第10章 空间滤波
空间滤波的理论和方法
的卷积的平方。通常可运用这一原理，根据对输入信息的具体要求，进行变 换或滤波。如果从光学系统所能完成的功能分析，系统的空间滤波可以实现 输入信息与滤波器脉冲响应的卷积运算。在频谱平面上放置滤波器其后有
AF fx, fy H fx, fy . 实际上是实现了输入频谱和滤波器复振幅透过率的乘
阿贝——波特实验图示
空间滤波的基本原理
阿贝—波特实验：结论
1．实验充分证明了阿贝成像理论的正确性：像的结构直接 依赖于频谱的结构，只要改变频谱的组分，便能够改变像 的结构；像和物的相似程度完全取决于物体有多少频率成 分能被系统传递到像面。
2．实验充分证明了傅里叶分析和综合的正确性： （1）频谱面上的横向分布是物的纵向结构的信息（图B）； 频谱面上的纵向分布是物的横向结构的信息（图C）； （2）零频分量是直流分量，它只代表像的本底（图D）； （3）阻挡零频分量，在一定条件下可使像的衬度发生反转 （图E）； （4）仅允许低频分量通过时，像的边缘锐度降低；仅允许 高频分量通过时，像的边缘效应增强； （5）采用选择型滤波器，可望完全改变像的性质（图F）。
空间滤波的理论和方法
重点
• 1. 空间滤波的基本原理 • 2. 空间滤波的基本系统 • 3. 空间滤波器 • 4. 空间滤波应用举例
空间滤波的基本原理 阿贝——波特成像理论
阿贝成像原理
阿贝——波特成像理论
• 阿贝认为相干成像过程分两步完成，如图所示。第一步 是物体在相干平行光垂直照明下，可看作是一个复杂的 光栅，照明光通过物体被衍射，衍射光波在透镜后焦平 面射上光P斑1形作成为物新体的O次的级夫波琅源禾发费出光球斑面图子样波；，第在二像步平是面各相衍干 叠加形成物体的像。将显微镜成像过程看成是上述两步 成像过程，人们称其为阿贝成像理论。
空间滤波的基本原理与各式滤波器
Chapter 3強度轉換與空間濾波空間濾波的基本原理與各式濾波器Chapter 3強度轉換與空間濾波(S ti l filt i )遮罩mask空間濾波(Spatial filtering)將濾波遮罩在影像中移動，在每一點(x,y)計算濾波係數及遮罩所涵蓋的影像區域的像素乘積和mask 濾波器filter 核心kernel template 模板template 窗windowmaskimage++++++−−+−−−−=y x f w y x f w y x f w y x f w y x g )1,1()1,1(...),()0,0(...),1()0,1()1,1()1,1(),(∑∑−=−=++=aa s bbs t y s x f t s w y x g ),(),(),(Chapter 3強度轉換與空間濾波相關性(correlation)迴旋積(convolution)相關性¾迴旋積Chapter 3強度轉換與空間濾波相關性迴旋積相關性∑++=a bt s x t s w y x f y x w ,,),(),(o ∑−=−=a s bt y f )()(•y x f y x w ),(),(迴旋積∑∑−=−=−−=a a s bbt t y s x f t s w ),(),(Chapter 3強度轉換與空間濾波Chapter 3強度轉換與空間濾波z w z w z w R mn mn +++= (221)1h (-1,-1)h (-1,0)h (-1,1)-1z w mni k k =∑=1h (0,1)h (0,0)h (0,1)h (1,-1)h (1,0)h (1,1)zw T =產生空間濾波器遮罩h (x ,y )1.平均濾波器z w z w z w R +++=...對於3*3的遮罩2.101 and 101 1),(,,-y ,,-x y x h ===z w kk =∑9992211 2.高斯濾波器101and 101 2222−=−==+x ex h y x σzw Tk ==1,,,,,),(y yChapter 3強度轉換與空間濾波平滑空間濾波器Smoothing spatial filters•∑a bGeneral form用於模糊化跟減少雜訊•以濾波器所定義的平均值取代原灰階值•對於銳利的邊緣也有模糊的負效果∑∑−=−=++=aba s bt t s w t y s x f t s w y x g ),(),(),(Box filterWeighted average∑−=−=a s bt ),(1(所有係數都相等)g g (每個像素有不同的重要性)∑==919i izRChapter 3強度轉換與空間濾波3使用方形濾波器的結果N=3N9N=5N=9N 15N35N=15N=35Chapter 3強度轉換與空間濾波Threshing with a threshold value equal to 影像平均遮罩的大小建立了會被融入背景的物體的相對大小，可用於標示較大較亮的物體Threshing with a