图像增强数字图像处理学习教案

1、图像增强数字图像处理图像增强数字图像处理第一页，共112页。定义：图像增强是指按特定的需要定义：图像增强是指按特定的需要(xyo)突出一幅突出一幅图像中的某些信息，同时，消弱或去除某些不需要图像中的某些信息，同时，消弱或去除某些不需要(xyo)的信息的处理方法的信息的处理方法目的：目的：对图像进行加工，以得到对具体应用来说对图像进行加工，以得到对具体应用来说视觉效果更视觉效果更“好好”，更，更“有用有用”的图像，也就是的图像，也就是说，提高图像的可懂度说，提高图像的可懂度前提：前提：不考虑图像降质的原因不考虑图像降质的原因第1页/共112页第二页，共112页。注意注意(zh y)：1、图像、图

2、像(t xin)增强处理并不能增加原始图像增强处理并不能增加原始图像(t xin)的信息，其结果只能增强对某种信息的辨别能力，的信息，其结果只能增强对某种信息的辨别能力，而这种处理肯定会损失一些其它信息而这种处理肯定会损失一些其它信息2、强调根据、强调根据具体应用具体应用而言，更而言，更“好好”，更，更“有用有用”的视觉效果图像的视觉效果图像第2页/共112页第三页，共112页。图像的动态范围得到压缩、图像边缘信息得到锐化图像的动态范围得到压缩、图像边缘信息得到锐化处理以及解决颜色恒常性处理以及解决颜色恒常性(即改变即改变(gibin)光照变化光照变化的影响的影响)压缩动态压缩动态(dngti

3、)范围范围第3页/共112页第四页，共112页。第4页/共112页第五页，共112页。主要主要(zhyo)增强方法增强方法直接对象直接对象(duxing)素素灰度值运算灰度值运算对图像进对图像进行行(jnxng)变换变换点处理（变换）空域方法处理方法模板处理（滤波）频域方法全局处理图像增强 处理策略局部处理灰度图像处理对象彩色图像增强增强操作操作( , ) ( , )g x yEH f x y变换变换1( , ) ( , )g x yTEH T f x y第5页/共112页第六页，共112页。第6页/共112页第七页，共112页。第7页/共112页第八页，共112页。在增强问题在增强问题(wn

4、t)中，中，f(x,y)是给定的原始数据，经傅立叶变是给定的原始数据，经傅立叶变换可得到换可得到F(u,v).选择合适的选择合适的H(u,v),使得使得 g(x,y)=F-1H(u,v)F(u,v)这样得到的这样得到的g(x,y)比比f(x,y)在某些特性方面更鲜明，突出，因而在某些特性方面更鲜明，突出，因而更容易识别，解释。更容易识别，解释。两个两个(lin )关键：关键：1、将图像从图像空间转换到频域空间所需的变换、将图像从图像空间转换到频域空间所需的变换T以及以及(yj)再将图像从频域空间转换到图像空间所需的变换再将图像从频域空间转换到图像空间所需的变换T-12、在频域空间对图像进行增强

5、加工的操作、在频域空间对图像进行增强加工的操作EH第8页/共112页第九页，共112页。前面所讲的图前面所讲的图像基本像基本(jbn)运算运算基于基于模板（滤波）操作模板（滤波）操作的增强，主要有平滑和锐化处理两种方的增强，主要有平滑和锐化处理两种方法法 第9页/共112页第十页，共112页。直接直接(zhji)灰灰度变换度变换EH(.)变换函数可以取不同变换函数可以取不同(b tn)形式，从而得到不同形式，从而得到不同(b tn)的效果的效果100010() ( , )( , ) ( , )ggf x yfg x yEH f x ygff4.2 基于基于(jy)点操作的增点操作的增强强2 、

6、 对数变换对数变换3 、指数变换、指数变换( , ) ( , )log ( , ) 1logccg x yEH f x yf x yba( , )( , ) ( , )1c f x yag x yEH f x yb第10页/共112页第十一页，共112页。1、图像求反、图像求反-灰度值进行灰度值进行(jnxng)反转，黑反转，黑变白变白此时的此时的EH(.)操作操作(cozu)，可用，可用曲线表示曲线表示L-1L-1stst0EH(s)普通的黑白底片普通的黑白底片(dpin)和照片的关系如和照片的关系如此此st第11页/共112页第十二页，共112页。第12页/共112页第十三页，共112页。

