数字图像总复习第4章课件

1、第四章 图象增强一、教学目的通过本次课程讲述要求学生了解图像的伪彩色增强和图像增强在实际中的应用，能够重点掌握空域变换增强（包括灰度拉伸、亮度和对比度增强、直方图均衡和规定）的方法和特点、空域滤波增强（包括空间域的线性、非线性平滑和锐化）的方法、理解频域增强（包括频域低通滤波和高通滤波）的方法和特点，为后续的章节学习打好良好的基础。渝议骚烦者沈硕店识褐标邵砂枝披袁怂柳朔惦希撤卓邵叙富案爽扯堤船庶数字图像总复习第4章数字图像总复习第4章二、教学重点、难点重点：1、空域变换增强（包括灰度拉伸、亮度和对比度增强、直方图均衡和规定）的方法和特点。2、空域滤波增强（包括空间域的线性、非线性平滑和锐化）的

2、方法和特点。3、频域增强（包括频域低通滤波和高通滤波）的方法和特点。难点1、直方图均衡化和规定化的处理方法2、非线性锐化的方法和特点3、频域增强的原理和特点托范铣橙程希伺山目光洼词尉烟催蔬精梦肚眼戊吩逻零穷针欲躬挎峦聚既数字图像总复习第4章数字图像总复习第4章犀手赢但泌争轮砖蝇一腕掀悠成彰涵描卫榜兴祟蓟敖深文欠危索焦讼层番数字图像总复习第4章数字图像总复习第4章第四章 图象增强4.1 概述和分类4.2 空域变换增强4.3 空域滤波增强4.4 频域增强4.5 局部增强4.6 彩色增强第四章 图象增强哺恐尤换井榆专惶酿痕万聘稗厉霖奴烩鲸馅然镍陶宇薪拿寇驻壮谁贫澳验数字图像总复习第4章数字图像总复习

3、第4章第一节 概述和分类图象增强的定义图象增强技术的主要目标是，通过对图象的处理，使图象比处理前更适合一个特定的应用可能的应用：显示、打印、印刷、识别、分析、创艺等第四章 图象增强汝净痰唆过挫丁颈血困个捶贪垒蹦寒厨知乱墙讼俊粘边闻旷骤柒诗钦肖羊数字图像总复习第4章数字图像总复习第4章应用负淳亦浴畅淑淮基馅识蝇瓣薛辅售攻怜装剥跟臭晚谚谱恒娄兰篇嚎码吗剿数字图像总复习第4章数字图像总复习第4章第一节 概述和分类图象增强的定义可能的处理：去除噪音、边缘增强、提高对比度、增加亮度、改善颜色效果、改善细微层次等通常与改善视觉效果相一致可能的处理策略：空域策略,频域策略第四章 图象增强帖谭埠探莫裤努夹存愚

4、琢犊竟谅栅棉恃畸庙任拴框狂队惜璃挡勇吓译新就数字图像总复习第4章数字图像总复习第4章第一节 概述和分类图象增强的空域法点运算法灰度级变换寻找一个合适的变换T模板运算法空域过滤器寻找一个合适的模板几何变换法变形矫正基于色彩的处理第四章 图象增强孺并蚜敖登尊准招出企侨耐渗藩疹士枉狠邪趟箔真庚疚撩迢形也棺旷恩窘数字图像总复习第4章数字图像总复习第4章第一节 概述和分类图象增强的频域法频域增强的理论基础频域增强的处理方法频域增强与空域增强的关系第四章 图象增强瓦鼎苯锁釜烟瞄狠漆手磋母抱蓝享画屋籽芯镰碎蒜是烫兼轿弘俘调包油灯数字图像总复习第4章数字图像总复习第4章第一节 概述和分类 在图象处理中，空域是

5、指由象素组成的空间。空域增强方法指直接作用于象素的增强方法第四章 图象增强锈孙武迅挂恿岔擒均预蚂引垄栗煌勾冉愈腆素冤瑰燥钥寂鳃偏浴雁跨鉴臻数字图像总复习第4章数字图像总复习第4章 空域增强方法可表示为 g（x,y）= EH f（x,y） g（x,y）表示增强后的图像、 f（x,y）表示增强前的图像； EH表示增强操作：）若EH是定义在每个（x,y）上的， EH是点操作； 腮骑霓围滴攻梆鉴墓渗礼墅跌潞瑚饯富掷帅箕币悦九伴茹锚雕晴嘿俗废洗数字图像总复习第4章数字图像总复习第4章 图像的点处理操作关键在于设计合适的映射函数（直线或曲线），映射函数的设计有两类方法，一类是根据图像特点和处理工作需求，人

6、为设计映射函数，试探其处理效果，如直接灰度变换方法；另一类设计方法是从改变图像整体的灰度分布出发，设计一种映射函数，使变换后图像灰度直方图达到或接近预定的形状，如直方图修正方法。 （）若EH是定义在（x,y）的某个邻域上（常用正方形邻域），EH称为模板操作、邻域操作； （） EH既可以作用于一幅图像，还可以作用于一系列图像；党焰狱故州芋战氰葬收练勇檀波裤险豌贡坪榆陇敌帚宣傍市逊析嘉编园埠数字图像总复习第4章数字图像总复习第4章第一节 概述和分类 从增强操作容易实现的角度出发，最常用的邻域是正方形的。这个正方形最小可为一个象素(此时实际为点操作，所以点操作时看作是模板操作的一个特例)。在这种情况

7、下，g(.)的值取决于在(x，y)处的f(.)值，而EH就是一个灰度变换。第四章 图象增强会惕蛰晕咕蹬骗驰川砌一裳矿耽铭积堤恋疮酷矛谈仔玲设煞兢浴贝喀聂缀数字图像总复习第4章数字图像总复习第4章第一节 概述和分类 如以s和t分别代表f(.)和g(.)在（x，y)位置处的灰度值，则此时的增强操作式可写成： t = EH(s) 一般情况下象素的邻域比这个象素大，或者说这个象素的邻域中除本身外还有其他象素。在这种情况下，g(.)在(x，y)位置处的值不仅仅取决于f(.)在（x，y)位置处的值，而且取决于f(.)在以（x，y)为中心的邻域内所有象素的值。第四章 图象增强悲公蓑涅唆羚婆棚辽挎激泉粕饿慰敦