threshold value equal to 25% of the highest intensity in the blurredimage, the small objects are eliminated.After averaging, the small objectsblend with backgroundChapter 3強度轉換與空間濾波排序統計濾波器(Order-statistics filters)非線性的濾波器，其響應建立在由濾波器所包圍的影像區域中所含的像素順序上•中值濾波器Median filterM di filt•將像素值用該鄰近區域像素的“中間值＂代替•適用於胡椒鹽式雜訊(salt and pepper noise)M filt Mi filt•Max filter, Min filter平均濾波中間值濾波Chapter 3強度轉換與空間濾波•中值濾波器1818191919202021155將九宮格中的灰階值重新排序1819182021中值19155202121 20192120191819182021 191920212119202116018 17192220192019212019 19202116018 1719222019胡椒鹽式雜訊Chapter 3強度轉換與空間濾波•中值濾波器—水彩畫特效Chapter 3強度轉換與空間濾波S li銳化空間濾波器(Sharpening spatial filters)突顯影像中細微的部分或增強模糊的細節,藉由微分來達成Scan line •微分運算子的響應強度正比於所在影像處的不連續程度•微分增強邊緣和不連續處fderivative order -First −∂()()x fx f xderivative order -Second 12∂+=∂()()()x f x f x f xf2112−−++=∂Chapter 3強度轉換與空間濾波銳化空間濾波器(Sharpening spatial filters)微分運算子的響應強度正比於運算子在其運用點處影像強度不連續的程度一階導數first derivative•在常數強度區域中為零•在強度步階斜面起始處不為零•沿著斜面不為零二次導數Second-order derivatives•在常數強度區域中為零•在強度步階或斜面起始處以及尾端不為零沿著有常數斜率的斜面為零•Chapter 3強度轉換與空間濾波二次導數濾波器圖3.37(a)用來實現(3.6-6) 式的濾波器遮罩；Laplacian22∂(b)實現此式之延伸所用的遮罩，其中包括對角項；(c)和(d) 兩個實際上常見之拉普拉斯的其它實現。
空间滤波技术的应用
空间滤波技术的应用摘要空间滤波技术是一种采用滤波处理的影响增强方法，目的是改善影像质量，包括去除高频噪声与干扰，及影像边缘增强、线性增强以及去模糊等。
本文主要介绍了空间滤波技术在如下二个方向的应用：遥感图像和条带噪声去除。
关键词空间滤波；遥感图像；条带噪声The application of spatial filtering technologyAbstract The spatial filtering technique is a filtering process enhancement method,the purpose is to improve the image quality,including removing high frequency noise and interference,and the image edge enhancement,linear enhancement,and deblurring. This paper describes the spatial filtering with noise removal technology in the application of the following three directions: quality testing,remote sensing image,as well as Article.Key words spatial filtering; remote sensing image; striping noise1.引言空间滤波技术的理论基础是空间卷积，分为低通滤波（平滑化）、高通滤波（锐化）和带通滤波。
空间滤波能够应用在很多方面，在对影像的增强作用上效果明显，还可以配合其它的图像处理技术在图像处理方面发挥更大作用。
2.空间滤波在遥感图像中的应用近些年，随着人们生活素质的提高，对信息的需求越来越多，遥感信息的需求量更是日益增加，为此，快速地发展遥感图像处理技术具有很深刻的现实意义。
空间域滤波资料共70页
51、没有哪个社会可以制订一部永远 适用的 宪法， 甚至一 条永远 适用的 法律。 ——杰 斐逊 52、法律源于人的自卫本能。——英 格索尔