7、2、增强对比度增强图像各部分的反差，实际中增加图、增强对比度增强图像各部分的反差，实际中增加图像中某两个像中某两个(lin )灰度值间的动态范围来实现灰度值间的动态范围来实现典型典型(dinxng)的增强对比度的的增强对比度的EH(.)如图所如图所示示L-1L-1(s2,t2)(s1,t1)st0EH(s)0s1之间的之间的动态动态(dngti)范围减小范围减小s2L-1之间之间的动态范围的动态范围减小减小s1s2之间的动之间的动态范围增加，对态范围增加，对比度增强比度增强s1,s2,t1,t2取不同的取不同的值，得到不同效果值，得到不同效果 s1=t1,s2=t2，与原图相同与原图相同第13

8、页/共112页第十四页，共112页。3、动态范围压缩与增强对比度相反，有时原图、动态范围压缩与增强对比度相反，有时原图(yun t)的动态的动态范围太大，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原图(yun t)，则一部分细节可能丢失，则一部分细节可能丢失对原图进行对原图进行(jnxng)灰度灰度压缩压缩常用常用(chn yn)的的EH(.)操作，是一种对数形式的函数，曲线操作，是一种对数形式的函数，曲线如图所示如图所示L-1L-1st0EH(s)t=Clog(1+|s|) C为尺度比例常数为尺度比例常数第14页/共112页第十

9、五页，共112页。4、灰度切分与增强对比度相仿、灰度切分与增强对比度相仿(xingfng)，将某个灰度，将某个灰度值范围变得比较突出值范围变得比较突出典型典型(dinxng)的的EH(.)操作操作如图所示如图所示L-1L-1st0EH(s)s1s2EH(s)L-1s1 s20L-1将将s1s2之间的灰度级突出，之间的灰度级突出，而将其余灰度值逐渐而将其余灰度值逐渐(zhjin)变为某个低灰度值变为某个低灰度值将将s1s2之间的灰度级突出，之间的灰度级突出，而将其余灰度值保留而将其余灰度值保留第15页/共112页第十六页，共112页。直接灰度变换也可以借助直接灰度变换也可以借助(jizh)图像的

10、位面表示进图像的位面表示进行。行。对对1幅用多个比特表示幅用多个比特表示(biosh)其灰度值得图像来说，其中的每个比其灰度值得图像来说，其中的每个比特可看作表示特可看作表示(biosh)了了1个二值的平面，也称位面。个二值的平面，也称位面。1幅其灰度级用幅其灰度级用8bit表示表示(biosh)的图像有的图像有8个位面，一般用位面个位面，一般用位面0代代表最低位面，位面表最低位面，位面7代表最高位面，如图所示。代表最高位面，如图所示。对图像特定位面的操对图像特定位面的操作作(cozu)进行图像进行图像增强增强第16页/共112页第十七页，共112页。第17页/共112页第十八页，共112页。

11、灰度级的直方图描述灰度级的直方图描述(mio sh)了一幅图像的概了一幅图像的概貌。貌。简单讲，灰度级直方图就是反映一幅图像中的简单讲，灰度级直方图就是反映一幅图像中的灰度级与出现灰度级与出现这种灰度的概率之间的关系这种灰度的概率之间的关系的图形的图形第18页/共112页第十九页，共112页。对于一幅给定的图像而言，每一个象素取得对于一幅给定的图像而言，每一个象素取得0，1区间内的灰区间内的灰度级是随机的，也就是说，度级是随机的，也就是说，r是一个随机变量。假定对每一瞬是一个随机变量。假定对每一瞬间它们是连续的随机变量，那么间它们是连续的随机变量，那么(n me)，就可以用概率密度，就可以用概

12、率密度函数函数pr(r)来表示原始图像的灰度分布。如果用直角坐标系中来表示原始图像的灰度分布。如果用直角坐标系中的横轴代表灰度级的横轴代表灰度级r，用纵轴代表灰度级的概率密度函数，用纵轴代表灰度级的概率密度函数pr(r)，这样就可针对一幅图像在这个坐标系中作曲线来。这条曲线这样就可针对一幅图像在这个坐标系中作曲线来。这条曲线在概率论中就是分布密度曲线在概率论中就是分布密度曲线设变量设变量(binling)r代表图像中象素灰度级，在图像中，象素代表图像中象素灰度级，在图像中，象素的灰度级可作归一化处理，这样，的灰度级可作归一化处理，这样，r的值将限定为的值将限定为0r 1第19页/共112页第二

