图像处理-chapter4-02课件

(数字)图像处理(Digital)ImageProcessing1第四章图像增强4.1灰度级修正4.2图像的同态增晰4.3图像平滑4.4图像锐化4.5图像伪彩色处理4.6图像的几何校正24.2图像同态增晰一、目的问题：灰度动态范围很大，而感兴趣区域物体灰度级范围很小，分不清层次和细节

原因：不均匀照度对图像造成的影响，若物体受到照度明暗不匀的时候，图象上对应照度暗的部分，其细节就较难辨别。

3

照度,反射系数。

同态增晰的目的：消除不均匀照度的影响而又不损失图象细节。其中照明函数描述景物的照明，与景物无关，

反射函数包含景物的细节，与照明无关，。4依据：图象的灰度由照射分量和反射分量合成。反射分量反映图象内容，随图象细节不同在空间上作快速变化。照射分量在空间上通常均具有缓慢变化的性质。照射分量的频谱落在空间低频区域，反射分量的频谱落在空间高频区域。5二、原理g(x,y)FFT变换同态滤波H(u,v)FFT反变换指数变换对数变换(a)同态增晰方框图f(x,y)6(b)同态增晰滤波函数曲线2.0H(u,v)(u,v)1.01.50.00.57步骤：

(1)

(2)8步骤：(3)压缩fi(x,y)分量的变化范围，削弱

增强fr(x,y)分量的对比度，提升增强细节。确定H(u,v)。9步骤：（4）求反变换10步骤：（5）求指数变换11lnFFTH(u,v)FFT-1expf(x,y)g(x,y)1213141516174.3图像平滑图像平滑的目的：减少噪声，即减弱傅立叶空间的高频分量，因为高频分量对应图像中的区域边缘等灰度值具有较大变化的部分，滤波器将这一部分滤去可使图像平滑。18噪声分类按照《噪声污染防治法》可将噪声分为：工业噪声（环保部门）建筑施工噪声（环保部门）交通运输噪声（公安交通管理部门）社会生活噪声（可分七类，由不同部门处理监管）19内部噪声：（1）光和电的基本性质引起噪声（2）电器机械运动（3）元器件材料（4）系统内部设备电路外部噪声：系统外部干扰从电磁波或经电源串入系统内部图像噪声按其产生原因：20按统计特性来分：平稳噪声：其统计特性不随时间变化的噪声非平稳噪声：其统计特性随时间变化的噪声21按噪声和信号关系来分：加性噪声乘性噪声

22带通噪声(有色噪声)和白噪声白噪声：在频域上不存在信号能量突然变大的频带，在时域上也找不到信号能量突然变大的时间段，即它在频域和时域上的分布是一致的。功率谱密度在整个频域均匀的。如热噪声。是理想化噪声模型，因为不可能有带宽无限宽的信号。带通噪声：在某个频带上信号的能量突然变大。如交流电噪声，它的能量主要集中在50Hz左右。23标准白噪声和高斯白噪声

标准白噪声：幅度均值为零，方差为一常数。高斯白噪声：它的幅度分布(概率密度函数)服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。

热噪声和散粒噪声是高斯白噪声。24一维高斯白噪声N(0.0128,0.9596)25高斯噪声，均值128，均方30高斯噪声图直方图，均值128，均方3026噪声信号公式描述白噪声：

其功率谱密度函数为：n0为一常数，单位为W/HZ

27高斯噪声：

高斯噪声信号的一维概率密度函数如右式。α为噪声的数学期望值，也就是均值；σ为噪声的方差。28椒盐噪声（PepperandSalt）：即黑图像的白点、白图像上的黑点，往往由图像中的孤立噪声点。对图像的质量影响由椒盐噪声的强度。Inoise=d*prod(size(I))d是强度，d=0.0529斑点噪声（Speckle）：均匀分布的随机噪声Inoise=I+n*I,n是一个均匀分布的随机噪声（均值为0，方差为V）v=0.0430直接在空间域上对图象进行平滑处理。该方法便于实现，计算速度快，结果也比较令人满意。（一）简单局部平均法设有一幅数字有噪图象4.3.1邻域平均31(a)四邻域(b)八邻域邻域概念32经局部平均处理后，得到平滑图象为：简单局部平均法f(x,y)为原始图，n(x,y)为噪声，S：点(x,y)邻域内的点集，M：S内总点数。33效果：邻域平均法效果与邻域半径有关。半径愈大，则图像的模糊程度越大。缺点：主要缺点是在降低噪声的同时使图像产生模糊，特别在边沿和细节处，邻域越大，模糊越厉害。改进：可以采用阈值法，亦就是根据下列准则形成平滑图像。