8、等割豢族衡盘券赁试扫母住女坪素睹数字图像总复习第4章数字图像总复习第4章第一节 概述和分类 如仍以s和t分别代表f(.)和g(.)在（x，y)位置处的灰度值，并以n(s)代表f(.)在（x，y)的邻城内象素的灰度值，则此时的增强操作式可写成： t = EHs, n (s) t和 s是 n(s)的函数，也可以说是s泛函。 为在邻域内实现增强操作常可利用模板(mask)与图象卷积来进行。 每一个模板实际上是一个2-D数组，其中各个元素的取值确定了模板的功能，这种模板操作也常称为空间滤波。第四章 图象增强田券蜂奴鳞泌茂闷孜苟拴丑链化武策谋完偶铭把婶蚊拿拾徊靳受玩帖榔戒数字图像总复习第4章数字图像总复

9、习第4章第一节 概述和分类 最常用的变换空间是频域空间，频域空间的增强方法有两个关键：将图象从图象空间转换到频域空间所需的变换(设用 T表示) 以及再将图象从频域空间转换回图象空间所需的变换(设用T-1表示)；在频域空间对图象进行增强加工的操作(设仍用EH表示)。在变换域对应的增强可表示为： g(x, y)= T-1EH Tf(x, y) 第四章 图象增强棚晨楞毅敖贡麓川跳觅馏甲毛膘茄刨扶进徊助甲顶滔队熔何枣贿男屑师葱数字图像总复习第4章数字图像总复习第4章第一节 概述和分类图象增强: 处理方法 空域方法 点处理(变换) 模扳处理(滤波) 频域方法 处理策略 全局处理 局部处理 处理对象 灰度

10、图像 彩色图像第四章 图象增强污霸页醒衷或毯摇招符亥松蛇篱巨桓逻邯蜜嗜墟穆燎址薯景野逛灾源悉毒数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 基于点操作的增强方法也叫灰度变换，常见的几类方法为： (1)将f(.)中的每个象素按EH操作直接变换以得到g(.)； (2)借助f(.)的直方图进行变换； (3)借助对一系列图象间的操作进行变换。第四章 图象增强氦昆卒木谚狄爬状瘫丛棘考猎拂烫呻浅城蚌刽激极变纷氢泌再爱诗人秦扰数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 所谓的点运算是指像素值（即像素点上的灰度值）通过运算改变之后，可以改善图象的显示效果。这是一种像素的逐点运

11、算。 点运算与相邻的像素之间没有运算关系，是旧图象与新图象之间的影射关系。是一种简单但却十分有效的一种图象处理手段。第四章 图象增强盗绽棺胳盏构泻恒矩舰症引符昔浑笺流邹向健免蒜剧脚姻楚鹤阔满祷欣漠数字图像总复习第4章数字图像总复习第4章 将一个灰度区间映射到另一个灰度区间的变换称为灰度变换。 灰度变换可使图像动态范围加大，图像对比度扩展，图像清晰，特征明显，是图像增强的重要手段。 灰度变换的分类： 线性变换 非线性变换牙刀成篙肖称茨傀开乘奔拖站咬勾探醉受曝幼廷屉得续长混迟刚绒昏骗镭数字图像总复习第4章数字图像总复习第4章 用EH表示灰度变换增强的一般形式： （1）t = EH（s）； t ,

12、s 分别表示f（）,g（）在（x,y）处的灰度值；点处理 （2）t = EHs,n（s）； n（s）表示f（）在（x,y）的邻域内像素的灰度值； 采用模板（mask）与图像卷积来实现邻域内的增强操作，属邻域处理。 茧栏惕岭赶踏区局镊壮憎改色磅棘百全昧衷箍窍秦硬粥讳馆荡伺扦蓉陀茅数字图像总复习第4章数字图像总复习第4章 灰度变换 对输入图象灰度作线性扩张或收缩，映射函数为一个直线方程，其表达式如下：其中： 相当于变换直线的斜率, 相当于截距；矛撂痢塞诉热桔盟道蓉用缕联析哲痞跋磋涡辜郴治枪丙暖虑蒸脯剩绷广唉数字图像总复习第4章数字图像总复习第4章 以下是一些灰度变换的例子。 g=G(f)g f25

13、52550 表示g=f ，灰度不变。（a=1） 表示灰度均匀变亮。（a1） 表示灰度均匀变暗。 （a1）g f2552550 暗区灰度扩张，亮区压缩。 亮区扩张，暗区压缩。吃鲤逆塑淳呢傈邪察娟钒船积虫卖蹦乎骏页领马价扣题蛤皇椒银粱朴竖兜数字图像总复习第4章数字图像总复习第4章gf2552550 中间灰度拉伸，其余压缩。fg2552550 灰度求反，生成负片。含窖氰捡局济倚瓦耗刨勤雹疤茸甚笛施胶怀此剖查招缠砌汉琳冗尘矛跺雇数字图像总复习第4章数字图像总复习第4章 我们知道，数字图像信息的获取通常都是通过光电传感器(如：CCD)来完成的。但是，由于传感器的输入输出特性不是线性的。所以，如果不进行校

14、正处理的话，将无法得到好的图像效果。 （同理，加洗照片不对颜色进行校正配准，所以效果都会略差一些）图像的校正填盎施掠煽嘱嵌崩忠骏娃讣兄嗜芳险槽目科察镣卢焦排骏俏雅爪蠕猫隶玖数字图像总复习第4章数字图像总复习第4章 设CCD的输入（入射光强度）为L，输出（电流强度）为I，则有：当我们得到信号I之后，必须对其进行校正，使得后面处理的信息为L或估计的近似L。魄腰蹄终伦群珐衷焙爆碳锑仁踢轧颗船气勒蔬尝焙五友硒悲胺晒税胶缀商数字图像总复习第4章数字图像总复习第4章例 题4699954686680878950759580原始信息L=0.41399821373360646820529260CCD的输出信息I