13、十页，共112页。10rPr(r)（a）图图(c)图像的象素灰度值集中在某个较小的范围图像的象素灰度值集中在某个较小的范围(fnwi)内，也就内，也就是说图像是说图像(c)的灰度集中在某一个小的亮区的灰度集中在某一个小的亮区 10)(rpr图（图（a）的大多数象素灰度值取在较暗的区域。所以这幅图像肯）的大多数象素灰度值取在较暗的区域。所以这幅图像肯定定(kndng)较暗，一般在摄影过程中曝光太弱就会造成这种结较暗，一般在摄影过程中曝光太弱就会造成这种结果。果。10rPr(r)（b）图（图（b）图像的象素灰度值集中在亮区，因此图像的特性）图像的象素灰度值集中在亮区，因此图像的特性(txng)偏偏

14、亮，曝光过强，导致这种结果。亮，曝光过强，导致这种结果。（c）第20页/共112页第二十一页，共112页。给出来对给出来对sk出出现现(chxin)概率的概率的1个估个估计计图像的灰度统计图像的灰度统计 直方图直方图1D的离散的离散(lsn)函数函数1, 1 , 0)(Lknnspkksk为图像为图像f(x,y)的第的第k级灰度，级灰度，nk是图像中具有是图像中具有(jyu)灰度灰度值值sk的象素的个数，的象素的个数，n是图像象素总数是图像象素总数直方图提供了原图的灰度值分布情况，也可直方图提供了原图的灰度值分布情况，也可以说给出了一幅图所有灰度值的整体描述以说给出了一幅图所有灰度值的整体描述

15、第21页/共112页第二十二页，共112页。偏暗偏暗第22页/共112页第二十三页，共112页。也就是说，通过上述也就是说，通过上述(shngsh)变换，每个原始图像变换，每个原始图像的象素的象素r都可以产生一个都可以产生一个s值。值。假设假设(jish)对于给定一幅图像的灰度级分布在对于给定一幅图像的灰度级分布在0r sknkps(sk)r0-s0=1/77900.19r1-s1=3/710230.25r2-s2=5/78500.21r3,r4-s3=6/79850.24R5,r6,r7-s4=14480.11第54页/共112页第五十五页，共112页。2、计算变换、计算变换(binhun)

16、函数函数 uk=G(zk)=j=0kpz(zj)ukG(zk)u00.00u10.00u20.00u30.15u40.35u50.65u60.85u71.0第55页/共112页第五十六页，共112页。3、用直方图均衡化中的、用直方图均衡化中的sk进行进行(jnxng)G的反变换求的反变换求z zk=G-1(sk)这一步实际上是近似过程，也就是这一步实际上是近似过程，也就是(jish)找出找出sk与与G(zk)的最接近的最接近的值，例如，的值，例如，s0=1/70.14，与它最接近的是，与它最接近的是G(z3)=0.15，所以可以，所以可以写成写成G-1(0.15)=z3，用这样的方法可得到下列

17、变换值，用这样的方法可得到下列变换值s0=1/7 z3=3/7s1=3/7z44/7s2=5/7z5=5/7s3=6/7z6=6/7 s4=1z7=1第56页/共112页第五十七页，共112页。4、用、用z=G-1(T(r)找出找出r与与z之间的映射之间的映射(yngsh)关关系系zkrknk pz(zk)z0=0000.00z1=1/71/700.00z2=2/72/700.00z3=3/7 s0=1/73/77900.19z4=4/7 s1=3/74/71023 0.25z5=5/7 s2=5/75/78500.21z6=6/7 s3=6/76/79850.24z7=1 s4=114480

18、.11第57页/共112页第五十八页，共112页。原始图像的直方图原始图像的直方图0.190.190.250.250.210.210.160.160.080.080.060.060.030.030.020.020 00.050.050.10.10.150.150.20.20.250.250.30.31 12 23 34 45 56 67 78 8灰度级灰度级概率概率规定的直方图规定的直方图0 00 00.150.150.20.20.30.30.20.20.150.150 00.050.050.10.10.150.150.20.20.250.250.30.30.350.351 12 23 34

