的增强程度与边缘的方向无关，从而可以满足不同走向的边缘锐化的要求。的方向无关，从而可以满足不同走向的边缘锐化的要求。46LaplacianLaplacian算子的表达式：算子的表达式：yxfyxfyxfyxfyxfyxf,41,1, 1, 1,2LaplacianLaplacian算子的模板算子的模板0101-41010LaplacianL

23、aplacian算子检测的是变化率的变化率，在图像上灰算子检测的是变化率的变化率，在图像上灰度均匀和变化均匀的部分，根据拉普拉斯算子计算的值度均匀和变化均匀的部分，根据拉普拉斯算子计算的值为零。经检测产生的图像更加突出灰度突变的部分。为零。经检测产生的图像更加突出灰度突变的部分。47LaplacianLaplacian增强算子：增强算子：将原图像的值减去Laplace算法计算结果的整数倍，即yxfkyxfyxg,2K为正整数。如K=1时，其模板为0-10-15-10-10这样处理即能保留原图像作为背景值，又扩大了边缘这样处理即能保留原图像作为背景值，又扩大了边缘对比度，锐化效果更好。对比度，锐

24、化效果更好。480-10-14-10-10注意：某些软件中如ENVI中例用的模板与上面符号相反，即中心值为4，四周相邻值为-1,增强结果则为：yxfkyxfyxg,249LaplaceLaplace常见算子（常见算子（3 33 3）010141010),(nmt010141010),(nmt111181111),(nmt010151010),(nmt特点：变化率的变化率，二阶微分。它不检测均匀的灰度变化，特点：变化率的变化率，二阶微分。它不检测均匀的灰度变化，产生的图像更加突出灰度值产生的图像更加突出灰度值突变突变的部分。的部分。锐化结果中负值的处理！锐化结果中负值的处理！50原图像Lapla

25、ce计算结果灰度值应为非负，对所有值加上一个常数，如加上绝对值最大负值的绝对值原图像减去Laplace计算结果,k=15152定向检测定向检测有目的的提取某一特定方向的边缘、线性目标或纹理特征（1）检测垂直边界（2）检测水平边界53（3）检测对角线边界54垂直定向检测水平定向检测Laplace算法55Edge Enhancementedge enhancement mathematically manipulates an image to provide a new image in which edges are made to stand out. 56vLow- and High-Pa

26、ss FilteringvWhen we look at spatial structure, we can usually see a characteristic length scale (e.g. size of fields, width and length of roads, etc)vImages usually have features on lots of different length scalesvSometimes, instead of talking about “length scale”, we talk instead about “spatial fr

27、equency”.vHigh frequencies correspond to short distance scales; low frequencies correspond to long distance scalesvWe can describe the action of some filters in this way.四、频率域增强四、频率域增强 frequency 571 1、频域增强的理论基础、频域增强的理论基础基本思想基本思想 像元的灰度值的变化频率随像元空间位置变像元的灰度值的变化频率随像元空间位置变化而变化，是一种随化而变化，是一种随位置变化的空间频率位置变化的空

28、间频率，对于，对于边缘、线条等特征，在较短的像元距离内灰度值边缘、线条等特征，在较短的像元距离内灰度值变化的频率大；对于均匀分布的地物，在较长的变化的频率大；对于均匀分布的地物，在较长的像元距离内灰度值变化的频率小。像元距离内灰度值变化的频率小。 即：即：通过像元灰度频率的改变来改善图像通过像元灰度频率的改变来改善图像质量质量。58- -卷积理论卷积理论被处理图像被处理图像f(f(x,yx,y) )变换函数变换函数h(h(x,yx,y) )目标图像目标图像g(g(x,yx,y) )卷积：卷积：g(g(x,yx,y) = h() = h(x,yx,y) ) * * f( f(x,yx,y) )u

29、随着模板范围的扩大，卷积运算量会越来越大。随着模板范围的扩大，卷积运算量会越来越大。u空间域复杂的卷积运算可以用频率域中简单的空间域复杂的卷积运算可以用频率域中简单的u乘法实现更快速的计算。乘法实现更快速的计算。59在图像中，像元灰度值随位置变化的频繁程度可以用在图像中，像元灰度值随位置变化的频繁程度可以用频率来表示。频率来表示。u 边缘、线条、噪声等具有较高的空间频率，即在较边缘、线条、噪声等具有较高的空间频率，即在较 短的像元距离内灰度值变化的频率大；短的像元距离内灰度值变化的频率大；u 均匀分布的地物或大面积的稳定结构具有低的空间均匀分布的地物或大面积的稳定结构具有低的空间 频率，即在较

30、长的像元距离内灰度值逐渐变化。频率，即在较长的像元距离内灰度值逐渐变化。下午7时11分50秒傅立叶变换傅立叶变换v周期函数可以表示周期函数可以表示为不同频率、不同为不同频率、不同振幅的正弦和振幅的正弦和/ /或或余弦和的形式余弦和的形式v非周期函数可以用非周期函数可以用正弦和正弦和/ /或余弦乘或余弦乘以加权函数的积分以加权函数的积分来表示来表示这种情况这种情况下的公式就是傅立下的公式就是傅立叶变换叶变换61在频率域增强技术中在频率域增强技术中l 平滑主要是保留图像的低频部分，削弱或抑制高频平滑主要是保留图像的低频部分，削弱或抑制高频 部分。低通滤波部分。低通滤波l 锐化则是保留图像的高频部分

