第6章 圖像增強

1、數(shù)字圖像處理數(shù)字圖像處理第六章：圖像增強第六章：圖像增強內(nèi)容提要 定義定義是一類對圖像降質(zhì)進行改善的方法，它們有選擇性地突出圖像的邊緣、輪廓、對比度等特征，以便于顯示、觀察或進一步分析與處理。目的目的在于采用一系列技術(shù)改善圖像的視覺效果，提高圖像的可懂度；或者將圖像轉(zhuǎn)化成一種更適合于人或機器進行分析處理的形式。Slide 2內(nèi)容提要 單點增強：單點增強：灰度級校正、灰度變換、灰度直方圖變換?；叶燃壭Ｕ⒒叶茸儞Q、灰度直方圖變換。區(qū)域增強的平滑方法：區(qū)域增強的平滑方法：鄰域平均法、中值濾波和各種邊界保持類濾波鄰域平均法、中值濾波和各種邊界保持類濾波方法。方法。區(qū)域增強的銳化方法：區(qū)域增強的銳化方

2、法：梯度銳化法、拉普拉斯算子、高通濾波及其他梯度銳化法、拉普拉斯算子、高通濾波及其他常用的銳化算子。常用的銳化算子。 Slide 36.1 概述 6.1.1 圖像增強的目的u首要目標首要目標: :u處理圖像，使其比原始圖像更適合于特定應用。u增強的方法是因應用不同而不同的。u圖像增強方法只能有選擇地使用。 u增強的結(jié)果u一般靠人的主觀感覺加以評價。Slide 46.1.2 圖像增強技術(shù)的分類圖像增強技術(shù)大致分為空間域增強和頻率域增強兩類。1空間域增強法空間域增強法在空間域直接對像素灰度值進行運算。f (x, y)是待增強的原始圖像,g(x, y)是已增強的圖像,h(x, y)是空間運算函數(shù)。S

3、lide 5空間域增強模型對點操作（如灰度變換、直方圖變換等）有 g(x,y) = f(x,y) h(x,y) （6.1）對于區(qū)域操作（如平滑、銳化等）有 g(x,y) = f(x,y)*h(x,y) （6.2）Slide 6圖圖6.1 空間域增強模型空間域增強模型 2頻率域增強法在頻率域利用二維濾波器H(u, v)對f (x, y)進行濾波，得到新的頻譜G(u, v)，即G(u, v) = F(u, v)H(u, v) （6.3） Slide 7圖6.2 頻率域增強模型 H(u, v)的性質(zhì)可能是低通，起平滑作用；也可能是高通，起銳化作用。 實際的圖像增強方案可能綜合上述兩種技術(shù)。如同態(tài)濾波

4、增強包含了空間域灰度的非線性運算，也有高頻增強環(huán)節(jié)。Slide 8課本 P71 6.1.3 直方圖的概念直方圖的概念對于連續(xù)圖像，其灰度分布的統(tǒng)計特性用概率密度對于連續(xù)圖像，其灰度分布的統(tǒng)計特性用概率密度函數(shù)（函數(shù)（PDF）刻畫。）刻畫。離散圖像離散圖像直方圖：指圖像中各種不同灰度級像素出直方圖：指圖像中各種不同灰度級像素出現(xiàn)的相對頻率現(xiàn)的相對頻率 。在數(shù)字圖像處理中，灰度直方圖是簡單且實用的工在數(shù)字圖像處理中，灰度直方圖是簡單且實用的工具，對圖像的采集、處理和分析都可以有效地利用具，對圖像的采集、處理和分析都可以有效地利用直方圖。直方圖。Slide 96.1.3 直方圖的概念Slide 10

5、6.1.3 直方圖的概念Slide 11直方圖的橫坐標是圖像的各灰度級，縱坐標是各個灰度出現(xiàn)的像素個數(shù)。直方圖的橫坐標是圖像的各灰度級，縱坐標是各個灰度出現(xiàn)的像素個數(shù)。歸一化的直方圖歸一化歸一化的直方圖（的直方圖（histogram）定義為灰度級出現(xiàn)的）定義為灰度級出現(xiàn)的相對頻率相對頻率。Slide 126.1.3直方圖的概念Slide 13直方圖直方圖的性質(zhì)的性質(zhì)直方圖MATLAB函數(shù)介紹Slide 14【例6.1】求圖像的歸一化直方圖?！窘饨狻縧ena圖像是彩色圖像，進行格式轉(zhuǎn)換。圖像是彩色圖像，進行格式轉(zhuǎn)換。I = imread(lena.jpg);J = rgb2gray(I);%將彩