19、45 56 67 78 8灰度级灰度级概率概率变换函数变换函数0.190.190.440.440.650.650.810.810.890.890.950.950.980.981 10 00.20.20.40.40.60.60.80.81 11.21.21 12 23 34 45 56 67 78 8灰度级灰度级概率概率处理后的直方图处理后的直方图0 00 00 00.190.190.250.250.210.210.240.240.110.110 00.050.050.10.10.150.150.20.20.250.250.30.31 12 23 34 45 56 67 78 8灰度级灰度级概率

20、概率第58页/共112页第五十九页，共112页。原图像原图像原图像的直方图原图像的直方图规定直方图规定直方图输出图像输出图像输出输出(shch)图像的直方图像的直方图图直方图中高灰度值一边(ybin)更密集由于规定的直方图在高灰度区值较大，所以(suy)变换的结果比均衡化更亮第59页/共112页第六十页，共112页。原图原图像像(t xin)及直及直方图方图均衡均衡(jnhng)后的后的图像图像及直及直方图方图图像的反差大了，图像的反差大了，细节细节(xji)清楚了清楚了在直方图在直方图中的表现中的表现是直方图是直方图灰度范围灰度范围窄且集中窄且集中在低灰度在低灰度值区域。值区域。现在直方图现

21、在直方图占据了整个占据了整个图像灰度值图像灰度值的允许范围，的允许范围，增加了图像增加了图像的动态范围。的动态范围。原图较暗且动态范围原图较暗且动态范围小小第60页/共112页第六十一页，共112页。总结(zngji)直方图均衡化：寻找直方图均衡化：寻找(xnzho)r(xnzho)r和和s s之间的之间的函数关系函数关系)22()()(00kjkjjjkknnrprTs第61页/共112页第六十二页，共112页。直方图规定化：寻找直方图规定化：寻找r r和和z z之间的函数之间的函数(hnsh)(hnsh)关系关系总结(zngji)rsvz第62页/共112页第六十三页，共112页。作业：一

22、幅图像(t xin)共有8个灰度级，每一灰度级的概率分布如下表所示，要求对其进行直方图规定化处理，规定化直方图的数据如表所示。(画出规定化后的直方图)第63页/共112页第六十四页，共112页。rkPr（r k）Z kP z（zk）r000.29z000r11/70.24z11/70r22/70.17z22/70r33/70.12z33/70r44/70.09z44/70.27r55/70.06z55/70.43r66/70.02z66/70.19r710.01z710.11原始直方图数据原始直方图数据规定直方图数据规定直方图数据第64页/共112页第六十五页，共112页。1/72/73/74

23、/75/76/7010.290.240.170.120.090.060.020.01P r (r k ) rk第65页/共112页第六十六页，共112页。1/72/73/74/75/76/7010.430.270.190.11P z (zk ) zk(规定(gudng)化)第66页/共112页第六十七页，共112页。1/72/73/74/75/76/7010.410.290.210.09P z (zk )（结果（结果(ji gu)） zk第67页/共112页第六十八页，共112页。对两个以上的图像对两个以上的图像(t xin)进行代数运算实现进行代数运算实现灰度变换灰度变换 将两幅输入(shr

24、)图像之间进行点对点的加、减、乘、除运算得到输出图像的过程。 C(x,y) = A(x,y)+ B(x,y) (1) C(x,y) = A(x,y)- B(x,y) (2) C(x,y) = A(x,y） B(x,y) (3) C(x,y) = A(x,y)/ B(x,y) (4)4.2.3 4.2.3 图像图像(t xin)(t xin)之间的运算之间的运算第68页/共112页第六十九页，共112页。( a )(b)( c )(d)(e)(f)(a)(b)第69页/共112页第七十页，共112页。借助模板进借助模板进行行(jnxng)邻域操作完邻域操作完成的成的线性的线性的-基于基于(jy)

25、傅立叶傅立叶变换的分析变换的分析非线性的非线性的-直直接对邻域进接对邻域进行操作行操作特点特点分分功能功能分分平滑低通滤平滑低通滤波，其目的是波，其目的是模糊或消除噪模糊或消除噪声声锐化高通滤锐化高通滤波，其目的增波，其目的增强被模糊的细强被模糊的细节节第70页/共112页第七十一页，共112页。一、定义：一、定义： 空间域滤波是基于邻域处理的增强空间域滤波是基于邻域处理的增强(zngqing)(zngqing)方法，它应用某一模板对方法，它应用某一模板对每个像元与其周围邻域的所有像元进每个像元与其周围邻域的所有像元进行某种数学运算得到该像元的新的灰行某种数学运算得到该像元的新的灰度值，新的灰