31、，削弱低频部分。锐化则是保留图像的高频部分，削弱低频部分。 高通滤波高通滤波频率域增强的一般过程：频率域增强的一般过程：6263边、噪音、变化陡峭部分边、噪音、变化陡峭部分变化平缓部分变化平缓部分uv频率平面与图像空域特性的关系频率平面与图像空域特性的关系u图象变化平缓的部分变化平缓的部分靠近频率平面的圆心，这个区域为低频区域低频区域u图象中的边、噪音、变化陡峻的部分边、噪音、变化陡峻的部分，以放射方向离开频率平面的圆心，这个区域为高频区域高频区域642、频率域平滑、频率域平滑低通滤波器低通滤波器 图像噪声主要集中在高频部分图像噪声主要集中在高频部分采用低通滤波器采用低通滤波器（低频率部分通过

32、，高频率部分抑制）（低频率部分通过，高频率部分抑制） 去除噪声，改去除噪声，改善图像质量。善图像质量。设：在频率域平面内，理想低通滤波器距原点的设：在频率域平面内，理想低通滤波器距原点的截止频率为截止频率为D0，某一点到原点的距离为：，某一点到原点的距离为：2/122)(),(vuvuD65理想低通滤波器理想低通滤波器说明：在半径为说明：在半径为D D0 0的圆内，所有频率没有衰减地通过滤波器的圆内，所有频率没有衰减地通过滤波器，而在此半径的圆之外的所有频率完全被衰减掉，而在此半径的圆之外的所有频率完全被衰减掉由于高频部分包含大量边缘信息，因此利用此滤波器会导致由于高频部分包含大量边缘信息，因

33、此利用此滤波器会导致图像边缘模糊。图像边缘模糊。6667理想（圆形）低通滤波器理想（圆形）低通滤波器Ideal Circular LowPass FilterLCLPF传递函数传递函数0),(, 0),(, 1),(000DDvuDDvuDvuH缺点缺点：边缘信息损失，图像边缘模糊：边缘信息损失，图像边缘模糊68原图像及其频率图像原图像及其频率图像69理想低通滤波图像及其频率图像理想低通滤波图像及其频率图像70原始图像与理想低通滤波后图像原始图像与理想低通滤波后图像71理想低通滤波前后对比（放大）理想低通滤波前后对比（放大）72不同半径不同半径D0滤波结果滤波结果7374Butterworth

34、低通滤波器低通滤波器Butterworth LowPass FilterBLPF传递函数传递函数3 , 2 , 1),(11),(20nDvuDvuHn特点特点：连续衰减，具有一定的连续性，图像模糊程：连续衰减，具有一定的连续性，图像模糊程度大大降低。度大大降低。75指数低通滤波器指数低通滤波器Exponential LowPass FilterELPF传递函数传递函数3 , 2 , 1),(0),(nevuHnDvuD特点特点：在抑制噪声的同时，图像边缘的模糊程度比：在抑制噪声的同时，图像边缘的模糊程度比Butterworth低通滤波器大。低通滤波器大。76梯形低通滤波器梯形低通滤波器Tra

35、pezoidal LowPass FilterTLPF传递函数（传递函数（ D0为截止频率为截止频率，令，令D1D0 ）0101010),(, 0),(,),(),(1),(DvuDDvuDDDDDvuDDvuD，vuH特点特点：介于理想低通滤波器与指数低能滤波器之间，：介于理想低通滤波器与指数低能滤波器之间，处理后图像的一定的模糊。处理后图像的一定的模糊。773、频率域锐化、频率域锐化高通滤波器高通滤波器图像边缘和轮廓主要集中在高频部分图像边缘和轮廓主要集中在高频部分采用高采用高通滤波器（高频率部分通过，高频率部分抑制）通滤波器（高频率部分通过，高频率部分抑制） 突出边缘和轮廓信息突出边缘和

36、轮廓信息，改善图像质量。，改善图像质量。78理想高通滤波器理想高通滤波器7980理想高通滤波器理想高通滤波器Ideal HighPass FilterLHPF传递函数传递函数0),(, 1),(, 0),(000DDvuDDvuDvuH特点特点：边缘抖动现象。：边缘抖动现象。81理想高通滤波图像及其频率图像理想高通滤波图像及其频率图像82Butterworth高通滤波器高通滤波器Butterworth HighPass FilterBHPF传递函数传递函数3 , 2 , 1),(11),(20nvuDDvuHn特点特点：锐化效果较好，边缘抖动不明显，但计算复：锐化效果较好，边缘抖动不明显，但计

37、算复杂。杂。83指数高通滤波器指数高通滤波器Exponential HighPass FilterEHPF传递函数传递函数3 , 2 , 1),(),(0nevuHnvuDD特点特点： 比比Butterworth高通滤波器效果差，边缘抖动高通滤波器效果差，边缘抖动现象不明显。现象不明显。84梯形高通滤波器梯形高通滤波器Trapezoidal HighPass FilterTHPF传递函数（传递函数（ D0D10，D0 、D1为规定值为规定值 ）0011011),(, 1),(,),(),(0),(DvuDDvuDDDDDvuDDvuD，vuH特点特点：产生轻微抖动现象，计算简单，常被采用。：产生轻微抖动现象，计算简单，常被采用。854、同态滤波、同态滤波（Homomorphic Filtering）（同态图像增强）（同态图像增强） 问题引入问题引入若物体受到的光照不匀，那么图象上较暗部分的细节就较难