6、色圖像轉(zhuǎn)換為灰度圖像將彩色圖像轉(zhuǎn)換為灰度圖像imshow(J);N = numel(J);%求圖像像素的總數(shù)求圖像像素的總數(shù)Pr = imhist(J)/N;%顯示原始圖像的直方圖顯示原始圖像的直方圖k=0:255;figure, stem(k,Pr)Slide 15圖6.3 直方圖Slide 16（a）lena圖像 （b）lena圖像的直方圖灰度直方圖描述了圖像的灰度直方圖描述了圖像的概貌概貌。6.2 灰度修正 圖像的退化會引起灰度級的變化。圖像的退化會引起灰度級的變化。通過通過簡單和有效的點運算，可以改善圖像的顯示效簡單和有效的點運算，可以改善圖像的顯示效果，達到灰度修正的目的。果，達到灰

7、度修正的目的。點運算：點運算：一幅輸出圖像上每個像素的灰度值僅由相應輸入像素的一幅輸出圖像上每個像素的灰度值僅由相應輸入像素的灰度值決定，而與像素點所在的位置無關(guān)，與相鄰的像灰度值決定，而與像素點所在的位置無關(guān)，與相鄰的像素之間也沒有運算關(guān)系。素之間也沒有運算關(guān)系。Slide 17點運算：指原始圖像的像素灰度值通過運算后產(chǎn)生新圖像的對應的灰度值。像素值通過運算改變之后，可以改善圖像的顯示效果。這是一種像素的逐點運算這是一種像素的逐點運算。是舊圖像與新圖像之間的映射關(guān)系。n典型的點運算：n對比度增強、對比度拉伸或灰度變換。Slide 18灰度修正的方法一般有三種方法：一般有三種方法：（1 1）灰

8、度級校正解決成像不均勻問題。）灰度級校正解決成像不均勻問題。（2 2）對比度增強解決圖像曝光不足問題。）對比度增強解決圖像曝光不足問題。（3 3）直方圖修正以突出所需要的圖像特征）直方圖修正以突出所需要的圖像特征。Slide 196.2.1 灰度級校正在成像過程中，如在成像過程中，如光照的強弱、感光部件的靈敏度、光學系統(tǒng)的不均勻性、光照的強弱、感光部件的靈敏度、光學系統(tǒng)的不均勻性、元器件特性的不穩(wěn)定元器件特性的不穩(wěn)定等均可引起圖像亮度分布的不均勻。等均可引起圖像亮度分布的不均勻?；叶燃壭Ｕ叶燃壭Ｕ趫D像采集系統(tǒng)中對圖像像素進行逐點修正，使得整幅在圖像采集系統(tǒng)中對圖像像素進行逐點修正，使得整幅

9、圖像能夠均勻成像。圖像能夠均勻成像。 Slide 20使理想圖像發(fā)生畸變的比例運算設(shè)理想真實的圖像為設(shè)理想真實的圖像為 f (x, y) ，實際獲得的含噪聲的，實際獲得的含噪聲的圖像為圖像為g(x, y) ，則有，則有 g(x, y) = e(x, y) f (x, y) （6.5） e(x, y)是使理想圖像發(fā)生畸變的比例因子。是使理想圖像發(fā)生畸變的比例因子。知道了知道了e(x, y) , 就可以求出不失真圖像。就可以求出不失真圖像。采用一幅灰度級為常數(shù)采用一幅灰度級為常數(shù)C的圖像成像，若經(jīng)成像系統(tǒng)的圖像成像，若經(jīng)成像系統(tǒng)的實際輸出為的實際輸出為gC(x, y) ，則有，則有 gC(x, y