34邻域平均法实例35例如：设图像中某一个区域为：选取3×3模板结果36常见模板37用公式描述38模板处理示意图模板

原图模板操作后图象为x表示边界上无法进行模板操作的点，通常的做法是复制原图的灰度，不进行任何处理。模板操作实现了一种邻域运算(NeighborhoodOperation)，即，某个像素点的结果不仅和本像素灰度有关，而且和其邻域点的值有关。39forx=1:3fory=1:4form=1:2forn=1:2g(x,y)=g(x,y)+f(x+m-1,y+n-1)*h(m,n);endendendend40平滑滤波实例414.3.3频率域低通滤波频率域处理方法：G(u,v)=H(u,v)F(u,v)付里叶变换线性低通滤波器付里叶反变换g(x,y)

频域低通滤波框图F(u,v)G(u,v)f(x,y)42(1)理想低通滤波器(ILPF)其中D0为截止频率，

D(u,v)=(u2+v2)1/2：频率平面原点到点(u,v)的距离。43理想低通滤波器特点： 物理上不可实现 有振铃(抖动)现象 滤除高频成分使图象变模糊44理想低通滤波器转移函数三维图45理想低通滤波器转移函数剖面图46振铃现象47更为严重的振铃现象48原图滤波结果低通滤波函数49(2)巴特沃思低通滤波器(BLPF)D(u,v)=D0，H(u,v)降为最大值的。n为阶数。501阶巴特沃思低通滤波器转移函数三维图511阶巴特沃斯低通滤波器转移函数剖面图523阶巴特沃思低通滤波器转移函数三维图533阶巴特沃思低通滤波器转移函数剖面图54(3)指数形低通滤波器(ELPF)D(u,v)=D0，H(u,v)降为最大值的。n为阶数。551阶指数形低通滤波器转移函数三维图561阶指数形低通滤波器转移函数剖面图573阶指数形低通滤波器转移函数三维图583阶指数形低通滤波器转移函数剖面图59(4)梯形低通滤波器(TLPF)60梯形低通滤波器转移函数三维图61梯形低通滤波器转移函数剖面图624.3.4多幅图像平均多幅图像平均法是利用对同一景物的多幅图像取平均来消除噪声产生的高频成分。63多幅平均法64原图平均2次平均8次平均4次65

用局部中值代替局部平均值。令[f(x,y)]--原始图象阵列，[g(x,y)]--中值滤波后图象阵列，

f(x,y)--灰度级，

g(x,y)--以f(x,y)为中心的窗口内各象素的灰度中间值。4.3.5中值滤波66取3×3窗口中值滤波法从小到大排列，取中间值67取N=3中值滤波去除噪声200显然是个噪声。68取N=3中值滤波去除噪声200显然是个噪声。69取N=3中值滤波去除噪声200显然是个噪声。70取N=3中值滤波去除噪声200显然是个噪声。71取N=3中值滤波去除噪声200显然是个噪声。72取N=3中值滤波去除噪声200显然是个噪声。滤波后，200被去除。73中值滤波对持续期小于窗宽（N=5）的1/2的脉冲将进行抑制阶跃信号74中值滤波对持续期小于窗宽（N=5）的1/2的脉冲将进行抑制斜坡信号75中值滤波对持续期小于窗宽（N=5）的1/2的脉冲将进行抑制单脉冲76中值滤波对持续期小于窗宽（N=5）的1/2的脉冲将进行抑制双脉冲77中值滤波对持续期小于窗宽（N=5）的1/2的脉冲将进行抑制三脉冲78中