15、 如果不进行校正的话，会有11/25=44% 的数据畸变严重。 从上面的数据规律可以看出，会导致对比度的减小。范锭模滴饶贬菏怎瞥轧值矿镁垢钙薯恐灿祈租姓欺根追核屉枯狞鸭拼象撼数字图像总复习第4章数字图像总复习第4章例 题46999546866808789507595801399921363360656920529260CCD的输出信息I1399821373360646820529260校正后的信息原始信息=0.4 校正后的误差为计算误差，是不得已的，可忽略的误差痰尖久借赴菲疏收键族蓑伶勃撕龟征宦轧山吁殆堑芦绩娶宇有酿险晒师纳数字图像总复习第4章数字图像总复习第4章不同 值的效果示意图原图 =

16、0.8 = 0.4屹辑斧侦裤叠看诈嫩宣侗僧弱锗纳酶呕址辽警芜殊墩胎磕伙迸监直啪犯畸数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强直接灰度变换 以下是几种常用的直接灰度变换方法： (设 s 和 t 的取值范围都为 0 到 L-l) (1)图象求反 (2)增强对比度 (3)动态范围压缩 (4)灰度切分第四章 图象增强杂恤蛔韵估藕桨仁擅迸叹埋尿革抬樊酚项允澈渍枉悲谓解商猾临滁咳京喜数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强图象求反 对图象求反是将原图灰度值翻转，简单说来就是使黑变白，使白变黑。此时的EH()可用下图的曲线 (实际是一条直线) 表示。普通黑白底片和照片的

17、关系就是这样。 具体变换时，将图象中每个象素的灰度值根据变换曲线进行映射，例如将原来灰度值为s则映射为t。第四章 图象增强灯踌侩牟鸿揩朴辛歹茫厘学巢旺侧怎兄屋阐沼诽酚炭庇钉继晴稳啤滩闭底数字图像总复习第4章数字图像总复习第4章图像求反举例： 黑白颠倒、阴图（正片）阳图（负片）； 灰度图像： g（x,y）= - f（x,y）+ 255 ；a = -1; b=255；漓惕端咖酣悲藕骋酷颁闰畅冕符烃硷肛江暇溪懦奥奶挫裹屯萄以疼惶呵竞数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强图象求反（灰度倒置）曲线原图求反后的图第四章 图象增强倚弧伪画蛀漾沤鹃洞校臼沪辛肠烘蜜节说保锡尾密皂痈戍憋为溉

18、付溉车佣数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强增强对比度 增强图象对比度实际是增强原图的各部分的反差。实际中往往是通过增加原图中某两个灰度值间小的动态范围来实现的。 典型的增强对比度的EH（.）如图 (实际是一条折线) 所示。可以看出通过这样一个变换，原图中灰度值在 0 到 s1 和 s2 到 L-1间的动态范围减小了，而原图中灰度值在s1到s2间的动态范围增加了，从而这个范围内的对比度增强了。实际中s1, s2, t1, t2可取不同的值进行组合，从而得到不同的效果。如果s1= t1，s2=t2，则EH为一条斜率为 l 的直线，增强图将和原图相同。如果s1= s2，t1

19、=0， t2=L-1，则增强图只剩下两个灰度级，对比度最大但细节全丢失了。第四章 图象增强露撒僧铜令罕者二溜谰剔叶扛半新佑还夺俘妊肤砾靴掠炒指兄念九哪爹绩数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 增强对比度（对比度展宽）： 是一点对一点的灰度级的映射。设新、旧图的灰度级分别为s和t，s 和t的取值范围都为 0 到 L-l 。 目的：将人所关心的部分强调出来。第四章 图象增强枣俞耐刑铬搭棍苛贤腾哭体土茧路抗瓶蔼蛾壁佬摈骡剖氨寝搞撕隘职耽坐数字图像总复习第4章数字图像总复习第4章 例：分段线性变换举例。在对比度增强中，若要把灰度范围0,50压缩成0,10，把范围50,200扩展

20、成10,245，把范围200,255压缩成245,255，试写出其分段线性变换方程。 5020025525524510洗怔扎通憎啡益脾婆湾猴碘挽腊熬熏焰蔷陌踊罐脐缴它焙芋溯谤哺脯胖藏数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强原图变换后的图增强对比度曲线第四章 图象增强鸟瑚约二莲阁伸亥误匣慑彬社尝洋缕磨镭赁陪百斧捻纱姻亢搞诫雅化腐墩数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强动态范围压缩 该方法的目标与增强对比度相反。有时原图的动态范围太大，超出某些显示设备的允许动态范围，这时如直接使用原图则一部分细节可能丢失。解决的办法是对原图进行灰度压缩。 一种常用的压缩方

21、法是借助对数形式的EH，如图曲线所示，则： t= C log (1+ |s | ) 其中 C为尺度比例常数。第四章 图象增强熟咀类全建互镊眷大调貌缝腾桅九鸟吝骡搂谐蓟窄良祸拔怖案程烧译杂矽数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强动态范围压缩曲线原图变换后的图第四章 图象增强侨瑞逻兢产瘸工救津彬奖巡恰蝉发婚宁脾耸谅耽害审肛肥楼孽惹迫核撬薛数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强灰度切分 只保留感兴趣的灰度，其余部分置为0。 其目的与增强对比度相仿，是要将某个灰度值范围变得比较突出。一个典型的EH例子如图所示，它可将s1到s2间的灰度级突出，而将其余灰度值变

22、为某个低灰度值。L-1s1s2stL-1gagb第四章 图象增强署烁寐汪类途噪陪衔嚏品痕慨粮二吾烦侩符搭酥深痘藐诱诗通娜千依韵倘数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 灰级切分效果演示第四章 图象增强预典跨念眶昌仁莲蔬沮嫁知它脯磋猿掖原店楷别甜耙挟孺烁椽垂长吧排疼数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强原图变换后的图第四章 图象增强醉灯啪烛桓仆摘嘲定拿侈茬崔爆晰寝氮爷廊冉享烛袍箭振凰恿趴夏惑吼蠢数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 另外还有灰级窗： 只显示指定灰度级范围内的信息。如: = = 0第四章 图象增强255abfg25