53、人们通常会发现，法律就是这样 一种的 网，触 犯法律 的人， 小的可 以穿网 而过， 大的可 以破网 而出， 只有中 等的才 会坠入 网中。 ——申 斯通 54、法律就是法律它是一座雄伟的大 夏，庇 护着我 们大家 ；它的 每一块 砖石都 垒在另 一块砖——罗·伯顿
31、只有永远躺在泥坑里的人，才不会再掉进坑里。——黑格尔 32、希望的灯一旦熄灭，生活刹那间变成了一片黑暗。——普列姆昌德 33、希望是人生的乳母。——科策布 34、形成天才的决定因素应该是勤奋。——郭沫若 35、学到很多东西的诀窍，就是一下子不要学很多。——洛克
空间域滤波——精选推荐
空间域滤波空间域滤波基础 某些邻域处理⼯作是操作邻域的图像像素值以及相应的与邻域有相同维数的⼦图像的值。
这些⼦图像可以被称为滤波器、掩模、核、模板或窗⼝，其中前三个词是更为普遍的术语。
在滤波器⼦图像中的值是系数值，⽽不是像素值。
空间滤波就是在待处理图像中逐点地移动掩模。
在每⼀点 (x, y) 处，滤波器在该点的响应通过事先定义的关系来计算。
对于线性空间滤波，其响应由滤波器系数与滤波掩模扫过区域的相应像素值的乘积之和给出。
对于⼀个尺⼨为 m×n 的掩模，我们假设 m=2a+1 且 n=2b+1，这⾥的 a、b 为⾮负整数。
在后续的讨论中，处理的掩模的长与宽都为奇数。
⼀般来说，在 M×N 的图像 f 上，⽤ m×n ⼤⼩的滤波器掩模进⾏线性滤波由下式给出： 这⾥，a=(m-1)/2 且 b=(n-1)/2。
为了得到⼀幅完整的经过滤波处理的图像，必须对 x=0, 1, 2, …, M-1 和 y=0, 1, 2, …, N-1 依次应⽤公式。
这样，就保证了对图像中的所有像素进⾏了处理。
式中的线性滤波处理与频率域中卷积处理的概念很相似。
因此，线性空间滤波处理经常被称为“掩模与图像的卷积”。
类似地，滤波掩模有时也可以称为“卷积模板”或“卷积核”。
当滤波中⼼靠近图像轮廓时发⽣的情况 考虑⼀个简单的⼤⼩为 n×n 的⽅形掩模，当掩模中⼼距离图像边缘为 (n-1)/2 个像素时，该掩模⾄少有⼀条边与图像轮廓相重合。
如果掩模的中⼼继续向图像边缘靠近，那么掩模的⾏或列就会处于图像平⾯之外。
⽅法⼀：最简单的⽅法就是将掩模中⼼点的移动范围限制在距离图像边缘不⼩于 (n-1)/2 个像素处。
如果要保持与原图像⼀样⼤⼩，可以直接将未处理的图像边缘像素直接复制到结果图像，或者⽤全部包含于图像中的掩模部分滤波所有像素。
通过这种⽅法，图像靠近边缘部分的像素带将⽤部分滤波掩模来处理。
⽅法⼆：在图像边缘以外再补上 (n-1)/2 ⾏和 (n-1)/2 列灰度值为0（也可为其它常值）的像素点，或者将边缘复制补在图像之外。
空间滤波的原理与应用
空间滤波的原理与应用1. 空间滤波的概念空间滤波是数字图像处理中一种常见的技术，它通过对图像进行像素级别的操作，改善图像质量、增强图像细节、去除图像噪声等。
空间滤波主要是通过应用数学算法，对图像的像素值进行处理，以改变图像的亮度、对比度和细节。
2. 空间滤波的原理空间滤波主要基于图像的局部像素之间的关系进行操作。
它利用图像中的空间邻域的信息来调整像素值，从而改变图像的特征。
常用的空间滤波方法包括均值滤波、高斯滤波和中值滤波。
2.1 均值滤波均值滤波是最简单的一种空间滤波方法。
它通过计算像素周围的邻域均值来代替像素值。
均值滤波可以有效地去除图像噪声，但会模糊图像细节。
2.2 高斯滤波高斯滤波是一种利用高斯函数对图像进行滤波的方法。
它通过计算像素周围邻域的加权平均值来代替像素值。
高斯滤波能够平滑图像并保持细节，通常被用于降低图像的噪声和平滑图像。
2.3 中值滤波中值滤波是一种基于排序统计的滤波方法。
它通过将像素邻域的像素值排序，取中间值作为像素值进行替代。
中值滤波能够有效地去除图像中的椒盐噪声和斑点噪声，但对图像细节存在一定的破坏。
3. 空间滤波的应用3.1 图像去噪空间滤波在图像去噪中有广泛的应用。
根据图像中所存在的噪声类型不同，可以选择不同的空间滤波方法进行去噪处理。
例如，对于高斯噪声，可以选择高斯滤波进行去噪；对于椒盐噪声，可以选择中值滤波进行去噪。
3.2 图像增强空间滤波还可以用于图像增强。
通过调整滤波器的参数或选择不同的滤波器，可以改变图像的亮度、对比度和细节，使图像更加清晰和鲜明。
3.3 图像分割空间滤波在图像分割中也有重要的应用。
通过对图像进行滤波处理，可以强化图像的边缘特征，从而帮助实现图像分割任务。
常用的边缘检测滤波器包括Sobel滤波器和Laplacian滤波器。
3.4 图像平滑空间滤波还可以用于图像平滑。
图像平滑主要是为了去除图像中的噪声和干扰，使图像更加平滑和连续。
常用的平滑滤波器包括均值滤波、高斯滤波和中值滤波。
空间频率滤波
空间频率滤波空间频率滤波是在光学系统的空间频谱面上放置适当的滤波器，去掉（或有选择地通过）某些空间频率或改变它们的振幅和位相，使物体的图像按照人们的希望得到改善。