10、) = C e (x, y) （6.6） Slide 21標定系統(tǒng)失真系數(shù)的方法可得比例因子：可得實際圖像g(i, j)經(jīng)校正后所恢復的原始圖像。注意：乘了一個系數(shù)C/ gc(i,j) ，校正后可能出現(xiàn)“溢出”現(xiàn)象灰度級值可能超過某些記錄器件或顯示設(shè)備輸入信號的動態(tài)可范圍需再作適當?shù)幕叶茸儞Q，最后對變換后的圖像進行量化。1,ce i jgi j CSlide 22圖6.6 非均勻光照的校正Slide 23 （a）校正前的圖像 （b）校正后的圖像6.2.2 灰度變換n為了將圖像灰度級的整個范圍或一段范圍擴展或為了將圖像灰度級的整個范圍或一段范圍擴展或壓縮到記錄或顯示設(shè)備的動態(tài)范圍內(nèi)，可使圖像壓縮

11、到記錄或顯示設(shè)備的動態(tài)范圍內(nèi)，可使圖像動態(tài)范圍增大，圖像對比度擴展動態(tài)范圍增大，圖像對比度擴展n使圖像變得清晰使圖像變得清晰/ /圖像上的特征變得明顯。圖像上的特征變得明顯。環(huán)境光源太暗，使灰度值偏小，就會使圖像太暗環(huán)境光源太暗，使灰度值偏小，就會使圖像太暗看不清。看不清。如果環(huán)境光源太亮，又使圖像泛白。如果環(huán)境光源太亮，又使圖像泛白。通過灰度變換，就可以將灰度值調(diào)整到合適的程通過灰度變換，就可以將灰度值調(diào)整到合適的程度。度?；叶茸儞Q可分為線性變換、分段線性變換和非線灰度變換可分為線性變換、分段線性變換和非線性變換幾種方法。性變換幾種方法。Slide 241線性變換 灰度灰度g與灰度與灰度f之

12、間的關(guān)系為之間的關(guān)系為（1）變換使得圖像灰度范圍增）變換使得圖像灰度范圍增大，即對比度增大，圖像會變得大，即對比度增大，圖像會變得清晰；清晰；（2）變換使得圖像灰度范圍縮）變換使得圖像灰度范圍縮小，即對比度減小。小，即對比度減小。 Slide 25bagafaba圖6.7 線性變換直方圖MATLAB函數(shù)介紹Slide 26【例6.2】采用線性變換進行圖像增強。應用函數(shù)應用函數(shù)imadjust將圖像在將圖像在0.32550.7255灰度之間的灰度之間的值通過線性變換映射到值通過線性變換映射到0255之間。之間。【解解】實現(xiàn)的程序如下：實現(xiàn)的程序如下：I = imread(pout.tif);im

13、show(I); figure,imhist(I);%顯示原始圖像的直方圖顯示原始圖像的直方圖J = imadjust(I,0.3 0.7,);%使用使用imadjust函數(shù)進行灰度的線性變換函數(shù)進行灰度的線性變換figure,imshow(J); figure,imhist(J)%顯示變換后圖像的直方圖顯示變換后圖像的直方圖Slide 27圖6.8 圖像線性變換Slide 282分段線性變換對整個灰度區(qū)間進行分段，采用分段線性函數(shù)進行變換。這種變換突出了感興趣的目標或灰度區(qū)間，相對抑制那些不感興趣的灰度區(qū)間。常用的是三段線性變換。Slide 29圖6.10 三段線性變換對灰度區(qū)間對灰度區(qū)間a

14、, b進行了線性拉伸，而灰度區(qū)間進行了線性拉伸，而灰度區(qū)間0, a和和b, fmax則被壓縮。則被壓縮。調(diào)整折線拐點的位置及控制分段直線的斜率，對圖調(diào)整折線拐點的位置及控制分段直線的斜率，對圖像的任一灰度區(qū)間進行拉伸或壓縮像的任一灰度區(qū)間進行拉伸或壓縮 。在遙感圖像分類中，感興趣的地貌特征可能有明顯的灰在遙感圖像分類中，感興趣的地貌特征可能有明顯的灰度變化，而那些過黑或過白的像素往往對應于玄武巖、度變化，而那些過黑或過白的像素往往對應于玄武巖、水、冰等。水、冰等。Slide 30圖6.11 三段線性變換實例Slide 31 （a）原始圖像 （b）增強效果 3非線性灰度變換u當用某些非線性函數(shù)如