26、度值的大小不仅与该像度值，新的灰度值的大小不仅与该像元的灰度值有关，而且还与其邻域内元的灰度值有关，而且还与其邻域内的像元的灰度值有关。的像元的灰度值有关。二、方法：二、方法： 常用的有图像平滑和图像锐化常用的有图像平滑和图像锐化4.3.1 4.3.1 背景背景(bijng)(bijng)和原理和原理第71页/共112页第七十二页，共112页。图像图像(t xin)平滑平滑图像图像(t xin)锐锐化化空间域滤波空间域滤波(lb)增强技增强技术术邻域平均法邻域平均法中值滤波中值滤波梯度法梯度法拉普拉斯算子拉普拉斯算子第72页/共112页第七十三页，共112页。第73页/共112页第七十四页，共

27、112页。都是利用模板卷积运算都是利用模板卷积运算(yn sun)，主要步骤为，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、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置重合2、将模板上系数与模板下对应象素相乘、将模板上系数与模板下对应象素相乘(xin chn)3、将所有乘积相加、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、将和（模板的输出响应）赋给图中对应模板中心位置的象素的象素3.3.基本原理基本原理第74页/共112页第七十五页，共112页。(a)(b)(c)图像图像(t xin)一部一部分分33模模板板(mbn)将将k0的位置于图中灰度值

28、为的位置于图中灰度值为s0的象素重合（即将模板的象素重合（即将模板中心中心(zhngxn)放在图中放在图中(x,y)位置），模板的输出响应位置），模板的输出响应R为：为：881100skskskR将将R赋给增强图，作为在赋给增强图，作为在(x,y)位置的灰度值位置的灰度值(图图c)第75页/共112页第七十六页，共112页。第76页/共112页第七十七页，共112页。一、背景一、背景 图像在传输过程中，由于传输信图像在传输过程中，由于传输信道、采样系统质量较差，或受各种干扰道、采样系统质量较差，或受各种干扰的影响，而造成图像毛糙，此时，就需的影响，而造成图像毛糙，此时，就需对图像进行平滑处理。

29、对图像进行平滑处理。二、图像噪声的来源及特点二、图像噪声的来源及特点 A. A.通道噪声：产生于图像信息的传递中，通道噪声：产生于图像信息的传递中，其值与图像信号的强弱无关。现象：其值与图像信号的强弱无关。现象：“雪花雪花” B. B.量化噪声：灰度在量化过程中，不可量化噪声：灰度在量化过程中，不可避免的产生量化噪声。避免的产生量化噪声。 C . C . 特 点 ： 噪 声 像 素 的 灰 度 是 空 间特 点 ： 噪 声 像 素 的 灰 度 是 空 间(kngjin)(kngjin)不相关的，即它与邻近像素不相关的，即它与邻近像素显著不同。显著不同。 4.3.2 图像图像(t xin)平滑滤

30、波技术平滑滤波技术第77页/共112页第七十八页，共112页。三、定义及用途：三、定义及用途： 平滑滤波对图像平滑滤波对图像(t xin)的低频分量进的低频分量进行增强，同时可以削弱图像行增强，同时可以削弱图像(t xin)的高的高频分量，因此一般用于消除图像频分量，因此一般用于消除图像(t xin)中的随机噪声，从而起到图像中的随机噪声，从而起到图像(t xin)平平滑的作用。滑的作用。四、常用方法：四、常用方法： 邻域平均法（线性的）和中值邻域平均法（线性的）和中值(zhn zh)滤波法（非线性的）滤波法（非线性的）第78页/共112页第七十九页，共112页。一幅图像往往受到各种噪声源的干

31、扰（如电传感器一幅图像往往受到各种噪声源的干扰（如电传感器和传输误差等），这种噪声常常为一些孤立的像素和传输误差等），这种噪声常常为一些孤立的像素点，它们点，它们(t men)(t men)像雪花使图像被污染，噪声往往像雪花使图像被污染，噪声往往是叠加在图像上的随机噪声是叠加在图像上的随机噪声, ,而图像灰度应该相对连而图像灰度应该相对连续变化的，一般不会突然变大或变小，这种噪声可续变化的，一般不会突然变大或变小，这种噪声可以用邻域平均法使它得到抑制。以用邻域平均法使它得到抑制。1.1.邻域邻域(ln y)(ln y)平均法（均值滤平均法（均值滤波）波） 第79页/共112页第八十页，共112