它是信息光学中最基本、最典型的基础实验，是相干光学信息处理中的一种最简单的情况。
早在1873年，德国人阿贝（E.Abbe,1840~1905）在蔡司光学公司任职期间研究如何提高显微镜的分辨本领时，首次提出了二次衍射成像的理论。
阿贝和波特（A.B.Porter ）分别于1893年和1906年以一系列实验证实了这一理论。
1935年泽尼可（Zernike ）提出了相衬显微镜的原理。
这些早期的理论和实验其本质上都是一种空间滤波技术，是傅里叶光学的萌芽，为近代光学信息处理提供了深刻的启示。
但由于它属于相干光学的范畴，在激光出现以前很难将它在实际中推广使用。
1960年激光问世后，它才重新振兴起来，其相应的基础理论——“傅里叶光学”形成了一个新的光学分支。
目前光信息处理技术已广泛应用到实际生产和生活各个领域中。
一、实验目的1. 了解傅里叶光学基本理论的物理意义，加深对光学空间频率、空间频谱和空间频率滤波等概念的理解；2. 验证阿贝成像原理，理解成像过程的物理实质——“分频”与“合成”过程，了解透镜孔径对显微镜分辨率的影响；二、实验原理1. 傅里叶光学变换设有一个空间二维函数),(y x g ，其二维傅里叶变换为dxdy y x i y x g G )](2exp[),(),(ηξπηξ+-=⎰⎰∝∝- (1) 式中ηξ,分别为x,y 方向的空间频率，而),(y x g 则为),(ηξG 的傅里叶逆变换，即ηξηξπηξd d y x i G y x g ⎰⎰+=∝∝-)](2exp[),(),( (2)式（2）表示，任意一个空间函数),(y x g 可表示为无穷多个基元函数)](2exp[y x i ηξπ+的线性迭加，),(ηξG 是相应于空间频率为ηξ,的基元函数的权重，),(ηξG 称为),(y x g 的空间频谱。
阿贝成像原理和空间滤波
随着光学材料的发展，新型的光学材料如光子晶体、超材料等有 望为空间滤波技术带来突破。
数字空间滤波技术
数字空间滤波器通过数字信号处理技术实现，具有更高的灵活性和 可调性。
多模态和多维成像技术
结合不同模态的成像信息和多维度的空间滤波技术，有望提高成像 的分辨率和深度信息。
阿贝成像和空间滤波的前沿研究
阿贝成像与空间滤波在理论上是相辅相成的，阿贝成像关注物像对应关系，而空间 滤波则通过引入外部干预来优化图像。
阿贝成像与空间滤波在光学系统中的应用
在光学系统中，阿贝成像原理指导我 们如何构建高质量的成像系统，而空 间滤波则可以用来校正系统误差、抑 制噪声和提高图像分辨率。
通过结合阿贝成像和空间滤波，我们 可以获得更清晰、更准确的图像，从 而提高光学系统的性能。
1 2
超分辨成像技术
通过突破光学衍射极限，实现更高分辨率的成像 。
深度学习在空间滤波中的应用
利用深度学习算法对图像进行自适应滤波，提高 图像质量。
3
多焦点成像和空间滤波
通过多焦点成像技术，实现多焦点之间的空间滤 波和图像融合。
THANKS
谢谢您的观看
阿贝成像原理和空间滤波
汇报人： 2024-01-10
目录
• 阿贝成像原理概述 • 空间滤波原理 • 阿贝成像与空间滤波的结合 • 阿贝成像和空间滤波的实验演
示 • 阿贝成Leabharlann 和空间滤波的未来发展01
阿贝成像原理概述
阿贝简介
阿贝（Abbe）是19世纪德国物理学家和数学家，他提出了 阿贝成像原理，奠定了显微镜和望远镜等光学仪器成像的理 论基础。
阿贝成像与空间滤波在图像处理中的优势
阿贝成像确保了图像的几何精度和物像对应关系，而空间滤波则能够改善图像的视觉效果和特征提取 。
空间频率与空间滤波
空间频谱与空间滤波一， 实验背景：阿贝成像原理认为：透镜成像过程可分为两步，第一步是通过物体衍射的光在系统的频谱面上形成空间频谱，这是衍射引起的“分频”作用；第二步是代表不同空间频率的各光束在像平面上相互叠加而形成物体的像，这是干涉引起的“合成”作用。
这两步从本质上对应着两次傅里叶变换。
如果这两次傅里叶变换完全理想，则像和物应完全一样。
如果在频谱面上设置各种空间滤波器，当去频谱中某一频率的成分，则将明显地影响图像，此即为空间滤波。
二， 实验目的：1， 掌握光具座上光学调整技术；2， 掌握空间滤波的基本原理，理解成像过程中“分频” 与“合成”作用。
3， 掌握方向滤波，高通滤波，低通滤波等滤波技术，观察各种滤波器产生的滤波效果，加深对光学信息处理实质的认识。
三， 实验原理：1， 傅立叶变换近代光学中，对光的传播和成像过程用傅立叶变换来表达，形成了傅立叶光学，可以处理一些无法用经典光学理论解决的问题。
傅立叶变换时处理振荡和波这类问题的有力工具。
对振动和波的傅立叶分析一般在时域和频域中进行，而对光的传播与成像分析是在空间和倒数空间中进行的。
