平滑锐化滤波PPT课件

1、平滑图像，减小噪声 平滑滤波主要应用 第1页/共49页去除噪声第2页/共49页锐化滤波主要应用增加反差，增强被模糊的细节或边缘第3页/共49页分类分类1： (1)平滑平滑：模糊，消除噪声：模糊，消除噪声 (2)锐化锐化：增强被模糊的细节：增强被模糊的细节 分类分类2： (1)线性线性：如邻域平均：如邻域平均 (2)非线性非线性：如中值滤波：如中值滤波第4页/共49页模板：模板： 尺寸：尺寸：n*n（n一般为奇数）的小图像一般为奇数）的小图像 半径半径: (n-1)/2 例如例如：3*3，5*5模板模板4kkkkkk32kkk5016783*3 模板第5页/共49页881100skskskRsX

2、Yxy4s2385sssssss76100XYxyR04kkkkkk32kkk501678模板运算主要步骤：模板运算主要步骤：(1)将模板在图像中漫游，并将模板中心与图像中的某个像素位将模板在图像中漫游，并将模板中心与图像中的某个像素位置重合；置重合；(2)将模板上系数与模板下对应的像素相乘；将模板上系数与模板下对应的像素相乘；(3)将所有乘积加起来；将所有乘积加起来；(4)将和（模板的输出响应）赋给图像中对应模板中心位置的像将和（模板的输出响应）赋给图像中对应模板中心位置的像素。素。第6页/共49页4.5.2 线性平滑滤波器一一 邻域平均邻域平均二二 加权平均加权平均第7页/共49页 系数都

3、是正的系数都是正的 注意注意：为保证输出还在原来的灰度值范围，为保证输出还在原来的灰度值范围，在算得在算得R R后还要除以系数总和后还要除以系数总和例：例：3 3 3 3 模板模板101MiiRkM（1） 邻域平均此时M=9M=9XYxyR0模板原图滤波后4kkkkkk32kkk501678111111111第8页/共49页 4-4-邻域平均n8-8-邻域平均其他常用模板：第9页/共49页模板运算例子 已知原图象块f(x,y)（包含点噪声）用4-邻域平均法处理注：图象四周边界一般不处理（不考虑）第10页/共49页第11页/共49页a bc de f(a)大小为大小为500 x500像素的像素的

4、原图像；原图像；(b)到到(f)用大小为用大小为n3,5,9,15和和35的方形均的方形均值滤波处理的结果。值滤波处理的结果。第12页/共49页优点： 算法简单，计算速度快；缺点： 降低噪声的同时使图像产生模糊，特别在边缘和细节处。 邻域越大，在去噪能力增强的同时模糊程度越严重。 邻域平均法的优缺点分析第13页/共49页2、加权平均加权平均4.5.2 线性平滑滤波器121124216121用邻域内灰度值及本点灰度用邻域内灰度值及本点灰度加权值来代替该点灰度值加权值来代替该点灰度值 中心系数大周围系数小4kkkkkk32kkk50167810116MiiiRk s第14页/共49页模板运算例子

5、已知原图象块f(x,y)（包含点噪声）用加权平均法处理：模板为M M1 1第15页/共49页（3）小 结z1z2z3z4z5z6z7z8z91 12299zw zw zw z91iiiw zw1w2w3w4w5w6w7w8w99129111()99iizzzzz第16页/共49页4.6 4.6 非线性滤波（1）非线性平滑滤波器（2）非线性锐化滤波器第17页/共49页n用模板区域内像素的中值，作为结果值用模板区域内像素的中值，作为结果值（1 1）非线性平滑滤波器中值滤波器 1-D 中值滤波 2-D 中值滤波第18页/共49页z1z2z3z4z5z6z7z8z9 1-D 中值滤波模板第19页/共4

6、9页z1z2z3z4z5z6z7z8z9 2-D 中值滤波模板第20页/共49页z1z2z3z4z5z6z7z8z9第21页/共49页 1-D 1-D 中值滤波器中值滤波器1253412345大小排序，取中值大小排序，取中值模板尺寸为M=2M=2* *r+1r+1，r r为模板半径M=5的模板：12334第22页/共49页原图像为：2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2(1,2,2,2,6)2(1,2,2,2,6)2(1,2,2,4,6)22 44 4 4 4例：使用M=5的模板对原图像进行处理第23页/共49页20720520820120220619820021220

7、7205208201205206198200212从小到大排列，取中值从小到大排列，取中值212208207206205202201200198n2-D 中值滤波模板例如： 3 3* *3 3的模板 第24页/共49页例子：使用3*3的模板对图像进行中值滤波1214312234576895768856789第25页/共49页答案：答案：12143122345768957688567891214312234576895768856789234566678第26页/共49页中值滤波算法的实现：中值滤波算法的实现：n将模板区域内的像素排序，求出中值。将模板区域内的像素排序，求出中值。例如：例如：3x