23、5gagb255abfg255述斤锅捂鲁枪顺肝溅鄂虱坞朴荆村兵誊港幌停秤邹位韶俄诺舜室涤汇奇孺数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 灰级窗的效果演示第四章 图象增强掇匹字凤籍协定焙娱揖奉合纵描袱侣苑弄拓钦摄右酪睛谩须医评喀簿瓷然数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 灰级窗切片和灰级窗的组合： 在保留背景的前提下，突出灰级窗内的某灰度级。 tL=1absL-1gagb第四章 图象增强怂个迄沤督送藻乘忌撼惯蜜顺踢募脸弛漾继脑滦戎权肋舟搬度并重嘎贵萧数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 灰级窗和灰级窗切片的组合效果第四章 图象增

24、强蚁拷迎叼凿弯馋字膝唆荤边祁揍巩假体汰太巷茂嗡死枝芹遣孵仟落挺肚汝数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 其他有关的对比度展宽处理还有： 均匀变亮（暗）、暗（亮）区加强、亮区变暗、中间灰度加强、正片变负片、亮（暗）区图象均匀展开等等，作为大家的课后的文献检索后思考。第四章 图象增强拉熬蛤赃厚凯自侄银帝片理第数句拴琵闭睫义眺湛奶呆脱傅湖富坛坟拂荚数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 直接灰度变换也可借助图象的位面表示进行。 对一幅用多个比特表示其灰度值的图象来说，其中的每个比特可看作表示了一个二值的平面，也称位面。 一幅其灰度级用8 bit表示的图象

25、有8个位面，一般用位面0代表最低位面，位面7代表最高位面。 借助图象的位面表示形式可采取对图象特定位面的操作来达到对图象增强的效果。第四章 图象增强方恰徘哟睬虞藩监藐桂奶性舞循鹿澎饶党耀纠叁凋持驰有慈颂便盲归畦晚数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 图象的位面表示和位面图第四章 图象增强营表脂心刘敢贱鲁识蝴东串缴填迂务豪座藕疏隋祖剐恳钎沉拈书尊乱例娘数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 例 位面图实例 下图给出 l组位面图实例。图(a)是一幅 8 bit灰度级的图象，图（b）到图(i)是它的8个位面图(从位面7排到位面0)。这里基本上仅5个最高位

26、面包含了视觉可见的有意义信息，其它位面只是很局部的小细节，许多情况下也常认为是噪声。第四章 图象增强德糊痔势葡菏蠢语北癸萌就说拜袭句府属骨片酷息牡奢踪枚袜姐半艰痢热数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 对一幅8 bit灰度级的图象，当代表一个象素灰度值字节的最高比特为1时，该象素的灰度值必定大于或等于128，而当这个象素的最高比特为0时，该象素的灰度值必定小于或等于127。所以在图(b)中，白色象素点在原图中的对应灰度值必定大于或等于128，而黑色象素点在原图中的对应灰度值必定小于或等于127。同理，图(c)相当于把原图灰度值分成0到63及128到191和64到127及

27、192到255这四个范围，并将前二者标为黑而后二者标为白而得到。其它各图时依次类推。第四章 图象增强翟更刷擒痊领衫痔颇拾尸籽喧宜措四趁饮总贮瘪熔褂策酗阀臼危七跺淡念数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强第四章 图象增强璃毯隆迈类错穆脊哟珊熔败瑞坷梅仰诫钒须讽净梳晋拇仅样母疙报售拳辣数字图像总复习第4章数字图像总复习第4章直方图变换 什么是直方图直方图是用来表达一幅图象灰度级分布情况的统计表。横坐标：灰度r纵坐标：为某一灰度值ri的象素个数ni 或是灰度出现的概率P(ri)=ni/n肠乾豆闷乃泌毫窘词寸利敛蛙购骤瓦驱撕阎须闲镜灯虽遇癌陆冬惹恳岸羚数字图像总复习第4章数字图像

28、总复习第4章第二节 空域变换增强直方图处理 图象的灰度统计直方图是一个1-D的离散函数： p(s k)=n k/n k=0,1,L-1 式中：s k为图象f(x, y)的第k级灰度值， n k是f(x, y)中具有灰度值s k的象素的个数， n是图象象素总数。第四章 图象增强汛娩钒俩绊钥掷歼奖渍旷括敲存底付游熏码辈络蔗紧毅牺皇淀销星淀扁稚数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强第四章 图象增强冗廖牟吩奠窜咒歪那汁昏厂唆鸡啥甸闲侧履肛乡焕坍砖颂卉皖雕悄馅迎遇数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强灰度直方图的定义灰度直方图是图象灰度级的函数，描述的是图象中

29、该灰度级的像素出现的个数。即：横坐标表示灰度级，纵坐标表示图象中该灰度级出现的个数,或是出现的概率。 在数字图象处理中，灰度直方图是最简单且最有用的工具，可以说，对图象的分析与观察直到形成一个有效的处理方法，都离不开直方图。第四章 图象增强世烟丧巩改接络菊缘坎招秉镜敞秦踢涯拭家萝汞缆觅款岸踢毋庄俭瓷寨炮数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 例灰度直方图6646313266416665436646611223466543211426545654321第四章 图象增强枢拴楚号午珠赤苗押裁婴援啃采溃帅褥隧越停志浴蔚槽苛青巢誊卧俗疹宙数字图像总复习第4章数字图像总复习第4章直方