不考虑时域，单色平面光波的表达式如下：0()[()]f r Aexp i k r ϕ=⋅+ （1）直角坐标系中，k 的方向余弦为(cos ,cos ,cos )αβγ，r 为（x ，y ，z ）2(cos cos ,cos )k r x y z παβγλ⋅=+ （2） 波矢量的物理意义可以理解为平面波的空间频率，在x ，y ，z 方向上三个分量分别为222cos , cos , cos x y z f f f πππαβγλλλ=== （3）在傅立叶光学中，将物光作为一个输入函数（物函数），研究其经过具有傅立叶变换作用的光学元件后在接收面上得到的输出函数（像函数）。
以物是平面图像为例，物函数g （x ，y ）可以表示成一系列不同空间频率的单色平面波的线性叠加，即(,)(,)exp[2()]x y x y x y g x y G f f i xf yf df df π∞-∞=+⎰⎰ (4)其中(,)x y G f f 被称为物函数的空间频谱函数。
简述空间滤波在光信息处理中的实际应用
简述空间滤波在光信息处理中的实际应用空间滤波是光信息处理领域中常用的一种处理方法。
它采用一定的滤波器对图像的空间域或频域进行处理，从而去除图像中的噪声和干扰，提高图像质量。
在实际应用中，空间滤波有着广泛的应用，以下将从多个方面介绍它的应用。
1. 去除图像噪声在光学成像过程中，由于各种因素的影响会导致图像中出现噪声，从而影响图像的质量。
空间滤波可以对图像进行均值滤波、中值滤波等操作，从而可以消除图像中的噪声，提高图像的质量。
这在医学图像处理中特别重要，因为医生需要清晰地看到患者身体的各种器官和组织，以确保正确的诊断。
2. 图像融合光信息处理中另一个重要的应用是图像融合。
这种方法通过将多张图像混合在一起，制作一张具有完整信息的图像。
利用空间滤波技术，可以消除不同图像之间的噪声和异常值，从而更好地合并图像。
这种方法广泛应用于卫星遥感和气象学领域。
3. 像素恢复和图像增强空间滤波在像素恢复和图像增强方面也有广泛的应用。
在这些应用中，滤波器能够增强图像中不同元素的对比度，并恢复部分被损坏的像素，从而提高图像的质量。
例如，在航空、医学、工业和安全监控中，空间滤波可以用于图像增强，帮助操作员识别重要的信息。
4. 图像分割图像分割是光信息处理领域的一项重要任务，它可以将图像中的不同区域分离开来。
这种方法广泛应用于医疗图像分析、遥感和涉及图像分类的应用。
空间滤波技术可以有效地进行图像分割，帮助区分不同区域之间的边界和轮廓，使图像在分类和识别上更加精确。
综上所述，空间滤波在光信息处理中的应用有着广泛的应用，它可以消除噪声和干扰，提高图像质量，还可以进行图像融合、像素恢复和图像增强，以及图像分割。
通过这些应用，空间滤波技术在医学、工业、军事、航空、气象和环境保护等领域中发挥着重要作用。
光学空间滤波
光学空间滤波实验研究1．阿贝成像原理1873年，阿贝(Abbe)在研究显微镜成像原理时提出了一个相干成像的新原理，这个原理为当今正在兴起的光学信息处理奠定了基础。
如图1-1所示，用一束平行光照明物体，按照传统的成像原理，物体上任一点都成了一次波源，辐射球面波，经透镜的会聚作用，各个发散的球面波转变为会聚的球面波，球面波的中心就是物体上某一点的像。
一个复杂的物体可以看成是无数个亮度不同的点构成，所有这些点经透镜的作用在像平面上形成像点，像点重新叠加构成物体的像。
这种传统的成像原理着眼于点的对应，物像之间是点点对应关系。
阿贝成像原理认为，透镜的成像过程可以分成两步：第一步是通过物的衍射光在透镜后焦面(即频谱面)上形成空间频谱，这是衍射所引起的“分频”作用；第二步是代表不同空间频率的各光束在像平面上相干叠加而形成物体的像，这是干涉所引起的“合成”作用。
成像过程的这两步本质上就是两次傅里叶变换。
如果这两次傅里叶变换是完全理想的，即信息没有任何损失，则像和物应完全相似。
如果在频谱面上设置各种空间滤波器，挡去频谱某一些空间频率成份，则将会使像发生变化。
空间滤波就是在光学系统的频谱面上放置各空间滤波器，去掉(或选择通过)某些空间频率或者改变它们的振幅和相位，使二维物体像按照要求得到改善。
这也是相干光学处理的实质所在。
以图l-l 为例，平面物体的图像可由一个二维函数g(x,y)描述，则其空间频谱G(f x ，f y )即为g(x ，y)的傅里叶变换：2(,)(,)(,)x y i f x f y x y G f f g x y edxdy π∞-∞-=⎰⎰ （1-1）设,x y ''为透镜后焦面上任一点的位置坐标，则式中为x x f F λ'=，y y f Fλ'= （1-2） 方向的空间频率，量纲为L -1, F 为透镜焦距，λ为入射平行光波波长。
再进行一次傅里叶变换，将(,)G fx fy 从频谱分布又还原到空间分布(,)g x y '''''。
空间滤波实验-图文
空间滤波实验-图文0引言《光信息技术》是光信息科学与技术、测控技术与仪器、电子信息工程专业的一门专业课。
光学信息处理技术是近20多年来发展起来的新的研究领域，在现代光学中占有重要的位置。
