圖像濾波ppt課件(完整版)
【正文】 種鄰域運(yùn)算，即某個像素點的結(jié)果不僅和本像素灰度有關(guān)，而且和其鄰域點的值有關(guān)。 脈沖噪聲的概率密度函數(shù)由下式給出 :椒鹽噪聲 10 圖像平滑216。即有g(shù)(x, y) = f(x, y)[1 + n(x, y)] = f(x, y) + f(x, y) n(x, y)? 乘性噪聲或許是圖像中最普遍的噪聲，其模型和分析計算都比較復(fù)雜。 圖像噪聲 單波段的圖像 f (x,y)可看做是二維亮度分布，噪聲可看做是對亮度的干擾，用 n(x, y)來表示。 外部噪聲 是指圖像處理系統(tǒng)外部產(chǎn)生的噪聲，如天體放電干擾、電磁波從電源線竄入系統(tǒng)等產(chǎn)生的噪聲。 圖像在獲取和傳輸?shù)倪^程中，受傳感器和大氣等因素的影響會存在噪聲。在圖像上，這些噪聲表現(xiàn)為一些亮點、或亮度過大的區(qū)域。 內(nèi)部噪聲 是指系統(tǒng)內(nèi)部產(chǎn)生的噪聲。噪聲是隨機(jī)性的，因而需用隨機(jī)過程來描述，即要求知道其分布函數(shù)或密度函數(shù)。通常總是假定信號和噪聲互相獨立，然后通過對圖像做對數(shù)變換，將乘性噪聲當(dāng)做加性噪聲來處理。 圖像噪聲? 3)周期噪聲 圖像中的周期噪聲是獲取過程中受成像設(shè)備影響產(chǎn)生的。模板運(yùn)算的數(shù)學(xué)含義是卷積（或互相關(guān)）運(yùn)算。 解決這個問題可以采用兩種簡單方法： 一種方法是忽略圖像邊界數(shù)據(jù)， 另一種方法是在圖像四周復(fù)制原圖像邊界像素的值 ，從而使卷積核懸掛在圖像四周時可以進(jìn)行正常的計算。252。 均值濾波252。33Box模板平滑處理示意圖23 圖像平滑216。缺點 ：降低噪聲的同時造成圖像模糊，特別是對圖像的邊緣和細(xì)節(jié)削弱很多；隨著鄰域范圍的擴(kuò)大，去噪能力增強(qiáng)的同時模糊程度越加嚴(yán)重。其表達(dá)式為 :28 圖像平滑216。由于用中值替代了平均值，中值濾波在抑制噪聲的同時能夠有效地保留邊緣，減少模糊。252。34 圖像平滑216。 中值濾波1） 對某些輸入信號中值濾波的不變性 對某些特定的輸入信號，如在窗口內(nèi)單調(diào)增加或單調(diào)減少的序列， 中值濾波輸出信號仍保持輸入信號不變，即： fin≤…≤ fi≤…≤ fi+n或 fin≥…≥ fi≥…≥ fi+n， 則 {yi}={fi}。 43 圖像銳化掃描線灰度漸變孤立點細(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。 Prewitt和 Sobel梯度216。 梯度法252。 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。采用 Roberts梯度對圖像中的每一個像素計算其梯度值，最終產(chǎn)生一個梯度圖像，達(dá)到突出邊緣的目的。在上面的 Prewitt和 Sobel模板中， hl主要對水平方向的地物進(jìn)行銳化， h2則主要對垂直方向的地物進(jìn)行銳化。 59 圖像銳化216。 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算子對數(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。在圖像上灰度均勻和變化均勻的部分，根據(jù) Laplacian算子計算出的值為 0。 Laplacian算子252。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。(1)檢測垂直線72 圖像銳化216。 在使用中要注意的是，某些軟件使用的模板的符號與上面的相反，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，處理后的圖像 =原始圖像 +Laplacian計算結(jié)果69 圖像銳化216。252。0 1 01 4 10 1 0拉普拉斯算子65 圖像銳化216。如字符識別等。優(yōu)點：適當(dāng)選取 T，既可使明顯的邊緣 輪廓得到突出 ， 又不會破壞 原 灰度變化比較平緩的 背景 。在應(yīng)用中要注意的是，模板對于含有大量噪聲的圖像是不適用的。 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。 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
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1