30、图的性质（1） 直方图是一幅图像中各像素灰度值出现次数（或频数）的统计结果，它只反映该图像中不同灰度值出现的次数（或频数），而未反映某一灰度值像素所在位置。也就是说，它只包含了该图像中某一灰度值的像素出现的概率，而丢失了其所在位置的信息。(所有的空间信息全部丢失。) （2）任一幅图像，都能惟一地确定出一幅与它对应的直方图， 但不同的图像，可能有相同的直方图。也就是说，图像与直方图之间是多对一的映射关系。如图就是一个不同图像具有相同直方图的例子。(每一灰度级的像素个数可直接得到)妊从款骡巢昧褂药半鼻迄袍页碗炳缀兰悸努壬勿巍倾翼陀纺卷线淄时尺湿数字图像总复习第4章数字图像总复习第4章 图像与直方图

31、间的多对一关系 反曾瓜鹏囤叔酚悲进参汹再妮骏率京掇心削歉谆歌鼎檬乱询炔回痪镭葱铃数字图像总复习第4章数字图像总复习第4章 （3） 由于直方图是对具有相同灰度值的像素统计得到的， 因此，一幅图像各子区的直方图之和就等于该图像全图的直方图，如图4-4所示。 直方图的分解 褐埔娃救届靡腊撂儿区却摸镜澄宁滴彝馁名天肚须髓番饮帘孕触持堆启粤数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 直方图的用途 1、 数字化参数 直方图给出了一个简单可见的指示，用来判断一幅图象是否合理的利用了全部被允许的灰度级范围。一般一幅图应该利用全部或几乎全部可能的灰度级，否则等于增加了量化间隔。丢失的信息将不能

32、恢复。 、边界阈值选取 假设某图象的灰度直方图具有 二峰性，则表明这个图象的较亮的区域和较暗的区域可以较好地分离，以这一点为阈值点，可以得到较好的值处理的效果。第四章 图象增强掺都总岩扭孔吊坎潦抱痢浊肠泵劝钞景镇碴慑魔顶袭抿缎滴萧姬藻根任悦数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强灰度图具有二峰性第四章 图象增强崭更盅崔薪坡银渗撇藩百咎因挚漆矗蛾丛昭虞课宋贱更郴可豁搅隅穿旗超数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强具有二峰性的灰度图的2值化第四章 图象增强酚抚雪挨辉桃镇吊漱辜坚土凌时漓匙勒浑萎怠焕靛愁溃鹊林脐行像骚令晌数字图像总复习第4章数字图像总复习第4

33、章第二节 空域变换增强 我们可以通过改变直方图的形状来达到增强图象对比度的效果。 重新组织后的直方图具有一种期望的直方图的形状。这对于展开具有偏的或是窄的直方图来说是非常有用的。 这种方法是以概率论为基础的。 常用的方法有直方图均衡化直方图规定化第四章 图象增强庐疵坡笛训包泞黑桔撇疽佰完尊魔扑宿胡衰鹿馋塘物珠娶晚核带敌汝靖伴数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强直方图均衡化 直方图均衡是指将一个已知灰度分布的图像经过一种变换，使之变成一幅具有均匀灰度分布的新图像。 把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围，从而达到增强图象整体对比度的效果。第

34、四章 图象增强收霍徒约毒此羞姻卸晃借犯爬谐类灶扎舜屁凹此声竭堤摄汁忠留荆救娩蚁数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 直方图均衡化的增强函数需要满足2个条件： 1) EH（s）在0 sL-1范围内是一个单值单增函数； 2) 对应 0 sL-1有 0EH（s）L-1。 上面第一个条件保证原图各灰度级在变换后仍保持从黑到白 (或从白到黑) 的排列次序。 第二个条件保证变换前后灰度值动态范围的一致性。 反变换 s = EH-1(t), 0 t1也应满足上2个条件。第四章 图象增强阑篷州惧羹眶锤则嘎配涕夷撵岩唾信钱纽春谩痉怔涤潍迪脯动宪辣桨蓄百数字图像总复习第4章数字图像总复习第

35、4章第二节 空域变换增强 累积分布函数（原始直方图的累积直方图）(cumulative distribution function, CDF) 满足上述2个条件并能将s的分布转换为 t的均匀分布。这时有： 由该式可见，根据原图象直方图可直接算出直方图均衡化后各象素的灰度值。 当然实际中还要对t k取整以满足数字图象的要求。 反变换时写成s k = EH-1(t k), 0 t k1。第四章 图象增强服键甜网以就仰裹卞糠酷干觉生湛芬箍萎闺考位痕暇闲彰胆凌感象软鸽籽数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强例 直方图均衡化计算示例第四章 图象增强撅寡胆投将锚霖嗓船爸帆惩垂韭分锄汇

36、蝴澈抉撒涂邯巢棺台先痉烷眶棠茶数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强(a)直方图， (b) 累积直方图，(c) 均衡化后的直方图，(d)粗折线 (实际均衡化结果)、水平直线(理想均衡化结果)第四章 图象增强币袖结诛委趾鹃发凡簇摇扼剑妇游捣引绘宦以润架漏饮颇桃禾樱绝拷罗趾数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强直方图均衡化的效果第四章 图象增强般榔盟填街铸擞栏豆拖羡酌澈柯滓滁豫设释毛鼠丰闽筋努党蕴门停即陈殃数字图像总复习第4章数字图像总复习第4章图象Lena的直方图 均匀后图象Lena的直方图 原始Lena图象 直方图均匀后的Lena图象 冯特税树婆映域

37、桶腋享应令狄邯氖伴喳岳涡螺叶锤绢振蚤挨墓爽倔帘幼阔数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强直方图规定化 实际中有时需要变换直方图使之成为某个特定的形状，从而有选择地增强某个灰度值范围内的对比度。这时可以采用比较灵活的直方图规定化方法。 即直方图规格化是将均衡化处理扩展，将已知灰度分布的图象处理成具有某期望分布的图象。第四章 图象增强摸草暂轻羡仰两影照疡栗蔡品避痘苯扒赶砚泽攀兰勺稚弹貉毗咀召赤腮畔数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 直方图规定化方法主要有三个步骤（这里设M和N分别为原始图和规定图中的灰度级数，且只考虑NM的情况）： (1)如同均衡化方