32、页。 邻域平均法是简单的空域邻域平均法是简单的空域(kngy)(kngy)处理方法。处理方法。这种方法的基本思想是用几个像素灰度的平均来这种方法的基本思想是用几个像素灰度的平均来代替一个像素原来的灰度值，实现图像的平滑。代替一个像素原来的灰度值，实现图像的平滑。 有一幅有一幅(y f)(y f)图像图像图像：图像：MNSf(x,y)在图像中为了在图像中为了(wi le)(wi le)获取获取f(x,y)f(x,y)的新值则开一个的新值则开一个M MN N的的窗口窗口S S窗口窗口S S就称为就称为f(x,y)f(x,y)的邻域的邻域我们可以根据窗口内各点我们可以根据窗口内各点的灰度确定的灰度确

33、定f(x,y)f(x,y)的新值。的新值。第80页/共112页第八十一页，共112页。 设有一幅设有一幅N NN N的图像的图像f(x,y)f(x,y)，若平滑，若平滑(pnghu)(pnghu)图像为图像为g(x,y),g(x,y),则有则有 式中式中x,y=0,1,N-1x,y=0,1,N-1； s s为（为（x,yx,y）邻域内像素坐标的集合；）邻域内像素坐标的集合； M M表示集合表示集合s s内像素的总数。内像素的总数。 可见邻域平均法就是将当前像素邻域内各像素的灰度平可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。均值作为其输出值的去噪方法。 ) 12

34、. 4(),(1),(,sjijifMyxg第81页/共112页第八十二页，共112页。邻域邻域(ln y)的的选择选择第82页/共112页第八十三页，共112页。(m-1,n-1) (m-1,n) (m-1,n+1)(m,n-1) (m,n)(m,n+1)(m+1,n-1) (m+1,n) (m+1,n+1)例如，对图像采用例如，对图像采用33的邻域平均法，对于的邻域平均法，对于(duy)像素像素（m,n)，其邻域像素如下：，其邻域像素如下：则有：则有：),(),(91jnimfnmgZiZj第83页/共112页第八十四页，共112页。 其作用相当于用这样的模板同图像卷积。其作用相当于用这样

35、的模板同图像卷积。 设图像中的噪声是随机不相关的加性噪声，窗口内设图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高声的方差比可望提高 倍。倍。 这种算法简单，但它的主要缺点是在降低噪声的同这种算法简单，但它的主要缺点是在降低噪声的同时时(tngsh)(tngsh)使图像产生模糊，特别在边缘和细节处。使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时而且邻域越大，在去噪能力增强的同时(tngsh)(tngsh)模糊模糊程度越严重。如图程度越严重。如图4.2.1(c)4.

36、2.1(c)和和(d)(d)。 11111111191HMN第84页/共112页第八十五页，共112页。(a)(a)原图像原图像 (b) (b) 对对(a)(a)加椒盐噪声的图像加椒盐噪声的图像(c)3(c)33 3邻域邻域(ln y)(ln y)平滑平滑 (d) 5 (d) 55 5邻域邻域(ln (ln y)y)平滑平滑 为克服简单局部平均法的弊病，目前已提出许多保边缘为克服简单局部平均法的弊病，目前已提出许多保边缘(binyun)(binyun)、细节的局部平滑算法。它们的出发点都集中在如何、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各

37、点的选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等。权重系数等。第85页/共112页第八十六页，共112页。 超限像素平滑法超限像素平滑法 对邻域平均法稍加改进，可导出超限对邻域平均法稍加改进，可导出超限像素平滑法。它是将像素平滑法。它是将f(x,y)f(x,y)和邻域平均和邻域平均g(x,y)g(x,y)差的绝对值与选定的阈值进行比较，差的绝对值与选定的阈值进行比较，根据比较结果决定点（根据比较结果决定点（x,yx,y）的最后）的最后(zuhu)(zuhu)灰度灰度g g (x,y)(x,y)。其表达式为。其表达式为 这算法对抑制椒盐噪声比较有效，对这算法对抑制椒盐噪声比

38、较有效，对保护仅有微小灰度差的细节及纹理也有效。保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊可见随着邻域增大，去噪能力增强，但模糊程度也大。程度也大。 同局部平滑法相比，超限像元同局部平滑法相比，超限像元平滑法去椒盐噪声效果更好。平滑法去椒盐噪声效果更好。(, )(, )11( , )|( , )( , )|( , )( , )m nSm nSf m nf x yf m nTg x yMMf x yotherwise第86页/共112页第八十七页，共112页。(a)(a)原图像原图像(t xin) (t xin) (b)(b)对对(a)(a)加椒盐噪声的图像加椒