光学信息处理可完成对二维图像的识别、增强、恢复、传输、变换、频谱分析等。
从物理光学的角度，光学信息处理是基于傅里叶变换和光学频谱分析的综合技术，通过在空域对图像的调制或在频域对傅里叶频谱的调制，借助空间滤波的技术对光学信息（图像）进行处理。
即通过有意识地改变像的频谱，使像实现所希望的变化。
在阿贝成像理论的教学中，单纯依靠数学推演来讲解，效果不好，特别是空间频率、空间滤波等概念的形成有一定的困难。
虽然可以通过空间滤波实验来加强教学效果，但由于受仪器、场地等方面的限制，实验现象不太理想。
为此，我们在原有的实验基础上设计出空间滤波实验与计算机模拟实验相结合,可以获得较好的教学效果。
1.设计原理及思想1）设计原理光学信息处理的理论基础是阿贝（Abbe）二次衍射成像理论和著名的阿贝－波特（Abbe－Porter）实验。
根据阿贝成像原理，相干光学成像过程可分为两步：第一步称为分频过程，即从物平面到光源的共轭像平面或称频谱面，由输入的物作为衍射屏对照射光波产生夫琅和费衍射；第二步称为合频或频谱综合过程，即从频谱面到输入物的共轭像平面，被分解的频谱成分经进一步的衍射后再次叠加形成输入物的共轭像。
按照傅里叶变换理论，两步成像过程实际上是光学系统对携带输入物信息的二维光场的复振幅分布进行的两次傅里叶变换过程。
典型的光学信息处理系统为如图1所示的4f傅里叶变换系统：输入平面P1（即物平面）位于透镜L1的前焦平面，输出平面P3（即像平面）位于透镜L2的后焦平面。
透镜L1和L2分别起分频（傅里叶变换）和合频（逆傅里叶变换）作用。
P2为频谱面，在频谱面上作的光学处理就是空间滤波。
最简单的方法是用各种滤波器对衍射斑进行取舍，达到改造图像的目的。
《遥感原理与应用》实验报告——空间滤波
实验名称：空间滤波一、 实验内容1. 对影像进行中值滤波。
2. 对影像进行Sobel 滤波。
二、 实验所用的仪器设备，包括所用到的数据Window7/XP 操作系统电脑一台，遥感影像处理软件（ENVI4.3)，TM 单波段卫星遥感影像PCA 。
三、 实验原理（一） 中值滤波1. 定义：是一种非线性的平滑方法，对一个滑动窗口内的诸像素灰度值排序，用其居于中间位置的值代替窗口中心像素的灰度值。
2. 中间值的取法：当邻域内像元数为偶数时，取排序后中间两像元值的平均值；当邻域内的像素数为奇数时，取排序后的位于中间位置的像元的灰度。
3. 优缺点：抑制噪声的同时能够有效保护边缘少受模糊，但是对点、线等细节较多的图像却不太合适。
当窗口内噪声点的个数大于窗口宽度的一半时，中值滤波的效果不好，因此正确选择窗口的尺寸是用好中值滤波的重要环节。
（二） Sobel 滤波1. Sobel 算子： Sobel 算子是图像处理中的算子之一，主要用于边缘检测。
在技术上，它是一离散性差分算子，用来运算图像亮度函数的梯度之近似值。
在图像的任何一点使用此算子，将会产生对应的梯度矢量或是其法矢量。
2. 核心公式：该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积，即可分别得出横向及纵向的亮度差分近似值。
如果以A 代表原始图像，Gx 及Gy 分别代表经横向及纵向边缘检测的图像，其公式如下:AG and A G +⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+++---=+⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡+-+-+-=121000121101202101y x 图像的每一个像素的横向及纵向梯度近似值可用以下的公式结合，来计算梯度的大小。
然后可用以下公式计算梯度方向。
如果以上的角度θ等于零，即代表图像该处拥有纵向边缘，左方较右方暗。
3. Sobel 滤波：Sobel 滤波是通过Sobel 算子与原始影像进行卷积实现的。
4. 优缺点：该滤波方式使图像的非线性边缘增强。
空间滤波
用普通显微镜观察样品， 衬比度极小。 Zernike提出
切片 （物）
e
相位板 i
像
在玻璃片中 相位反衬法：
心滴一小滴厚h 的液体，
2 π nh
放到频谱面上引起 0 级相移：
~ ~ i（x , y） U物 ( x, y) At ( x, y) Ae
A1 i
1873年，德国阿贝二次成象理论与实验—空间滤波 与光学信息处理的先导 1935年，荷兰泽尼克相衬显微术—空间滤波与光学 信息处理的杰出范例 60年代，Cutrona对综合孔径雷达数据处理、1963年 Vander Lugt全息滤波器、1965年Lohmann和Brown计算 全息图—空间滤波与光学信息处理的蓬勃发展时期
光学强有力的数学手段— 付氏分析， 给了数学上的付氏变换的运算提供了一个新 技术— 光学计算术。 一个透镜就是一个光学模拟计算机。 光学模拟计算机的优点：