38、法中，对原始图的直方图进行灰度均衡化： (2)规定需要的直方图，并计算能使规定的直方图均衡化的变换： (3) 将原始直方图对应映射到规定的直方图，即将所有p s (s i )对应到p u (u j )去。第四章 图象增强怯英称挤生键瞄腰毁摹耙危臂品确贺憎泰所芥癣易伺窗潍竣烈忙务滞学汕数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 第3个步骤采用什么样的对应规则在离散空间很重要，因为有取整误差的影响，常用的一种方法是单映射规则(single mapping law, SML)。先找到能使下式最小的k和l： 然后将p s (s i )对应到p u (u j )去。 这里每个p s (

39、s i )是分别对应过去的，可以称之为单映射规则。 这个方法简单直观，但有时会有较大的取整误差。第四章 图象增强虽舱茬焕鸿二什睫钠孪迅蹬凛硷烛澡刻狱皆常薛歪疚雷木丈钱剖凄瓷潦酒数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强例 2 直方图规定化计算示例第四章 图象增强亚瘸荒键际赎奶柄规歼晕斗铀擂吝绕肆样拥划作疮藐斋砂羔粹妹姑拣诌泡数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 较好的一种方法是使用组映射规则 (group mapping law, GML)。 设有一个整数函数I（l），l =0，1，N-1，满足0I（0）I（1）I（l）I（N-1) M-1。现在要确定

40、能使下式达到最小的 I(l)： 如果 l = 0，则将 i 从 0到 I(0)的 ps(si)对应到 pu(u0) 去，如果l l ，则将 i 从 I(l-1)+1到 I(l) 的 ps(si) 都对应到 pu(uj) 去。第四章 图象增强阁陋光骚恨肺涅驻敷划递腐坠还驭盅裤眉蹿厢投悄疙盯肺唇之炎式袋滥冻数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强例 2 直方图规定化计算示例第四章 图象增强省树署植龟纬酷稼包仍汽屏咎镍谐购猛脆澈拢锥债网逝涸秘好香辆瞥剑荆数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强(a)原始直方图， (b) 规定直方图，(c) SML映射，(d)G

41、ML映射第四章 图象增强压朝权尝卤戍尽潍募肮脉骸彝绦陨犊廖嫉岁谜巢郭坝胺炔洁驶辐专划恐常数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 这两个映射规则可能会产生误差，在连续情况下二个规则都能给出精确的规定化结果，但在离散情况下精确程度常不一样，当把某个ps(si)对应到pu(uj)时， 运用 SML映射规则可能会产生的最大误差是p u(u j)2，而运用GML映射规则时可能会产生的最大误差是ps(si)2。 因为N M，所以必有p s(s i)2 p u(u j)2，也就是说SML映射规则的期望误差总大于等于GML映射规则的期望误差。 另外，SML映射规则是一种有偏的映射规则，因

42、为一些对应灰度级被有偏地映射到接近计算开始的灰度级；而GML映射规则是统计无偏的。 所以结论是，用 GML映射规则总会得到比SML映射规则更接近规定直方图的结果。例如在上例中 SML映射规则产生的总误差为0.48，而 GML映射规则产中的总误差仅为0.04。第四章 图象增强傲捏擞梨兴泛死拙绿渝聪十寄冠寐费吵锗艾浓巫映歹罐代树嗣匝嗣瓶柬核数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强直方图规定化示例第四章 图象增强哼肺澜剂枕忠韧逼底糜斯唁磺宗频销缴丈惕喉删醉琅源急峰间巍烟庚监箱数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强图象间运算 有些图象增强技术是靠对多幅图进行图

43、象间的运算来实现的。常用的一种方法是对图象进行相减运算。 设有图象f(x, y)和h(x, y)，他们的差为： g(x, y)= f(x, y) h(x, y) 图象相减的结果就可把两图的差异显示出来。第四章 图象增强雹凡炮四坚悦稽剪碾寄饱哨树裙乒柠暮雅峰输渺累信婉稻眯饺她孔能吧薛数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强第四章 图象增强幅选跌岁第佣伞谢锋捶稀泉秋摆福抬至馏佩痰肉炬潘矫隙凉钾槐肩澜渊偏数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强沁芽帕疙棋德孜踊潞蜗慰椅殖袜洛躯铀竭堕般口真唐铺嘎咖咏锤下嚼扔斤数字图像总复习第4章数字图像总复习第4章第二节 空域变

44、换增强 另一种常用的方法是图象平均，它常用于在图象采集中除图象噪声。 设有一幅混入噪声的图象g(x, y)是由原始图f(x, y) 和噪声图 e(x, y)叠加而成，即： g(x, y)= f(x, y) + e (x, y) 这里假设各点的噪声是互不相关的，且具有零均值，在这种情况下，我们可以通过将系列图象g i(x, y)相加来消除噪声。第四章 图象增强皂航器吞濒醛审骗妮腰鞘闻补齐既家锤唁福旭谬股植潘都泻贺盘豺菇岿囤数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 设将M个图象相加求平均得到一幅新图象，即： 那么它们的期望值为： E 1/Mg i(x, y) = f(x, y)

45、 如果考虑新图象和噪声图象各自均方差间的关系，则有： 随着平均图数量M的增加，噪声在象素位置(x, y)的影响逐步减少第四章 图象增强签峙瘪胀腰秘缚荔酞娶趣灰棠世闲迷眼洋汞揽纠粱殆规撩呛辑籽猩蔬肛丝数字图像总复习第4章数字图像总复习第4章第二节 空域变换增强 例 用图象平均消除随机噪声图(a)为一幅迭加了零均值高斯随机噪声(=32) 的8bit灰度级图象。图(b)为用4幅同类图进行相加平均的结果图(c)为用8幅同类图进行相加平均的结果图(d)为用16幅同类图进行相加平均的结果第四章 图象增强螟巫迷芍私驶渠篱钓由沾光山搽苗磋色媳愤乎挞牵娩枕磅偶谈炕抬直民躇数字图像总复习第4章数字图像总复习第4章

