《圖像濾波》ppt課件(文件)
【正文】 像平滑216。 43 圖像銳化掃描線灰度漸變孤立點(diǎn)細(xì)線灰度躍變圖像細(xì)節(jié)的灰度分布特性平坦段 為了突出圖像中的地物邊緣、輪廓或線狀目標(biāo)，可以采用銳化的方法。邊緣和輪廓一般都位于 灰度突變 的地方，且突變常常具有 任意的方向 。 Prewitt和 Sobel梯度216。實(shí)際上就是 微分法 。 梯度法252。48 圖像銳化216。 羅伯特梯度求梯度的兩種差分運(yùn)算 （ a)水平垂直差分法 (b)交叉差分法羅伯特梯度法51 圖像銳化216。Roberts梯度相當(dāng)于 在圖像上開一個(gè) 2*2的窗口，用模板 h1計(jì)算后取絕對(duì)值再加上模板 h2計(jì)算后取絕對(duì)值。采用 Roberts梯度對(duì)圖像中的每一個(gè)像素計(jì)算其梯度值，最終產(chǎn)生一個(gè)梯度圖像，達(dá)到突出邊緣的目的。與 Roberts梯度相比， Prewitt算法較多地考慮了鄰域點(diǎn)的關(guān)系，擴(kuò)大了模板，從 2*2擴(kuò)大到 3*3來進(jìn)行差分， (x,y)為中心像素其模板為55 圖像銳化216。在上面的 Prewitt和 Sobel模板中， hl主要對(duì)水平方向的地物進(jìn)行銳化， h2則主要對(duì)垂直方向的地物進(jìn)行銳化。 Prewitt和 Sobel梯度由梯度的計(jì)算可知 :① 在灰度變化 平緩 的區(qū)域其 梯度值較小 ，② 圖像中灰度變化較大的 邊緣 區(qū)域其 梯度值大 ，③ 而在灰度 均勻 區(qū)域其 梯度值為零 。 59 圖像銳化216。 Prewitt和 Sobel梯度(c)輪廓灰度規(guī)定化輸出(d)背景灰度規(guī)定化輸出 式中： T是根據(jù)需要指定的一個(gè)灰度級(jí)，它將明顯邊緣用一固定的灰度級(jí) LG來實(shí)現(xiàn)。 Prewitt和 Sobel梯度(e)二值圖像輸出 此法將背景和邊緣用二值圖像表示， 便于研究邊緣所在位置。 Laplacian算子252。 Laplacian算子對(duì)數(shù)字圖像來講， f(x, y)的二階偏導(dǎo)數(shù)可表示為 x方向y方向64 圖像銳化216。 Laplacian算子252。在圖像上灰度均勻和變化均勻的部分，根據(jù) Laplacian算子計(jì)算出的值為 0。以 Laplacian算法對(duì)該圖像進(jìn)行銳化、提取邊緣的結(jié)果見 (b)，圖像中 灰度為常數(shù)的下部與變化均勻的左上部值均為 0。 Laplacian算子252。 Laplacian算子窗口大小影響著銳化的結(jié)果。為了有目的的提取某一特定方向的邊緣或線性特征，可以選用特定的模板進(jìn)行卷積運(yùn)算。 定向檢測(cè)原始圖像 垂直檢測(cè) 水平檢測(cè)74。(1)檢測(cè)垂直線72 圖像銳化216。 定向檢測(cè)252。 在使用中要注意的是，某些軟件使用的模板的符號(hào)與上面的相反，也就是說，在模板中，中心的值為 4，四周相鄰的值為 1(例如， ENVI軟件 )，此時(shí)，處理后的圖像 =原始圖像 +Laplacian計(jì)算結(jié)果69 圖像銳化216。67 圖像銳化216。252。252。0 1 01 4 10 1 0拉普拉斯算子65 圖像銳化216。252。如字符識(shí)別等。此法將背景用一個(gè)固定灰度級(jí) LB來實(shí)現(xiàn)， 便于研究邊緣灰度的變化。優(yōu)點(diǎn)：適當(dāng)選取 T，既可使明顯的邊緣 輪廓得到突出 ， 又不會(huì)破壞 原 灰度變化比較平緩的 背景 。58 圖像銳化216。在應(yīng)用中要注意的是，模板對(duì)于含有大量噪聲的圖像是不適用的。 Sobel梯度是在 Prewitt算法的基礎(chǔ)上，對(duì) 4鄰域采用加權(quán)方法進(jìn)行差分，因而對(duì)邊緣的檢測(cè)更加精確，常用的模板如下 :56 圖像銳化216。 羅伯特梯度原始圖像Roberts梯度圖像原始圖像的局部放大，方框內(nèi)是像素值銳化后的局部放大，中間是中心像素的位置54 圖像銳化216。252。 其數(shù)學(xué)表達(dá)式可近似為：G[f(x, y)] ≈|f(i, j)f(i+1, j+1) |+|f(i+1, j)f(i, j+1)|用模板表示為52 圖像銳化216。 梯度法以上梯度法又稱為 水平垂直差分法 。252。圖像函數(shù) f (x, y) 的 梯度定義 為 一個(gè)向量： 梯度 的兩個(gè)重要 性質(zhì) 是： （ 1） 梯度的方向在函數(shù) f(x, y)最大變化率的方向上。 定向檢測(cè)
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1