空間濾波1008

1、空域濾波增強空域濾波增強所謂的圖像噪聲，是圖像在攝取時或是傳輸時所謂的圖像噪聲，是圖像在攝取時或是傳輸時所受到的隨機干擾信號。這些干擾信號的抑制所受到的隨機干擾信號。這些干擾信號的抑制稱為圖像的噪聲抑制。稱為圖像的噪聲抑制。一平滑濾波一平滑濾波鄰域均值濾波鄰域均值濾波中值濾波中值濾波二銳化濾波二銳化濾波1 均值濾波器所謂的均值濾波是指在圖像上對待處理的像素給一個模板，該模板包括了其周圍的鄰近像素。將模板中的全體像素的均值來替代原來的像素值的方法。 11111111191H以模塊運算系數(shù)表示即：121431223457689576885678912143122345768957688567893

2、44456678均值濾波器1111211111011H1212421211612H111101111813H0010041414141214H將以上的均值濾波器加以修正，可以得到加權平均濾波器。2 中值濾波器 前面我們看到，雖然均值濾波器對噪聲有抑制作用，但同時會使圖像變得模糊。為了改善這一狀況，必須尋找新的濾波器。中值濾波就是一種有效的方法。2 中值濾波器中值濾波的設計思想： 因為噪聲的出現(xiàn)，使該點像素比周圍的像素亮（暗）許多， 給出濾波用的模板，如下圖所示是一個一維的模板，對模板中的像素值由小到大排列，最終待處理像素的灰度取這個模板中的灰度的中值。m-2m-1mm+1m+22 中值濾波器二

3、維中值濾波： 與均值濾波類似，做3*3的模板，對9個數(shù)排序，取第5個數(shù)替代原來的像素值。2 中值濾波器例：12143122345768957688567891214312234576895768856789234566678均值濾波器的效果返回中值濾波器的效果返回中值濾波器與均值濾波器的比較n對于椒鹽噪聲，中值濾波效果比均值對于椒鹽噪聲，中值濾波效果比均值濾波效果好。濾波效果好。 原因：原因： 椒鹽噪聲是幅值近似相等但隨機分布在不椒鹽噪聲是幅值近似相等但隨機分布在不同位置上，圖像中有干凈點也有污染點。同位置上，圖像中有干凈點也有污染點。 中值濾波是選擇適當?shù)狞c來替代污染點的中值濾波是選擇適當?shù)?/p>

4、點來替代污染點的值，所以處理效果好。值，所以處理效果好。 因為噪聲的均值不為因為噪聲的均值不為0 0，所以均值濾波不能，所以均值濾波不能很好地去除噪聲點。很好地去除噪聲點。中值濾波器與均值濾波器的比較n對于高斯噪聲，均值濾波效果比中值濾波對于高斯噪聲，均值濾波效果比中值濾波效果好。效果好。 原因：原因： 高斯噪聲是幅值近似正態(tài)分布，但分布在每點像高斯噪聲是幅值近似正態(tài)分布，但分布在每點像素上。素上。 因為圖像中的每點都是污染點，所中值濾波選不到因為圖像中的每點都是污染點，所中值濾波選不到合適的干凈點。合適的干凈點。 因為正態(tài)分布的均值為因為正態(tài)分布的均值為0，所以根據(jù)統(tǒng)計數(shù)學，均，所以根據(jù)統(tǒng)計

5、數(shù)學，均值可以消除噪聲。值可以消除噪聲。 （注意：實際上只能減弱，不能消除。思考為什么？注意：實際上只能減弱，不能消除。思考為什么？）邊界保持平滑濾波器邊界保持平滑濾波器問題的提出：問題的提出： 前面的處理結果可知，經過平滑前面的處理結果可知，經過平滑（特別是均值）濾波處理之后，圖像（特別是均值）濾波處理之后，圖像就會變得模糊。分析原因，在圖像上就會變得模糊。分析原因，在圖像上的景物之所以可以辨認清楚是因為目的景物之所以可以辨認清楚是因為目標物之間存在邊界。標物之間存在邊界。 邊界保持平滑濾波器設計思想邊界保持平滑濾波器設計思想在進行平滑處理時，首先判別當前像在進行平滑處理時，首先判別當前像素

6、是否為邊界上的點，如果是，則不素是否為邊界上的點，如果是，則不進行處理，如果不是，則進行平滑處進行處理，如果不是，則進行平滑處理。理。圖像的銳化處理 圖象銳化的目的是加強圖象中景物的邊緣和輪廓。銳化的作用是要使灰度反差增強。因為邊緣和輪廓都位于灰度突變的地方。所以銳化算法的實現(xiàn)是基于微分作用。1 一階微分算法一、單方向的一階梯度算法一、單方向的一階梯度算法( (浮雕效果浮雕效果) ) 1. 水平方向的銳化121000121H1 一階微分算法例：例：1232121262308761278623269000000-3-13-2000-6-13-1300 1 12 50000001+2*2+3-3-

7、2*0-8=-31 一階微分算法2. 垂直方向的銳化101202101H1 一階微分算法二、 交叉微分算法（Roberts梯度算法）| ) 1,(), 1(| ),() 1, 1(|),(jifjifjifjifjiG1 一階微分算法三、 Sobel銳化算法101202101xd121000121yd2122),(),(),(jidjidjigyx1 一階微分算法四、 Priwitt銳化算法2122),(),(),(jidjidjigyx101101101xd111000111yd2 二階微分算法1. 二階微分算法的提出背景：n當邊界呈尖頂型分布時，一階微分很難識別，而二階微分算法則沒有問題。

8、2 二階微分算法2. 二階微分算法的基本原理22222yfxff),1(),(22jifjifxfxx),(),1(),1(),(jifjifjifjif)1,(),(22jifjifyfyy),()1,()1,(),(jifjifjifjif) 1, () 1, (), 1(), 1(), (42jifjifjifjifjiff2 二階微分算法3. Laplacian銳化算子 由前面的推導，寫成模板系數(shù)形式形式即為由前面的推導，寫成模板系數(shù)形式形式即為Laplacian算子：算子：0101410101H2 二階微分算法4. Laplacian變形算子 1111811112H121242121

9、3H0101510104H2 二階微分算法5. Wallis算子算子) 1,(log) 1,(log), 1(log), 1(log),(log),(41jifjifjifjifssjifjig它可以看作是校正了視覺的指數(shù)特性后的Laplacian運算。0101410101H00100414141411H一階水平方向銳化效果返回單方向一階銳化效果圖例返回Roberts梯度銳化效果圖例返回 Laplacian銳化算子效果返回Laplacian類算法效果圖返回Sobel銳化效果圖返回Prewitt銳化效果圖例返回Wallis算法效果圖返回Kirsch 算法效果圖返回人有了知識，就會具備各種分析能力，明辨是非的能力