圖像濾波ppt課件(參考版)
2025-05-06 18:50本頁面
【正文】 定向檢測原始圖像 垂直檢測 水平檢測74。(1)檢測垂直線72 圖像銳化216。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行卷積運算。 定向檢測252。 Laplacian算子窗口大小影響著銳化的結(jié)果。 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。 Laplacian算子252。67 圖像銳化216。以 Laplacian算法對該圖像進行銳化、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。252。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。252。 Laplacian算子252。0 1 01 4 10 1 0拉普拉斯算子65 圖像銳化216。 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。252。 Laplacian算子252。如字符識別等。 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。此法將背景用一個固定灰度級 LB來實現(xiàn)， 便于研究邊緣灰度的變化。 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)需要指定的一個灰度級，它將明顯邊緣用一固定的灰度級 LG來實現(xiàn)。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 。 59 圖像銳化216。58 圖像銳化216。 Prewitt和 Sobel梯度由梯度的計算可知 :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 。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。在上面的 Prewitt和 Sobel模板中， hl主要對水平方向的地物進行銳化， h2則主要對垂直方向的地物進行銳化。 Sobel梯度是在 Prewitt算法的基礎(chǔ)上，對 4鄰域采用加權(quán)方法進行差分，因而對邊緣的檢測更加精確，常用的模板如下 :56 圖像銳化216。與 Roberts梯度相比， Prewitt算法較多地考慮了鄰域點的關(guān)系，擴大了模板，從 2*2擴大到 3*3來進行差分， (x,y)為中心像素其模板為55 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。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，達到突出邊緣的目的。252。Roberts梯度相當(dāng)于 在圖像上開一個 2*2的窗口，用模板 h1計算后取絕對值再加上模板 h2計算后取絕對值。 其數(shù)學(xué)表達式可近似為：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。 羅伯特梯度求梯度的兩種差分運算 （ 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。 梯度法以上梯度法又稱為 水平垂直差分法 。48 圖像銳化216。252。 梯度法252。圖像函數(shù) f (x, y) 的 梯度定義 為 一個向量： 梯度 的兩個重要 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。實際上就是 微分法 。 定向檢測46 圖像銳化216。 Prewitt和 Sobel梯度216。 梯度法216。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 。平滑 通過積分過程使得圖像邊緣模糊， 圖像銳化 則通過微分使圖像邊緣突出。 43 圖像銳化掃描線灰度漸變孤立點細線
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1