計(jì)算機(jī)視覺ppt課件(2)-wenkub
2023-05-18 07:15:05 本頁面
【正文】 ?灰度圖像和彩色圖像 概述 puter vision 5 4 本章介紹 ?直方圖修正 ?圖像線性運(yùn)算模型 ?線性濾波器 ?均值濾波器 ?高斯平滑濾波器 ?非線性濾波器 ?中值濾波器 ?邊緣保持濾波器 概述 puter vision 6 1 直方圖概念 ? 如果將圖像中像素亮度（灰度級(jí)別）看成是一個(gè)隨機(jī)變量， 則其分布情況就反映了圖像的統(tǒng)計(jì)特性，這可用 Probability Density Function (PDF)來刻畫和描述，表現(xiàn)為灰度直方圖（ Histogram）。 ? 必須在視覺的初級(jí)階段對(duì)原始圖像進(jìn)行灰度修正、噪聲過濾等圖像預(yù)處理。 概述 puter vision 3 2 圖像預(yù)處理的功能是什么？ ? 計(jì)算機(jī)視覺中的圖像預(yù)處理并不考慮圖像降質(zhì)原因，只將圖像中感興趣的特征有選擇的突出，衰減其不需要的特征。 ? 灰度直方圖是灰度級(jí)的函數(shù)，它表示圖像中具有某種灰度級(jí)的像素的個(gè)數(shù)，反映了圖像中每種灰度出現(xiàn)的頻率，它是圖像最基本的統(tǒng)計(jì)特征。 直方圖修正 puter vision 12 ? 圖像灰度尺度變換： ? 把圖像灰度區(qū)間在 [a,b]內(nèi)的像素點(diǎn)值映射到[z1,zk]的區(qū)間內(nèi)。 k11zzz ( z a ) zba????puter vision 13 ? 圖像灰度尺度變換： 如果圖像的大多數(shù)像素灰度值分布在區(qū)間 [a,b],一小部分分布在此區(qū)間外，可以使用以下映射函數(shù)： 直方圖修正 k1139。 直方圖修正 11k 1 ki 1 ii = 1 i = 1p q p?????11 2 k 1z , z , , z ?puter vision 17 ?繼續(xù)找到灰度值 k2，使得： 則下一個(gè)區(qū)間像素值 被映射到灰度級(jí) z2上。 ) ( 39。h x y f x y g x y f x y g x x y y d x d y??? ? ? ?? ? ? ? ???1100[ , ] [ , ] * [ , ] [ , ] [ , ]nmklh i j f i j g i j f k l g i k j l????? ? ? ???puter vision 21 ? 如果 f[i,j]和 h[i,j]表示圖像，則卷積就變成了對(duì)像素點(diǎn)的加權(quán)計(jì)算，脈沖響應(yīng) g[i,j]就是一個(gè)卷積模板。 ?在實(shí)際計(jì)算過程中，常常使用快速傅立葉變換（ FFT）提高計(jì)算效率。 ? 脈沖噪聲：只含有隨機(jī)的正脈沖和負(fù)脈沖噪聲。因此可以使用卷積模板來實(shí)現(xiàn)濾波。 ? 二維零均值離散高斯平滑濾波器函數(shù)表達(dá)式為： 線性濾波器 222()2[ , ]ijg i j e ????puter vision 30 ? 高斯函數(shù)有 5個(gè)重要性質(zhì)，其性質(zhì)決定了它在空間域和頻率域都是很好的低通濾波器。平滑運(yùn)算會(huì)對(duì)離算子中心越遠(yuǎn)，作用越小。 ?高斯函數(shù)有可分離性 ：實(shí)現(xiàn)高斯濾波時(shí)可分步進(jìn)行 線性濾波器 ? ??puter vision 32 ?高斯函數(shù)有可分離性（續(xù)）： 實(shí)現(xiàn)高斯濾波時(shí)可分步進(jìn)行。 線性濾波器 ?? ?2 2 22 2 22222g [ , ] e g( , ) ei j rr i ji j r? ????? ? ?puter vision 34 高斯平滑濾波器性質(zhì) ?傅立葉變換性質(zhì) ?高斯函數(shù)的傅立葉變換還是一個(gè)高斯函數(shù) 線性濾波器 ?? ?22x j x j x2F T { g ( x ) } g( x ) e d x e e d x??? ? ? ?????22xx22e c os x d x j e
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1