15、對數(shù)、指數(shù)函數(shù)等作為映射當用某些非線性函數(shù)如對數(shù)、指數(shù)函數(shù)等作為映射函數(shù)時，可實現(xiàn)灰度的非線性變換。函數(shù)時，可實現(xiàn)灰度的非線性變換。u對數(shù)變換的一般表達式為對數(shù)變換的一般表達式為：u g = a + c lg(f + 1) u對數(shù)變換可以增強低灰度級的像素，擴展灰度區(qū)，壓制高灰度級的像素,使灰度分布與視覺特性相匹配使灰度分布與視覺特性相匹配。Slide 32圖6.14 對數(shù)變換后的COUPLE圖像Slide 336.2.3 灰度直方圖變換直方圖變換的原因直方圖變換的原因Slide 346.2.3 灰度直方圖變換直方圖的修正直方圖的修正直方圖變換后可使圖像的灰度間距拉開或使灰度分直方圖變換后可使

16、圖像的灰度間距拉開或使灰度分布均勻，從而增大對比度，使圖像細節(jié)清晰，達到布均勻，從而增大對比度，使圖像細節(jié)清晰，達到增強的目的。增強的目的。直方圖變換有兩類直方圖變換有兩類直方圖均衡化直方圖均衡化; ;直方圖規(guī)定化直方圖規(guī)定化Slide 35直方圖均衡化通過對原圖像進行某種變換，使得圖像的直方圖變通過對原圖像進行某種變換，使得圖像的直方圖變?yōu)榫鶆蚍植嫉闹狈綀D為均勻分布的直方圖 ?；叶燃夁B續(xù)的灰度圖像：灰度級連續(xù)的灰度圖像：當變換函數(shù)是原圖像直方圖累積分布函數(shù)時，能達到直當變換函數(shù)是原圖像直方圖累積分布函數(shù)時，能達到直方圖均衡化的目的。方圖均衡化的目的。對于離散的圖像，用頻率來代替概率對于離散的

17、圖像，用頻率來代替概率 。Slide 36【例6.3】對圖像進行直方圖均衡化。假定有一幅總像素為假定有一幅總像素為n = 6464的圖像，灰度級數(shù)為的圖像，灰度級數(shù)為8，各灰度級分布列于表，各灰度級分布列于表4.1中。中。（1）按式（）按式（6.14）求變換函數(shù)）求變換函數(shù)Sk （2）計算）計算Sk （3） Sk的確定的確定（4）計算對應每個）計算對應每個sk的的nsk（5）計算）計算ps(sk)Slide 37表6.1 一幅圖像的灰度級分布 k01234567rk01/72/73/74/75/76/71nk790102385065632924512281pr(rk)0.190.250.210

18、.160.080.060.030.02Sk0.190.440.650.810.890.950.981Sk1/73/75/76/76/7111Sk1/73/75/76/71nsk7901023850985448pr(sk)0.190.250.210.240.11Slide 38直方圖MATLAB函數(shù)介紹Slide 39【例6.4】直方圖均衡對圖像進行增強。在在MATLAB環(huán)境中，待處理圖像為環(huán)境中，待處理圖像為 tire.tif。I = imread(tire.tif);J = histeq(I); %完成直方圖均衡化完成直方圖均衡化imshow(I); %顯示直方圖均衡化前的圖像顯示直方圖均衡

19、化前的圖像figure,imhist(I); %均衡化前的直方圖均衡化前的直方圖figure,imshow(J); %顯示直方圖均衡化后的圖顯示直方圖均衡化后的圖像像figure,imhist(J); %均衡化后的直方圖均衡化后的直方圖Slide 40圖6.15 直方圖均衡Slide 416.3 同態(tài)增晰 6.3.1 問題的由來物體受到不均勻的照度物體受到不均勻的照度一類圖像的灰度級動態(tài)范圍很大，黑與白形成強烈反一類圖像的灰度級動態(tài)范圍很大，黑與白形成強烈反差，而感興趣目標的灰度級范圍卻很小，分不清目標差，而感興趣目標的灰度級范圍卻很小，分不清目標的灰度層次和細節(jié)，圖像上對應照度暗的部分，其細

