計(jì)算機(jī)視覺(jué)ppt課件(2)(參考版)
2025-05-06 07:15本頁(yè)面
【正文】 ?左下角鄰域全為零，因此用 V=0最小值代替。 非線性濾波器 puter vision 42 邊緣保持濾波器 ?邊緣保持算法過(guò)程： ?對(duì)灰度圖象的每一個(gè)像素點(diǎn) [i， j]取適當(dāng)大小的一個(gè)鄰域（ 3 3鄰域）； ?分別計(jì)算 [i， j]的 左上角子鄰域、左下角子鄰域、右上角子鄰域、右下角子鄰域 的灰度分布均勻度 V； ?然后取最小均勻度對(duì)應(yīng)區(qū)域的均值作為該像素點(diǎn)的新灰度值。 非線性濾波器 puter vision 41 邊緣保持濾波器 ?均值濾波：平滑圖像外還是圖像邊緣模糊； ? 中值濾波：去除脈沖噪聲的同時(shí)將圖像中的線條細(xì)節(jié)濾除。 非線性濾波器 puter vision 40 中值濾波器 ?運(yùn)算步驟： ?按亮度值大小排列像素點(diǎn) ?選擇排序像素集的中間值作為點(diǎn) [i， j]的新值 ?一般采用奇數(shù)點(diǎn)的鄰域計(jì)算中值，如果像素點(diǎn)數(shù)為偶數(shù)，則中值就取排序像素中間兩點(diǎn)的平均值。 ? 中值濾波器的基本思想使用像素點(diǎn)鄰域灰度值的中值來(lái)代替該像素點(diǎn)的灰度值，它可以去除脈沖噪聲、椒鹽噪聲同時(shí)保留圖像邊緣細(xì)節(jié)。 ? 在計(jì)算圖像的多種尺度平滑時(shí)，計(jì)算量顯著減少。 線性濾波器 m 1 n 1k 0 l 0g [ i , j ] f [ i , j ] g [ k , l ] f [ i k , j l ]????? ? ? ???2222222klm 1 n 12k 0 l 0klm 1 n 122k 0 l 0e f [ i k , j l ]e e f [ i k , j l ]???????????????? ? ?????? ? ???????????puter vision 37 高斯平滑濾波器性質(zhì) ?級(jí)聯(lián)高斯函數(shù) 高斯函數(shù)與自身卷積會(huì)產(chǎn)生一個(gè)與 σ 成比例的高斯函數(shù)。 ?高斯函數(shù)在空間域的寬度與在頻率域的頻譜寬度之間的簡(jiǎn)單關(guān)系有利于高斯濾波器在實(shí)際設(shè)計(jì)中的應(yīng)用。 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 si n x d x??????? ? ? ?????22xe c os x d x 2 e ???? ? ???????2 21? ??高斯函數(shù)在空間域越窄，則在頻率域越寬。因此，二維高斯濾波的計(jì)算量隨著濾波器模板寬度呈線性增加而不是呈平方增加。 ?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。 ?高斯濾波器寬度是由參數(shù) 表示的： 越大，高斯濾波器的，時(shí)域越寬，頻帶越窄，平滑程度越好。平滑運(yùn)算會(huì)對(duì)離算子中心越遠(yuǎn)，作用越小。旋轉(zhuǎn)對(duì)稱性意味著高斯平滑濾波器在后續(xù)邊緣檢測(cè)中不會(huì)偏向任一方向。 ? 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。 常用的線性濾波器： ?均值濾波器 ?高斯平滑濾波器 線性濾波器 puter visio
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1