39、盐噪声的图像(t xin)(t xin)(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(e)3(e)33 3超限像素平滑超限像素平滑(T=64)(T=64)(f)5(f)55 5超限像素平滑超限像素平滑(T=48)(T=48)第87页/共112页第八十八页，共112页。2. 中值滤波中值滤波(lb)法法 前面使用的邻域平均法属于低通滤波的处理前面使用的邻域平均法属于低通滤波的处理方法。它在抑制噪声的同时使图像变得模糊，方法。它在抑制噪声的同时使图像变得模糊，即图像的细节即图像的细节( (例如边缘信息例如边缘信息(xnx)(xnx)被削弱，被削弱，如果既要抑制

40、噪声又要保持细节可以使用中值如果既要抑制噪声又要保持细节可以使用中值滤波。滤波。第88页/共112页第八十九页，共112页。将窗口(chungku)在图中移动；读取窗口内各对应(duyng)像素的灰度值；将这些(zhxi)灰度值从小到大排成1列；找出这些值里排在中间的1个；MNSf(x,y)将这个中间值赋给对应窗口中心位置的像素。工作步骤工作步骤第89页/共112页第九十页，共112页。取取3X33X3窗口窗口(chungku)(chungku)207205208201202206198200212207205208201205206198200212212208207206205202201

41、200198从小到大排列从小到大排列(pili)(pili)，取中间值，取中间值第90页/共112页第九十一页，共112页。第91页/共112页第九十二页，共112页。第92页/共112页第九十三页，共112页。第93页/共112页第九十四页，共112页。第94页/共112页第九十五页，共112页。第95页/共112页第九十六页，共112页。第96页/共112页第九十七页，共112页。中值滤波的一些中值滤波的一些(yxi)特性特性 (1) 对大的边缘高度，中值滤波较邻域均值好得多，而对于较小边缘高度，两种滤波只有很少差别。（2） 中值滤波是非线性的。 （3） 中值滤波在抑制图像随机(su j)

42、脉冲噪声方面甚为有效。且运算速度快，便于实时处理。（4） 中值滤波去除孤立线或点干扰，而保留空间清晰度较平滑滤波为好；但对高斯噪声则不如平滑滤波。第97页/共112页第九十八页，共112页。第98页/共112页第九十九页，共112页。第99页/共112页第一百页，共112页。第100页/共112页第一百零一页，共112页。邻域平均邻域平均(pngjn)和中值滤波的和中值滤波的比较比较含均匀随机噪声含均匀随机噪声3 3邻域平均邻域平均7 7邻域平均邻域平均11 11邻域平均邻域平均3 3中值滤波中值滤波5 5中值滤波中值滤波第101页/共112页第一百零二页，共112页。主要主要(zhyo)用于

43、增强图像的边缘及灰度跳变部分用于增强图像的边缘及灰度跳变部分邻域平均方法邻域平均方法(fngf)积分过程结果使图像的边积分过程结果使图像的边缘模糊缘模糊锐化方法微分过程结果使图像的边缘突出锐化方法微分过程结果使图像的边缘突出注意：噪注意：噪声的影响声的影响先去噪，再锐化操先去噪，再锐化操作作第102页/共112页第一百零三页，共112页。微分锐化中微分锐化中常用常用(chn yn)的方法的方法设图像设图像f(x,y)在点在点(x,y)的梯度的梯度(t d)矢量为矢量为Gf(x,y)：yfxfyxf),(G两个重要性质：两个重要性质：（1）梯度的方向是在函数）梯度的方向是在函数f(x,y)最大变化率方向上（最大变化率方向上（2）梯度的幅度用梯度的幅度用Gf(x,y)表示：表示：2122)()(),(yfxfyxfG第103页/共112页第一百零四页，共112页。对于数字图像，则用离散对于数字图像，则用离散(lsn)的式子的式子表示表示2122)1,(),(), 1(),(),(jifjifjifjifyxfG| ) 1,(),(| ), 1(),(|),(jifjifjifjifyxfG简化简化(jinhu)f(i,j) f(i,j+1)f(i+1,j)f(i,j) f(i,j+1)f(i+1,j) f(i+1,j+1