20、的灰度層次和細節(jié)，圖像上對應照度暗的部分，其細節(jié)較難辨別。節(jié)較難辨別。目的目的消除不均勻照度的影響而又不損失圖像細節(jié)。消除不均勻照度的影響而又不損失圖像細節(jié)。同態(tài)濾波同態(tài)濾波可以消除不均勻照度的影響，增強圖像細節(jié)可以消除不均勻照度的影響，增強圖像細節(jié)同時也是圖像復原的一種方法。同時也是圖像復原的一種方法。Slide 426.3.2 增晰原理圖像同態(tài)增晰系統(tǒng)采用合適的濾波特性函數(shù)，可以既使圖像灰度動態(tài)范圍壓縮，又能讓感興趣的物體圖像灰度級擴展，從而使圖像清晰。同態(tài)系統(tǒng)是服從廣義疊加原理的各類非線性系統(tǒng)。對同態(tài)系統(tǒng)信號處理，特別適合處理乘法組合信乘法組合信號號和卷積組合信號。 （6.21） Sli

21、de 43( , )( , )( , )f x yi x yr x y圖6.16 同態(tài)增晰原理按照高通濾波器設(shè)計，壓縮低頻分量，提升高頻分量。按照高通濾波器設(shè)計，壓縮低頻分量，提升高頻分量。照明函數(shù)雖然頻率變化緩慢，但幅度變化大，數(shù)字化占照明函數(shù)雖然頻率變化緩慢，但幅度變化大，數(shù)字化占用很多比特數(shù)，所以要壓縮；用很多比特數(shù)，所以要壓縮；反射函數(shù)描述的是人們感興趣的景物區(qū)頻率變化較快，反射函數(shù)描述的是人們感興趣的景物區(qū)頻率變化較快，但灰度變化很小，層次不清，細節(jié)不明，應該擴展。但灰度變化很小，層次不清，細節(jié)不明，應該擴展。Slide 446.4 平滑（SMOOTHING）區(qū)域增強算法包括區(qū)域增強

22、算法包括平滑算法和銳化算法。從頻率域看，從頻率域看，低通濾波可以對圖像進行平滑去噪處理低通濾波可以對圖像進行平滑去噪處理高通濾波可對圖像進行邊緣銳化處理。高通濾波可對圖像進行邊緣銳化處理。本節(jié)將介紹本節(jié)將介紹鄰域平均法中值濾波邊界保持類濾波等。Slide 456.4.1 圖像噪聲數(shù)字圖像往往要經(jīng)過采集、處理、存儲、傳輸?shù)纫粩?shù)字圖像往往要經(jīng)過采集、處理、存儲、傳輸?shù)纫幌盗屑庸ぷ儞Q，而由電氣系統(tǒng)和外界引入的圖像噪系列加工變換，而由電氣系統(tǒng)和外界引入的圖像噪聲也將在這些過程中隨之引入，可能嚴重影響圖像聲也將在這些過程中隨之引入，可能嚴重影響圖像的質(zhì)量。的質(zhì)量。這些過程將使得圖像噪聲的精確分析變得十分

23、復雜。這些過程將使得圖像噪聲的精確分析變得十分復雜。圖像噪聲消除或減低在圖像預處理中的地位顯得十圖像噪聲消除或減低在圖像預處理中的地位顯得十分重要分重要Slide 46GaussianRayleighErlangExponentialUniformImpulse1圖像噪聲的分類（1 1）按其產(chǎn)生的原因，可以分為）按其產(chǎn)生的原因，可以分為外部噪聲和內(nèi)部噪聲。外部噪聲和內(nèi)部噪聲。（2 2）按統(tǒng)計特性是否隨時間變化，可以分為）按統(tǒng)計特性是否隨時間變化，可以分為平穩(wěn)噪聲和非平穩(wěn)噪聲。平穩(wěn)噪聲和非平穩(wěn)噪聲。（3 3）按噪聲幅度隨時間分布形狀來定義，有）按噪聲幅度隨時間分布形狀來定義，有高斯噪聲、瑞利噪聲