8、3的模板，第的模板，第5大的是中值，大的是中值， 5x5的模板，第的模板，第13大的是中值大的是中值.n对于同值像素，连续排列。对于同值像素，连续排列。如（如（10,15,20,20,20,20,20,25,100）第27页/共49页椒盐噪声原图中值（3*3）中值（5*5）中值（7*7）不同尺寸的中值滤波器的滤波效果第28页/共49页中值滤波法：中值滤波法：模板：模板：第29页/共49页n强迫突出的亮点（暗点）更像它周围的值，以消强迫突出的亮点（暗点）更像它周围的值，以消除孤立的亮点（暗点）；除孤立的亮点（暗点）；n中值滤波器是非线性的；中值滤波器是非线性的；中值滤波器特点：第30页/共49页

9、(a)椒盐噪声污染的电路板椒盐噪声污染的电路板X光图像，光图像，(b)用用3x3均值滤波器均值滤波器去除噪声，去除噪声，(c)用用3x3中值滤波器中值滤波器去除噪声去除噪声第31页/共49页中值滤波器 VS 均值滤波器中值滤波器中值滤波器：不是简单的平均，产生的模糊比较少。：不是简单的平均，产生的模糊比较少。特点特点：在去除噪声的同时，可以比较好地保留边缘的：在去除噪声的同时，可以比较好地保留边缘的锐度和图像的细节。锐度和图像的细节。中值滤波器比均值滤波器效果好中值滤波器比均值滤波器效果好第32页/共49页 最大值滤波器： 主要用途：寻找最亮点 最小值滤波器： 主要用途：寻找最暗点其它滤波器第

10、33页/共49页最大值滤波器第34页/共49页最小值滤波器第35页/共49页 空域平滑滤波器模板的所有系数都是正数，具有平滑的效果，在去除噪声的同时模糊了图像边缘、细节。本质上是一种低通滤波器。 在设计滤波器时通常还要求行列数为奇数，保障中心定位性能。 空域平滑滤波的去噪能力与它的模板大小有关，模板越大，去噪声能力越强；小 结第36页/共49页4.6.2 锐化滤波器 突出图像中的细节或者增强被模糊了的细节突出图像中的细节或者增强被模糊了的细节第37页/共49页4.6.2 锐化滤波器均值滤波均值滤波积分积分平滑平滑 微分锐化微分锐化?在离散空间，在离散空间，f(x)的一阶微分定义为一个差值：的一

11、阶微分定义为一个差值：)() 1(xfxfdxdf类似地，用差分定义二阶微分：类似地，用差分定义二阶微分：)(2) 1() 1()1()()() 1(/)() 1(/ )(22xfxfxfxfxfxfxfdxxfxfddxdxdfddxfd第38页/共49页在图像处理中，在图像处理中，一阶微分是通过梯度法来实现一阶微分是通过梯度法来实现的。对的。对于函数于函数f(x,y)，其在，其在(x,y)处的梯度是通过一个二维向量处的梯度是通过一个二维向量来定义的：来定义的：TyxyfxfGGTf该向量的模值为：该向量的模值为：12221222|()| |xyxyfmagGGffffGGxyxy f注意注

12、意：一般将一般将梯度的模值称梯度的模值称为梯度。为梯度。一、基于一阶微分的图像增强梯度法一、基于一阶微分的图像增强梯度法（非线性）（非线性）第39页/共49页近似算法：近似算法：| |xyfGG5856zzGzzGyx梯度计算由两个模板组梯度计算由两个模板组成，第一个求得梯度的成，第一个求得梯度的第一项，第二个求得梯第一项，第二个求得梯度的第二项，然后求和，度的第二项，然后求和，得到梯度。得到梯度。010-11-100第40页/共49页原图像|Gx|，x方向上的梯度分量，水平细节非常清楚|Gy|，y方向上的梯度分量，垂直细节非常清楚梯度图像|Gx|+|Gy|，水平和垂直细节都非常清楚第41页/

13、共49页常用梯度算子常用梯度算子- - RobertsRoberts交叉算交叉算子子122295869586| ()() |fzzzzzzzz01-10100-11222| |xyxyfGGGG第42页/共49页Roberts 45度模板的检测结果Roberts -45度模板的检测结果第43页/共49页 | f | |Gx|+|Gy| = |(z7 +z8 + z9) - (z1 + z2 + z3) | +|(z3 +z6 + z9) - (z1 + z4 + z7) |-1-1-1000111-1 01-1 01-1 01常用梯度算子常用梯度算子- Prewitt 算子算子第44页/共49页| f | |Gx|+|Gy| = |(z7 +2z8 + z9) - (z1 + 2z2 + z3) | +|(z3 +2z6 + z9) - (z1 + 2z4 + z7) | -1-2-1000121-101-202-101常用梯度算子常用梯度算子- Sobel梯度算子梯度算子第45页/共49页(a)隐形眼镜的光学图像（注意，在边缘处类似时钟隐形眼镜的光学图像（注意，在边缘处类似时钟4点点和和5点处的缺陷，点处的缺陷，(b)Sobel梯度梯度第46页/共49页总体要求 清