計算機視覺ppt課件(2)-閱讀頁
2025-05-18 07:15本頁面
【正文】 調(diào)增減的。 線性濾波器 puter vision 31 ?高斯函數(shù)的傅立葉變換頻譜是單瓣的： 圖像常被不希望的高頻信號所污染，平滑圖像不會被不需要的高頻噪聲污染，可以保留大部分信號?？梢哉{(diào)節(jié) ，使圖像特征在過分模糊（過平滑）與平滑圖像中由于噪聲和細紋理所引起的過多不希望突變量（欠平滑）之間取折中。二維高斯函數(shù)卷積可分為兩步進行，首先將 圖像與一維高斯函數(shù)進行卷積 ，然后將 卷積結果與方向垂直的相同一維高斯函數(shù)卷積 。 線性濾波器 puter vision 33 高斯平滑濾波器性質(zhì) ?旋轉對稱性 ?將高斯函數(shù)從直角坐標變換到極坐標得： ?從高斯函數(shù)的極坐標表達式可以看出，函數(shù)值不依賴于角度 θ ，所以是旋轉對稱的。 puter vision 35 高斯平滑濾波器性質(zhì) ?空間域與頻率域的物理意義 ?窄帶空間域高斯函數(shù)的平滑能力較低 ，是因為在頻率域內(nèi)其頻帶較寬，能通過更多的高頻噪聲和細紋理信號， ?隨著高斯函數(shù)在空間域的寬度增加，高斯函數(shù)在頻率域變窄了，所以高斯函數(shù)的平滑能力就增強了。 線性濾波器 puter vision 36 高斯平滑濾波器性質(zhì) ?高斯函數(shù)的可分離性 ?花括號內(nèi)是輸入圖像 f[i,j]與一維水平高斯函數(shù)的卷積，結果是圖像水平方向模糊化； ?再將上面結果與垂直方向高斯函數(shù)卷積，垂直方向模糊化。一維高斯函數(shù)為例： 線性濾波器 2222( x )22g ( x ) g ( x ) e e d???? ????????? ?2222222222( x )22xx( ) ( )2222x2( 2 )e e deed2e???????????????????????????????puter vision 38 高斯平滑濾波器性質(zhì) ?級聯(lián)高斯函數(shù) ? 說明如果一幅圖像用散布參數(shù)為 σ 的高斯函數(shù)濾波，以及相同的圖像用散布參數(shù)為 的高斯函數(shù)濾波，那么可以不用較大散布參數(shù)的高斯函數(shù)濾波，而用相同散布參數(shù)的濾波器度上一次濾波結果在進行濾波就可以得到預期的圖像。 線性濾波器 2?puter vision 39 中值濾波器 ? 均值濾波和高斯濾波運算主要問題是有可能模糊圖像中尖銳不連續(xù)的部分。 ?中值濾波不依賴于鄰域內(nèi)與典型值差別很大的值，處理過程不進行加權運算。 ?中值濾波在一定條件下可以克服線性濾波器所造成的圖像細節(jié)模糊，而對濾除脈沖干擾很有效。 ? 邊緣保持濾波器是在綜合考慮了均值濾波器和中值濾波器的有缺點后發(fā)展起來的，它的特點是： ? 濾波器在除噪聲脈沖的同時，又不至于使圖像邊緣十分模糊。 非線性濾波器 22[ , ] ( [ , ] ) /V f i j f i j N????puter vision 43 邊緣保持濾波器 ?上述算法過程中的灰度分布均勻度 V，除了可以用， 還可以用， 非線性濾波器 22[ , ] ( [ , ] ) /V f i j f i j N????2( [ , ] [ , ] )V f i j f i j???puter vision 44 邊緣保持濾波器 例：計算一個鄰域的均勻度分布 ?從計算可知，分布越均勻， V值越小。 非線性濾波器 2( [ , ] [ , ] )V f i j f i j???0 1 10 0 10 0 10 10 0v = 3 / 41 10 1v = 3 / 40 00 0v = 00 10 1v = 1puter vision 45 3X3模板 7X7模板 中值 保持邊緣
教學課件相關推薦
鄂ICP備17016276號-1