24、、泊松噪聲等。高斯噪聲、瑞利噪聲、泊松噪聲等。 （4 4）按噪聲頻譜形狀來分類，有）按噪聲頻譜形狀來分類，有白噪聲、白噪聲、1/f1/f噪聲、三角噪聲等。噪聲、三角噪聲等。（5 5）按噪聲和信號之間的關(guān)系，可分為）按噪聲和信號之間的關(guān)系，可分為加性噪聲和乘性噪聲。加性噪聲和乘性噪聲。Slide 47高斯噪聲高斯隨機變量z的概率密度函數(shù)（ PDF ）由下式給出其中，z表示灰度值， 表示z的平均值或期望值， 表示標準差。標準差的平方 ，稱為z的方差。高斯函數(shù)的曲線如圖所示。服從上式的分布時，其值有70%落在范圍 之內(nèi)，且有95%落在范圍落在 內(nèi)。 2 , 2,2 22221zezp瑞利噪聲瑞利噪聲

25、的概率密度函數(shù) ：概率密度的均值和方差： azazeazbzpbaz0224ba442b伽馬（愛爾蘭）噪聲伽馬噪聲PDF：其中，a0，b為正整數(shù)且“！”表示階乘。其密度的均值和方差為： 0!1001zebzazazbbzpab22ab指數(shù)分布噪聲指數(shù)噪聲的PDF：其中，a0。概率密度函數(shù)的期望值和方差：注意，指數(shù)分布的概率密度函數(shù)是當b=1時愛爾蘭概率分布的特殊情況。a1221a000)(zzaezpaz均勻分布噪聲均勻分布噪聲的概率密度：概率密度函數(shù)的期望值和方差是： 其他01bzaabzp2ba 1222ab 脈沖（椒鹽噪聲）噪聲脈沖噪聲的PDF是：如果ba，灰度值b在圖像中將顯示為一個亮

26、點，a的值將顯示為一個暗點。若 或 為零，則脈沖噪聲稱為單級脈沖。如果 和 均不為零，尤其是他們近似相等時，脈沖噪聲值將類似于隨機分布在圖像上的胡椒和鹽粉微粒。 其他0bzPazPzpbaaPbPaPbP噪聲示例 (a) 原圖 (b) 高斯噪聲圖 噪聲示例 (c) 均勻分布噪聲 (d) 椒鹽噪聲 噪聲舉例右圖為額外噪聲演示的理想情況，下面我們會對各個噪聲模型作用于圖像時的結(jié)果進行演示。下圖為原始圖像和其直方圖Histogram to go here噪聲舉例(續(xù))高斯瑞利愛爾蘭噪聲舉例(續(xù))指數(shù)均勻噪聲椒鹽2MATLAB為圖像加噪聲的函數(shù)函數(shù)形式為函數(shù)形式為J = imnoise(I, type

27、, parameters)其中，其中，I為原圖像的灰度矩陣，為原圖像的灰度矩陣，J為加噪聲后的灰度矩陣。為加噪聲后的灰度矩陣。type為噪聲種類，為噪聲種類，parameters是允許修改的參數(shù)，可以默是允許修改的參數(shù)，可以默認。認。type為噪聲類型：為噪聲類型：gaussian,localvar, poisson, salt&pepper, speckleSlide 596.4.2 鄰域平均法n1空間域分析空間域分析n大部分的噪聲都可以看作是隨機信號，對圖像的影響可以看作是孤立的。n某一像素，如果它與周圍像素點相比，有明顯的不同，則該點被噪聲感染了。n 設(shè)當前待處理像素為f (m,

28、n) ，給出一個大小為33的處理模板。Slide 60圖6.18 模板示意圖 Slide 61均值濾波器算術(shù)均值濾波器算術(shù)均值濾波器 被實現(xiàn)為一個簡單的平滑濾波器，此時可以消除噪聲，使圖像變得模糊。1/91/91/91/91/91/91/91/91/9Ststsgmnyxf),(),(1),(均值濾波器均值濾波器幾何均值濾波器幾何均值濾波器 1( , )( , )( , )xymns tSf x yg s t 其中，每一個被復原像素由子圖像窗口中像素點的 次冪給出。幾何均值濾波器所達到的平滑度可以與算術(shù)均值濾波器相比，但在濾波過程中會丟失更少的圖像細節(jié)。mn1處理后的圖像設(shè)為處理后的圖像設(shè)為g

