数字图像处理_图像滤波

《数字图像处理_图像滤波》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、视觉信息处理图像滤波图像滤波图像处理中所用到的图像往往含有噪声，需要用图像滤波的方法去除噪声。噪声图像滤除噪声图像内容框架像素基础知识介绍算术和逻辑运算直方图直方图均衡算法，用于图像锐化。图像增强基本方法空间域平滑锐化频率域平滑的频率域滤波器锐化的频率域滤波器相关代码实现兴趣实例像素基础知识介绍像素的邻域像素间的邻接，连接和连通像素间的距离像素的邻域rrprrsspsssrsrprsrs垂直4邻域对角4邻域8邻域邻接和连接邻接两个像素点在空间上是否接触。连接两个像素点不但要在空间上接触，而且灰度值要满足

2、一定的相似性。像素集合的邻接和连接邻接:如果两个像素集合中部分像素点是邻接的，那么可以认为两个像素集合是邻接的；连接：同样的，像素集合连接也要首先保证两个像素集合是邻接的，还要保证邻接像素的灰度值保证一定的相似准则(相似准则：两个像素集合中的某些像素点满足连接要求)。像素间的距离像素在空间上的接近程度可以用像素之间的距离来衡量。给定3个像素点p,q,r，坐标分别是：，距离函数D必须满足的条件：(1)(2)(3)常用像素距离公式欧几里德距离范数距离棋盘距离像素间的基本运算算术运算：加法：p+q减法：p-q

3、乘法：p*q除法：p/q逻辑运算补与或异或图像间的算术和逻辑运算在两个像素之间算术和逻辑运算的基础上可以进行两幅图像之间点对点的算术和逻辑运算。对于图像和图像的算术和逻辑运算：加法：减法：乘法：除法：与，或，非，异或等逻辑运算也是以相对应的像素点之间的逻辑运算为基础，针对的图像都是二进制的逻辑图像。图像间的运算——加法的应用是采集到的图像，是原始场景图像，是噪声图像。图像间的加法运算多用来求采集的多幅相同图像的平均值图像，利用平均值图像滤除噪声。假设有M副图像：可以证明M越大，均值图像越接近。图像间的运

4、算——减法的应用医学图像处理中以消除背景；运动检测中起很大作用例如，采集的连续两帧图像，像素点没有变化的地方证明不是运动物体，有变化的说明像素发生了移动。对时间上相邻的两幅图像求差可以将图像中的目标位置和形状变化突出出来。直方图直方图是一个二维坐标系，横轴表示整幅图像上灰度值的变化范围，纵轴表示每个灰度值的统计个数。直方图能够反映灰度图像的灰度分布特征。原始图像直方图灰度直方图定义：nk:灰度值等于rk的像素数量（计数值）rh(r)灰度映射(直方图变换)用直方图变换方法进行图像增强是以概率论为基础的。常

5、用的方法：图像均衡化图像规定化直方图规定化的增强效果不易控制，应用不是很广泛，这里不做详细介绍。灰度映射灰度映射：r：原始图像灰度s：目标图像灰度目标：T(·)改变像素灰度分布，充分利用灰度动态范围rsrs灰度直方图反映图像的灰度分布特征直方图变换的目标：均匀分布的灰度直方图2550rh(r)归一化直方图或p(x):概率密度函数直方图均衡算法直方图均衡化主要用于增强动态范围偏小的图像的方差；基本思想：把原始的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。

6、算法理解sp(s)理想归一化直方图0L-11/LP(s)L-101/L1s灰度映射的目标(即希望变换后尽可能符合此关系)07P0.12511234560.250.3750.50.6250.750.8750.050.10r例Pr关系目标曲线原始图像中的Ｐ－r点位置对应变换后的P-r点位置算法理解算法描述设像素共分为L级(r=0,1,2,…L1)，变换后对应的灰度值记为s；原始图像的归一化直方图记为：p(r)r01234567p(r)0.050.050.150.250.400.050.050P(r)0.05

7、0.100.250.500.900.951.001.00s(r)-0.6-0.2136.26.677s00136777p’0.10.150.250.40.10L=8例直方图均衡算法可以有效地提高图像视觉的对比度直方图均衡算法不增加图像的灰度分辨率直方图均衡算法可能丢失图像细节直方图均衡算法用于图像处理流程的显示环节自动处理/分析过程中不使用直方图均衡算法图像增强基本方法空间域平滑图像卷积锐化图像差分频率域平滑的频率域滤波器锐化的频率域滤波器空间域的方法比较简单易懂，因此详细介绍；频率域方法则较为简单地介

8、绍。图像平滑图像平滑是为了消除图像中的高频分量，同时不影响低频分量；高频分量对应途中的边缘等灰度值具有较大变化的区域，平滑可以减少这部分起伏；消除噪声；在提取较大目标之前，滤除太小细节的影响。类别：线性平滑滤波非线性平滑滤波原始图像平滑图像原始图像平滑图像线性平滑滤波——邻域平均邻域平均每个像素点用它邻域像素的平均值作为平滑结果3×3模板：邻域平均，平滑滤波确实会将噪声点减弱，但是同时也是整个图像的跟为模糊，可视的细节逐渐减少，而且运算量也