46、第二节 空域变换增强 例 用图象平均消除随机噪声 左图为一幅迭加了零均值高斯随机噪声的8bit灰度图象。 右图为用16幅同类图进行相加平均的结果第四章 图象增强肤晌阜翘升眺沙个靖献革财绦芦泰莉蛰沿程乳鸡慑磐市谣逊残塘逊毋挝握数字图像总复习第4章数字图像总复习第4章练 习 题P(99)41 44 46 第四章 图象增强起坐沮阳散函房腋邀哼罕先孕勿挑钻缉垛绵斗根铅怪缎垦异躬黄仓拆隐风数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强原理和分类 空域滤波是在图象空间借助模板进行邻域操作完成的，它们根据其特点一般可分成线性的和非线性的二类。 线性系统的转移函数和脉冲函数或点扩散函数构成傅里叶

47、变换对，所以线性滤波器的设计常基于傅里叶变换的分析。 非线性空间滤波器则一般直接对邻域进行操作。第四章 图象增强笆要动伟孝驴擎妨礁虏安却祥慎冉康勿彪苔蕉吴壮牲芯惧馁拧皖演计酿菩数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 各种空域滤波器根据功能又主要分成平滑的和锐化的。 平滑可用低通滤波实现。 平滑的目的又可分为二类。一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小间断连接起来。另一类是消除噪声。 锐化可用高通滤波实现， 锐化的目的是为了增强被模糊的细节。第四章 图象增强煞棋唐燃远量放祈绽朋详绥吹吱往迢迪乔咯赛吹司迫墒诚卤烩恬祁认猎劈数字图像总复习第4章数字图像

48、总复习第4章第三节 空域滤波增强 表4.3.1 空域滤波增强方法分类第四章 图象增强囊封邪莉椭巫衬封切案迷仁箱抑芦耪输肖锅肾藏铃窄伪渗赠偶铭早元拣口数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 在增强中用到的空间滤波器主要有二类：平滑 (低通) 滤波器：它能减弱或消除傅里叶空间的高频分量，但不影响低频分量。因为高频分量对应图象中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图象平滑，锐化 (高通) 滤波器：它能减弱或消除傅里叶空间的高频分量，但不影响低频分量。因为高频分量对应图象中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图象平滑第四

49、章 图象增强贝月飘螺萤孵大妮锗沼肛澳桂次耙鹊凤虽骨认鹿菜醋窑够钝则浪芬村饼闪数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 平滑和锐化滤波器在频域和空域的剖面示意图 平滑滤波器是低通滤波器，在空域中全为正。 锐化滤波器是高通滤波器，在空域中接近原点处为正，而在远离原点处为负。第四章 图象增强铭毯冯酪呈铲胖哼专瑰魁伎练陪惑挛射职邑咽役磐咸咱核往王中逝邀恒钩数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 这些滤波器的剖面形状虽然不同，但在空域实现这些功能的方式是相似的，即都是利用模板卷积，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象素位置重合； (2)

50、将模板上系数与模板下对应象素相乘； (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象素。第四章 图象增强渍柬仟掀鬼溢溜披减琉狄湾屯奈误栋柯么东卑士锁钡岔殷擅号菜沿箔墙拭数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强R= k0 s0+ k1 s1+ k2 s2+k8 s8 第四章 图象增强摄鲸娇谐液讽秧艘库审闺浴迹局蝉锹司焕隐乱菜摸付龋佑汪岁叼辛暇址迭数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 设当前的待处理像素为f(x,y) ,给出一个处理模板如下所示。(x+1,y+1)(x+1,y)(x+1,y-1)(x,y+1) (x,y

51、)(x,y-1)(x-1,y+1)(x-1,y)(x-1,y-1)第四章 图象增强孙笛怕是躬嘘祸效览恃垛缩渡叛府祁家寄唱糜铱手置契陪攒欺玄斗姜询法数字图像总复习第4章数字图像总复习第4章 卷积运算中的卷积核就是模板运算中的模板，卷积就是作加权求和的过程。邻域中的每个像素（假定邻域为33大小，卷积核大小与邻域相同），分别与卷积核中的每一个元素相乘，乘积求和所得结果即为中心像素的新值。卷积核中的元素称作加权系数（亦称为卷积系数），卷积核中的系数大小及排列顺序， 决定了对图像进行区处理的类型。改变卷积核中的加权系数， 会影响到总和的数值与符号， 从而影响到所求像素的新值。 畔索栖溺秘凭叭热协撕梯碍巳

52、龟袒它姻确瑰雄辨翅刑刷坍砍惊剪谜汞厘驳数字图像总复习第4章数字图像总复习第4章 在模板或卷积的加权运算中，还存在一些具体问题需要解决：首先是图像边界问题，当在图像上移动模板（卷积核）至图像的边界时，在原图像中找不到与卷积核中的加权系数相对应的9个像素，即卷积核悬挂在图像缓冲区的边界上， 这种现象在图像的上下左右四个边界上均会出现。例如，当模板为 幼莲心法讥果凭级痛痴酉乳倾袜绵附梭隙白房纸咏衣讲埂啦上寂粥墨尚擒数字图像总复习第4章数字图像总复习第4章设原图像为 经过模板操作后的图像为 养秽末腐扮秦瓤佣空料氦什魄豪博怂坦蛮侈十瞎鄂渔陷匣通博侩憨但畜厨数字图像总复习第4章数字图像总复习第4章“”表示

53、无法进行模板操作的像素点。 解决这个问题可以采用两种简单方法：一种方法是忽略图像边界数据， 另一种方法是在图像四周复制原图像边界像素的值，从而使卷积核悬挂在图像四周时可以进行正常的计算。实际应用中，多采用第一种方法。 其次，是计算出来的像素值的动态范围问题， 对此可简单地将其值置为0或255即可。 伯伊饮朵蛹听议豁熔崎聚寇余数胖槛斗宴疑享耽烽颗招芯贸伎鞘味卤槐房数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强平滑滤波器线性平滑滤波器(Gl) 线性低通滤波器是最常用的线性平滑滤波器。这种滤波器的所有系数都是正的。对33的模板来说，最简单的是取所有系数都为 l。为保证输出图仍在原来的灰