29、(m,n) ，則處理過程可描述為，則處理過程可描述為T為非負閾值，它可以根據(jù)對誤差容許的程度，選為為非負閾值，它可以根據(jù)對誤差容許的程度，選為圖像灰度均方差的若干倍，或者通過實驗得到。圖像灰度均方差的若干倍，或者通過實驗得到。Slide 64( , )( , )11( , ),( , )( , )( , )( , ),x ySx ySf x yf x yf x yTg x yMMf x y其他低通空間濾波器:平均處理u也可以把平均處理看作是圖像通過一個低通空間濾波器后的結(jié)果u設(shè)該濾波器的沖激響應為H(r,s) ，于是濾波器輸出的結(jié)果g(m,n)表示成卷積的形式，即u k,l決定了所選鄰域的大小

30、 ， H(r,s)為加權(quán)函數(shù)，又被稱為掩模(Mask)或模板kkrllsNnmsrHsnrmfnmf1, 2 , 1 , 0,),(),(),(Slide 65常用的模板： Slide 661111211111011H1212421211612H111101111813H0010041414141214H【例6.5】采用模板對圖像進行平滑處理。圖像：受到椒鹽噪聲污染的eight.tif圖像.處理：4種模板I = imread(eight.tif);%讀入原始圖像imshow(I,);f = imnoise(I,salt & pepper,0.04);%加椒鹽噪聲，噪聲強度為0.04fi

31、gure, imshow(f);h0 = 1/9.*1 1 1 1 1 1 1 1 1;%定義平滑模板h1 = 0.1 0.1 0.1; 0.1 0.2 0.1; 0.1 0.1 0.1; h2 = 1/16.*1 2 1;2 4 2;1 2 1;%高斯模板h3 = 1/8.*1 1 1;1 0 1;1 1 1;g0 = filter2(h0,f); %用模板進行濾波處理g1 = filter2(h1,f);g2 = filter2(h2,f);g3 = filter2(h3,f);figure,imshow(g0,); %顯示平滑處理結(jié)果figure,imshow(g1,);figure,i

32、mshow(g2,);figure,imshow(g3,);Slide 67圖6.19 平滑處理的實例（a）原始圖像 （b）有噪聲的圖像 （c）用模板0處理后的圖像Slide 68 （d）用模板1處理后的圖像 （e）用模板2處理后的圖像（f）用模板3處理后的圖像均值均值濾波濾波- -示例示例 (a) 輸入圖像； (b)高斯噪聲污染圖像；(c) 用均值濾波結(jié)果 噪聲去除舉例原始圖像高斯噪聲干擾的圖像3*3幾何均值濾波后的圖像3*3算術(shù)均值濾波后的圖像2頻率域分析對式（6.29）進行二維DFT，則將空間域的卷積關(guān)系轉(zhuǎn)化為頻率域的乘法關(guān)系： G(u, v) = H(u, v) F(u, v)式中，H

33、(u, v) = DFTh(u, v)為低通濾波器。由于圖像的細節(jié)也趨向于高頻段，所以選擇低通濾波器的截止頻率時要特別小心，兼顧解決降噪和保持圖像細節(jié)的矛盾。 Slide 71圖6.20 頻率域平均去噪原理框圖Slide 72圖6.21 指紋圖像的頻率域增強Slide 73 （a）指紋原圖 （b）頻率域增強后的指紋圖像 6.4.3 中值濾波1 1濾波原理濾波原理鄰域平均法：在去噪的同時也使邊界變得模糊了。中值濾波：非線性的處理方法，在去噪的同時可以兼顧到邊界信息的保留。選一個含有奇數(shù)點的窗口W，將這個窗口在圖像上掃描，把該窗口中所含的像素點按灰度級的升/降序排列，取位于中間的灰度值，來代替該點的灰度值。( , )Med(,),( , )g m nf mk nlk