1）能直接处理连续函数，不需要抽样离散化… 2）能直接处理二元函数 f (x , y)。 3）是并行输入，光束交叉可独立传播。 4）速度快，不受电路时间常数 RC 的限制。 5）装置简单，价格低。
这样：
I ( x, y) 1 2 ( x, y)
于是像的光强中就更加突出了相位的变化。 Zernike 因此获得了1953年诺贝尔物理奖。
普通显微镜（左）和相衬显微镜拍摄的硅藻照片
三 复数滤波器－图象识别和消模糊
复数滤波器制作：1963年Vander Lugt全息方法制作 L1 P
滤波函数为
T ( f x ) j 2f x
fx可取正、负两值。 为实现负值，可将两块模片叠合，一块是振幅模片 ，其透过率为 T1 ( f x ) 2f x 另一块是相位模片，做成在的正范围和负范围中， 其相位差为的相位掩模，其透过率函数为
第10章 空间滤波
• • • •
w=ones(31); gd=imfilter(f,w); figure() imshow(gd,[])
gc=imfilter(f,w,'circular'); figure() imshow(gc,[])
• gr=imfilter(f,w,'replicate'); • figure() • imshow(gr,[])
若滤波器关于其中心对称，则两个选项将产生同 样的结果
10.2线性空间滤波
• 在使用预先旋转的滤波器或对称的滤波器时，希 望执行相关，就有两种方法： • 第一： g=imfilter(f, w, ‘conv’, ‘replicate’)
• 第二：使用函数rot90(w,2), 将图像旋转180°，然 后使用g=imfilter(f, w, ‘replicate’)
10.2线性空间滤波 1 imfilter——实现线性空间滤波 函数的语法 g=imfilter (f, w, filtering_mode, boundary_option , size_options )
f是输入图像，w是滤波掩模，g为滤波结果 filtering_mode制定滤波过程中是使用相关（corr） 还是卷积(conv) boundary_option用于处理边界填充零问题，边界 的大小由滤波器的大小确定。 size_options 可以是’same’或’full’
10.3 非线性空间滤波 2 统计排序滤波器
10.3 非线性空间滤波 2 统计排序滤波器
10.3 非线性空间滤波 3 中值滤波的原理
10.3 非线性空间滤波 4 中值滤波的实现
将模板区域内的像素排序，求出中间值
10.3 非线性空间滤波 4 中值滤波的实现
空间滤波的基本原理28页PPT
END
空间滤波的基本原理
36、如果我们国家的法律律就 会更好 。—— 马克·吐 温 37、纲纪废弃之日，便是暴政兴起之 时。— —威·皮 物特
38、若是没有公众舆论的支持，法律 是丝毫 没有力 量的。 ——菲 力普斯 39、一个判例造出另一个判例，它们 迅速累 聚，进 而变成 法律。 ——朱 尼厄斯
40、人类法律，事物有规律，这是不 容忽视 的。— —爱献 生
16、业余生活要有意义，不要越轨。——华盛顿 17、一个人即使已登上顶峰，也仍要自强不息。——罗素·贝克 18、最大的挑战和突破在于用人，而用人最大的突破在于信任人。——马云 19、自己活着，就是为了使别人过得更美好。——雷锋 20、要掌握书，莫被书掌握；要为生而读，莫为读而生。——布尔沃
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
10.1 引言 10.2 线性空间滤波 10.3 非线性空间滤波
10.1 引言
1 空间域滤波增强定义：
空间域滤波增强采用模板处理方法对图像进
行滤波，去除图像噪声或增强图像的细节。
模板本身被称为空间滤波器
10.1 引言
• 空域滤波是将邻域内的图像象素值同对应 的与邻域有相同维数的子图像值相作用 • 子图像亦称作：filter（滤波器）、 mask （掩模）、 kernel（核）、 template（模 板）、 window（窗）
• • • •
w=ones(31); gd=imfilter(f,w); figure() imshow(gd,[])
gc=imfilter(f,w,'circular'); figure() imshow(gc,[])
• gr=imfilter(f,w,'replicate'); • figure() • imshow(gr,[])
10.2线性空间滤波
• 滤波后的图像的每个元素使用双精度 浮点算术进 行计算。然而，imfilter会将输出图像转换为与输 入图像相同的类。 • 若f是一个整数数组，则输出中超过整型范围的元 素将被截断，且小数部分会四舍五入。 • 若结果要求更高的精度，则f需要在使用函数 imfilter之前利用im2double或double转换为double 类型。
10.1 引言 2
