资源描述：
《最新计算机图像处理空间域图像平滑教学讲义PPT课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、计算机图像处理空间域图像平滑图像增强的方法：全域线性灰度变换截取式线性灰度变换分段式线性变换直方图均衡化直方图规定化都是为了把层次感不强的图像变得层次分明噪声消除法算法噪声消除法平滑时，顺序检测每一个像素，如果某个像素的幅度大于其邻域平均值，且达到一定的程度，则判定该像素为噪声；继而用其邻域平均值来代替该像素。数学表示：邻域的概念一个像素的周边像素的集合称之为它的邻域。通常邻域是远比图象尺寸小的一规则形状。如下面情况中，一个点的邻域定义为以该点为中心的一个圆内部或边界上点的集合。邻域也称为窗口常见的有3*3，5*5等样式。邻域点+的邻域点+的邻域邻域对于像素（m,n)，其
2、邻域像素如下：(m-1,n-1)(m-1,n)(m-1,n+1)(m,n-1)(m,n)(m,n+1)(m+1,n-1)(m+1,n)(m+1,n+1)邻域如线状、方形、十字形、圆形、菱形等（见图）噪声消除法举例给定一幅图像添加椒盐噪声椒盐噪声--白图像上的黑点和黑图像上的白点使用噪声消除法去除噪声需要确定窗口形状确定门槛值T实例(a)原图像(b)对(a)加椒盐噪声的图像(c)3×3噪声消除法(T=64)(d)5×5噪声消除法(T=48)邻域平均法邻域平均法是一种直接在空间域上进行平滑处理的技术。邻域平均法用邻域内各像素的灰度平均值代替该像素原来的灰度值，来实现图像的平滑
3、。邻域平均法1、方法：逐个处理待处理像素，以其邻域平均值取代该像素原来的灰度值。2、邻域的选取：通常有两种方式，以单位距离为半径或单位距离的倍为半径取一个窗口。邻域平均法设有一幅N×N的图像f(x,y)，若变换后的图像为g(x,y),则有式中x,y=0,1,…,N-1；s为（x,y）邻域内像素坐标的集合；M表示集合s内像素的总数。可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。(m-1,n-1)(m-1,n)(m-1,n+1)(m,n-1)(m,n)(m,n+1)(m+1,n-1)(m+1,n)(m+1,n+1)例如，对图像采用3×3的邻域平均
4、法，对于像素（m,n)，其邻域像素如下：则有：其作用相当于用这样的模板同图像卷积。经过上述平滑后，信号与噪声的方差比可望提高M倍。这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。如图4.2.1(c)和(d)。模板一个窗口，可理解为一个窗格。如010111010模板模板包含一些元素，可用矩阵表示如：模板104566771223445423543257135764240132464376431242752315705556600714667712234454253257135764240132
5、4643764312427523157055566007模板（template，filtermask）给定图象f(x,y)大小N*N，模板T(i,j)大小m*m（m为奇数）常用的相关运算定义为：使模板中心T((m-1)/2,(m-1)/2)与f(x,y)对应模板的相关运算图像模板f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)T(0,0)T(0,1)T(0,2)T(1,0)T(1,1)T(1,2)T(2,0)T(2,1)T(2,2)模板的相关运算模板的卷积运算卷积运
6、算定义为：模板的卷积运算图像模板f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)T(0,0)T(0,1)T(0,2)T(1,0)T(1,1)T(1,2)T(2,0)T(2,1)T(2,2)f(x-1,y-1)f(x-1,y)f(x-1,y+1)f(x,y-1)f(x,y)f(x,y+1)f(x+1,y-1)f(x+1,y)f(x+1,y+1)T(0,0)T(0,1)T(0,2)T(1,0)T(1,1)T(1,2)T(2,0)T(2,1)T(2,2)相关与卷积的物理含
7、义相关运算是将模板当权重矩阵作加权平均；而卷积先沿纵轴翻转，再沿横轴翻转后再加权平均。如果模板是对称的，那么相关与卷积运算结果完全相同。邻域运算实际上就是卷积和相关运算，用信号分析的观点就是滤波。(a)原图像(b)对(a)加椒盐噪声的图像(c)3×3邻域平滑(d)5×5邻域平滑实例邻域平均法举例给定一幅图像添加椒盐噪声使用邻域平均法去除噪声需要确定窗口形状确定为3*3窗口Matlab程序clear;clc;I=imread('eight.tif');J=imnoise(I,'salt&pepper',0.02);K=filte