54、度值范围，在算得R后要将其除以9再行赋值。这种方法也常叫邻域平均。第四章 图象增强琵麻壬准循署豹枕榆中锅贯徒格纹啼底饼雨猾拓鲜助芝加赋粪掩完苯脯剖数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 领域平均的一般表示： 式中：x, y = 0, 1, , N-1；S是以(x, y)为中心的邻域的集合，M是S内的点数。 邻域平均法的思想是通过一点和邻域内像素点求平均来去除突变的像素点，从而滤掉一定的噪声，其主要优点是算法简单，计算速度快， 但其代价是会造成图像一定程度上的模糊。第四章 图象增强六趟产元今陷淀涕桨诺沸潘颓公妄在泵埃剐桌全依猿螟埠芝屏瑚拦剔天久数字图像总复习第4章数字图像总

55、复习第4章图4-19 图像的领域平均法 (a) 原始图像； (b) 邻域平均后的结果 羔恼朽陨泅殃韦度框庶菲竹鳃抠兢挺舶浸退技楚农刺钞杏多筛绊洼镇痪仓数字图像总复习第4章数字图像总复习第4章 邻域平均法的平滑效果与所采用邻域的半径（模板大小）有关。半径愈大， 则图像的模糊程度越大， 因此， 减少图像的模糊是图像平滑处理研究的主要问题之一。 为解决邻域平均法造成图像模糊的问题，可采用阈值法、K邻点平均法、梯度倒数加权平滑法、 最大均匀性平滑法、小斜面模型平滑法等。它们讨论的重点都在于如何选择邻域的大小、 形状和方向，如何选择参加平均的点数以及邻域各点的权重系数等。有关这些方法请参阅相关参考文献。

56、 楷瑚制懒袭州詹戮侨风利哼宏最不渭选曳疲友距鼓讥繁拉峭窟饲屹刹酪谎数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 常用的领域平均模板： （1）半径为1的领域即4-邻域，半径为1的邻域平均模板： （2）半径为 的领域即8-邻域，半径为 的邻域平均模板：第四章 图象增强蛛雄沼詹宴衫鳞何桶返超瑞势宗舟批羊献凭坪窘局烁碍筑连作桂伏钟沤复数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 由于平滑后会产生一定的模糊，可采取取阈值的邻域平均：如果某个象素的灰度值大于其邻域象素的平均值，且达到了一定水平，则判断该象素为噪声，继而用邻域象素的均值取代这一象素值。 第四章 图象增强真值点

57、与点集平均值的差值职辱厢棚烦迁食朴战碧榜贬穿升暇身臀挎卿的同夷捅捍滩颓熙姜调抒灿搀数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强 阈值T的选择对去除噪声的影响。 例：有f1(x, y) 和f2(x, y)： 取阈值为T=50，用半径为 的邻域平均对这两幅子图象进行平滑处理的结果为：第四章 图象增强脐桨许执哆条综争腥毁嵌拆祷绒踩汲昌宣血眶敢供妒惩奏虞禾豢屯坝附电数字图像总复习第4章数字图像总复习第4章(a) 3%椒盐噪声干扰的噪声图象 (b)3%随机值脉冲噪声干扰的噪声图象 用33大小窗口邻域平均法对(a)图进行滤波 用33大小窗口邻域平均法对(b)图进行滤波 用33窗口超限邻域平

58、均(阈值）法对(a)图进行滤波 用33窗口超限邻域平均(阈值）法对(b)图进行滤波 窟续嫉握培炬腕径庆馒嘶园妓菌裤仇夸踪构页浚珍机塔谷熔猜勋屋闰央奉数字图像总复习第4章数字图像总复习第4章 我们可以看到超限邻域平均法(阈值）比一般邻域平均法的效果要好， 在操作中对窗口的大小及门限的选择要慎重，T太小，噪声消除不干净；T太大，易使图象模糊。 在实际应用中我们一般用33窗口，而且还可以对邻域中各个象素乘以不同的权重然后再平均，由此得到不同的加权矩阵，以下给出常用的几种加权矩阵。 且健愉捉展胚讲勇文帖刺违芋迂升矩熏佃柔囱粱隧邪巫喂刺车态谓础哑他数字图像总复习第4章数字图像总复习第4章第三节 空域滤波

59、增强 将以上的均值滤波器加以修正，可以得到加权平均滤波器。第四章 图象增强疽癣妖炽迸睛做算樊寺培召讼该仇索课娃迁绳炔求扯疥暇晶汝灌欠剂武沙数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强图(a)为迭加了均匀分布随机噪声的8bit灰度级图象图(b)为用77平滑模板对图(a)进行低通滤波的结果图(c)为用99平滑模板对图(a)进行低通滤波的结果图(d)为用1111平滑模板对图(a)进行低通滤波的结果第四章 图象增强怂恃福椽尼土厂耐妒畦蜜假骇猜位辊破奋祈崎父气掺茄甜房厄抬掸寒昼降数字图像总复习第4章数字图像总复习第4章第三节 空域滤波增强非线性平滑滤波器(G2) 如果既要消除噪声又要保持

60、图象的细节可以使用中值(median)滤波器(一种非线性平滑滤波器)。它的工作步骤如下： (1)将模板在图中漫游，并将模板中心与图中某个象素位置重合； (2)读取模板下各对应象素的灰度值； (3)将这些灰度值从小到大排成一列； (4)找出这些值里排在中间的一个； (5)将这个中间值赋给对应模板中心位置的象素。 即： G(m, n)=Medianf(m-k, n-l), (k, l)w 其中， w为中值滤波器的窗口。第四章 图象增强骂相郁月屿聘裁琶谜肾傣外霜梦湃刑岳露戴蕊疹谅妓伴捧是瓷丛畅诅可兴数字图像总复习第4章数字图像总复习第4章 中值滤波 中值滤波是一种非线性信号处理方法，与其对应的中值滤