空间图像增强

空间图像增强第1页，课件共22页，创作于2023年2月一、图像增强概念及目的1、采用一系列技术去改善图象的视觉效果，或将图象转换成一种更适合于人或机器进行分析处理的形式。图象增强并不以图象保真为准则，而是有选择地突出某些对人或机器分析有意义的信息，抑制无用信息，提高图象的使用价值。2、空间域增强：图像本身，对图像的像素直接处理。第2页，课件共22页，创作于2023年2月空间图像增强方法：图像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模版运算法——空域过滤器寻找一个合适的模版第3页，课件共22页，创作于2023年2月空间滤波基础空域滤波处理的基本概念 理论基础—线性系统响应：卷积理论区别于频率域滤波处理，空域滤波直接对图像像素进行处理。输出图像中的每一点，为输入图像中某个相关区域象素集的映射。第4页，课件共22页，创作于2023年2月空域滤波器的分类

按数学形态分：线性滤波——高通、低通、带通非线性滤波——最大值、最小值、中值按处理效果分：平滑滤波锐化滤波第5页，课件共22页，创作于2023年2月空间滤波处理卷积运算平滑均值平滑、中值平滑锐化梯度法roberts梯度等定向检测第6页，课件共22页，创作于2023年2月均值平滑滤波应用a、减小图像灰度的“尖锐”变化b、伪轮廓效应的平滑处理c、去除图像中的不相干细节具体方法： 将每个像元在以其为中心的区域内取平均值来代替该像元值，以达到去掉尖锐“噪音”和平滑图像的目的。第7页，课件共22页，创作于2023年2月均值滤波一幅M×N的图像经过一个m×n的加权平均值滤波器的过程可由下式给出第8页，课件共22页，创作于2023年2月均值滤波均值滤波：冲激函数为矩形返回高斯平滑滤波：选用高斯函数作为冲激函数加权平均滤波器(高斯(Gauss)模板)滤波器第9页，课件共22页，创作于2023年2月中值滤波对于一定类型的随机噪声，提供优秀的去噪能力比小尺寸的线性平滑滤波器的模糊程度明显要低对处理脉冲噪声非常有效（椒盐噪声）第10页，课件共22页，创作于2023年2月中值滤波的原理用模板区域内象素的中值，作为结果值例如：3x3的模板，第5大的是中值，5x5的模板，第13大的是中值，7x7的模板，第25大的是中值，9x9的模板，第41大的是中值。对于同值象素，连续排列后取中值。如(10,20,20,20,15,20,20,25,100)排序后(10,15,20,20,20,20,20,25,100)中值为20R=mid{zk|k=1,2,…,9}1020202015202025100第11页，课件共22页，创作于2023年2月锐化空间滤波目的加强图像中景物的边缘和轮廓，如尖端武器的目标识别、定位突出图像中的细节。如印刷中的细微层次强调。弥补扫描、挂网对图像的平滑。增强被模糊了的细节，如恢复过度平滑、暴光不足的图像。第12页，课件共22页，创作于2023年2月锐化空间滤波二阶微分算法——拉普拉斯算子一阶微分算法——Roberts交叉梯度算子Prewitt梯度算子Sobel梯度算子第13页，课件共22页，创作于2023年2月锐化滤波器(微分滤波器)一阶微分算法——a、在平坦段（灰度不变的区域）微分值为零b、在灰度阶梯或斜坡的起始点处微分值非零c、沿着斜坡面微分值非零二阶微分算法——a、在平坦区微分值必为零b、在灰度阶梯或斜坡的起始点处微分值非零c、沿着斜坡面微分值为零第14页，课件共22页，创作于2023年2月锐化空间滤波器-微分滤波器原理第15页，课件共22页，创作于2023年2月一阶微分增强－梯度法f(x,y)在坐标(x,y)上的梯度定义这个向量的模值表示为第16页，课件共22页，创作于2023年2月一阶微分增强－梯度法梯度数字近似:Roberts交叉梯度算子Soble算子第17页，课件共22页，创作于2023年2月一阶微分增强－Robert交叉梯度算子梯度计算使用绝对值第18页，课件共22页，创作于2023年2月一阶微分增强－Prewitt梯度算子Prewitt梯度算子——3x3的梯度模板∇f≈|(z7+z8+z9)-(z1+z2+z3)|+|(z3+z6+z9)-(z1+z4+z7)|第19页，课件共22页，创作于2023年2月一阶微分增强－Sobel梯度算子Sobel梯度算子——3x3的梯度模板∇f≈|(z7+2z8+z9)-(z1+2z2+z3)|+|(z3+2z6+z9)-(z1+2z4+z7)|权重2突出中心点的作用而达到平滑的目的第20页，课件共22页，创作于2023年2月定义一个二阶微分的离散公式最简单的各向同性微分算子是拉普拉斯算子，f(x,y)的拉普拉斯变换定义为拉普拉斯数字实现Sobel>Roberts>Gradient>Prewitt第21页，课件共22页，创作于2023年2月例题1*1+2*2+1*3-1*3-2*0-1*8=-312321212623087612786232690

0

0

000-3-13-2000-6-13-