10.1 引言 2
10.1 引言
3 平滑和锐化滤波器
平滑空间滤波器的作用：
模糊处理：去除图像中一些不重要的细节 减少噪声
10.1 引言
3 平滑和锐化滤波器
平滑空间滤波器的分类：
线性滤波器：均值滤波器 非线性滤波器 最大值滤波器 中作与对原始滤波器 进行卷积操作是相同的；
若滤波器关于其中心对称，则两个选项将产生同 样的结果
10.2线性空间滤波 2 imfilter通用语法 g=imfilter (f, w, ‘replicate’ )
对旋转过的滤波器执行相关操作与对原始滤波器 进行卷积操作是相同的；
gs=imfilter(f,w,'symmetric'); figure() imshow(gs,[])
• • • •
f8=im2uint8(f); g8r=imfilter(f8, w,'replicate'); figure,imshow(g8r,[])
解决方法归一化系数，w0= 1/(31.^2)*w 或是以double格式输入数据
10.2线性空间滤波 1 imfilter——实现线性空间滤波 函数的语法 g=imfilter (f, w, filtering_mode, boundary_option , size_options )
f是输入图像，w是滤波掩模，g为滤波结果 filtering_mode制定滤波过程中是使用相关（corr） 还是卷积(conv) boundary_option用于处理边界填充零问题，边界 的大小由滤波器的大小确定。 size_options 可以是’same’或’full’
10.2线性空间滤波 1 imfilter——实现线性空间滤波
size_options ： ‘full’ 输出图像的大小与被扩展图像的大小相同 ‘same’ 输出图像的大小与输入图像的大小相同。该 值为默认值
10.2线性空间滤波 2 imfilter通用语法
g=imfilter (f, w, ‘replicate’ )
若滤波器关于其中心对称，则两个选项将产生同 样的结果
10.2线性空间滤波
• 在使用预先旋转的滤波器或对称的滤波器时，希 望执行相关，就有两种方法： • 第一： g=imfilter(f, w, ‘conv’, ‘replicate’)
• 第二：使用函数rot90(w,2), 将图像旋转180°，然 后使用g=imfilter(f, w, ‘replicate’)
例子：使用函数imfilter
f是一副double类型图像，大小为512*512像素
• • • •
f=zeros(512); f(1:256,256:512)=1; f(256:512,1:256)=1; imshow(f)
用一个大小为31*31的简单滤波器 W =ones(31); 该滤波器近似为一个平均滤波器
10.2线性空间滤波
• 3 图像处理工具箱的标准线性空间滤波器
工具箱支持一些预定义的二维线性空间滤波器，可由 函数fspecial来实现。 用来生成滤波掩模w的函数fspecial的语法为： w=fspecial (‘type’, parameters)
‘type’ 表示滤波器类型 ‘parameters’ 进一步定义了指定的滤波器
锐化空间滤波器的作用：
突出图像中的细节，增强了被模糊的细节； 印刷中的细微层次强调。弥补扫描对图像的钝 化； 超声探测成像，分辨率低，边缘模糊，通过锐 化来改善 图像识别中，分割前的边缘提取 锐化处理过度处理的钝化，曝光不足的图像 尖端武器的目标识别、定位
10.1 引言
4 相关和卷积
相关是指掩模w按下页图所示的方式在图像f中 移动的过程 卷积是相同的过程，只是在图像f中移动w前， 要将w旋转180度。 若函数对称移动，则卷积和相关操作会产生相 同的结果
函数fspecial支持的空间滤波器 1） fspecial (‘average’, [r c]). 大小为r*c的一个矩形平均滤 波器。默认值为3*3.若由一个数来代替[r c]，则表示方形 滤波器 2） fspecial (‘disk’, r). 一个圆形平均滤波器（包含在2r+1 大小的正方形内），半径为r。默认半径为5 3） fspecial (‘gaussian’, [r c], sig). 一个大小为 r*c的高斯低 通滤波器，标准偏差为sig（正）。默认值为3*3和0.5.若由 一个数来代替[r c]，则表示方形滤波器
10.2线性空间滤波 1 imfilter——实现线性空间滤波
filtering_mode：相关（corr），该值是默认值，卷积 (conv) boundary_option： P 输入图像的边界通过用值p(无引号)来填充来扩展。 P的默认值是0 ‘replicate’ 图像大小通过复制外边界的值来扩展 ‘symmetric’图像大小通过镜像反射其边界来扩展 ‘circular’图像大小通过将图像看成是一个二维 周期 函数的一个周期来扩展