图像预处理

邻域平均法
邻域平均（矩形邻域和圆形邻域）
把图像分成若干个N×N的窗口,对每个窗口内像素组成 的点集,进行加平均然后输出的方法
邻域平均法
邻域平均法
邻域平均法的平均作用，会引起模糊现象，模 糊程度与邻域半径成正比。 处理办法：超限邻域平均法
如果某个像素的灰度值大于其邻域像素的平均值， 且达到一定水平，则判断该像素为噪声，继而用邻 域像素的均值取代这一像素值。
3 4 6 7 9 10 10 11 10 10 9 7 6 4 3
2 3 4 5 7 7 8 8 8 7 7 5 4 3 2
2 2 3 4 5 5 6 6 6 5 5 4 3 2 2
15X15高斯滤波模板
邻域运算
输出图象中每个象素是由对应的输入象素 及其一个邻域内的象素共同决定时的图 象运算。 通常邻域是远比图象尺寸小的一规则形状。
（e）15*15均值滤波
（f）36*35均值滤波
观察6幅图，总结邻 域平均模板大小对滤波结 果的影响。
高斯平滑滤波器
高斯平滑滤波器-1
根据高斯函数选择邻域内各像素的权值
(i 2 j 2 ) 2 2 j] e
g[i,
高斯平滑滤波器…2
高斯函数具有五个重要的性质: • 旋转对称性
在各个方向上的平滑是一致的
1 2 2 4 2 2 1
3 4 6 7 9 10 10 11 10 10 9 7 6 4 3
2 2 4 8 4 2 2
4 5 7 9 11 12 13 13 13 12 11 9 7 5 4
2 4 8 16 8 4 2
2 2 4 8 4 2 2
5 7 9 10 13 14 15 16 15 14 13 10 9 7 5
• 直方图均衡化：转变直方图成均匀分布
直方图修正 直方图均衡化
图像中的脉冲噪声模型
在图像传输过程中，经常会受到各种噪声的干扰， 在进行进一步的边缘检测、图像分割、特征提取、 模式识别等处理前，需要采用适当的方法尽量减 少噪声 最常见的图像噪声：脉冲噪声 特点：
噪声点的取值与图像信号本身无关 椒盐噪声 随机值脉冲（加性）噪声
最小值滤波
中值滤波消除雀斑 中值滤波消除雀斑
a
b
c
d
e
f
g
图4-24 噪声平滑实验图像 （a） Lena原图； （b） 高斯噪声； （c） 椒盐噪声； (d) 对(c)平均平滑； (e) 对(b)平均平滑； (f) 对(b)5×5中值滤波； (g) 对(c)5×5中值滤波
边缘保持滤波器
消除噪声，保留边缘
6 ８ 10 13 15 17 19 19 19 17 15 13 10 8 6
5 7 10 12 14 16 17 18 17 16 14 12 10 7 5
5 ７ 9 10 13 14 15 16 15 14 13 10 9 7 5
4 5 7 9 11 12 13 13 13 12 11 9 7 5 4
g[i,
(i 2 j 2 ) 2 2 j ] ce .
g[i, j ] c
(i 2 j 2 ) 2 2 e .
2=2，n=7 ó
高斯平滑滤波器-6
（2）放大，取整
i , j
-3 -2 -1 0 1 2 3
-3 1 4 7 10 7 4 1
-2 4 12 26 33 26 12 4
引言
图像增强的两大应用
改善图像的视觉效果 突出图像的特征，便于计算机处理 方法
（1）灰度变换
（2）直方图修正
线性：均值滤波器 ，高斯平滑滤波器
（3）滤波
非线性：中值滤波 边缘保持滤波
直接灰度变换
灰度级变换的应用之一
亮度调整——加亮、减暗图像
255 218
wk.baidu.com
255
32
128 255 128 255
直接灰度变换
中值滤波
中值滤波的原理 用模板区域内象素的中值，作为结果值 R = mid {zk | k = 1,2,…,9} 强迫突出的亮点（暗点）更象它周围的值， 以消除孤立的亮点（暗点）
中值滤波
中值滤波算法的实现
将模板区域内的象素排序，求出中值。 例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。 对于同值象素，连续排列。 如（10,15,20,20,20,20,20,25,100）
-3 -2 -1 0 1 2 3 -3 .011 .039 .082 .105 .082 .039 .011 -2 .039 .135 .287 .368 .287 .135 .039 -1 .082 .287 .606 .779 .606 .287 .082 0 1 .105 .082 .368 .287 .779 .606 1.000 .779 .779 .606 .368 .287 .105 .082 2 .039 .135 .287 .368 .287 .135 .039 3 .011 .039 .082 .105 .082 .039 .011
图 像 预 处 理
Image Processing
引言
点运算
点运算主要是针对图像的像素进行加、减、乘、 除运算。 能够有效的改进图像的直方图分布。
几何运算
主要包括图像的平移、缩放、旋转、扭曲校正等。 是最常见的图像处理手段。
引言
图像在转换和传送过程中，总要造成某 些降质。比如：
在摄像时，光学系统的失真、大气流动会使图 像模糊； 在图像的数字化过程中（扫描、采样、量化）， 会引入噪声； 在传输过程中，由于噪声污染，图像的质量会 有所下降。
0 f ( x, y) a a f ( x, y) b b f ( x, y) M f
求反
对比度增强
亮度增强
直接灰度变换图例
一个指纹图像增强的实例
“压缩两端的背景的动态范围，
扩展中段的目标的动态范围”
直方图修正
直方图的作用
直方图修正
灰度均衡
有时也称直方 图均衡
直方图修正
中值滤波
主要用途：钝化图像、去除噪音 计算公式：R = mid {zk | k = 1,2,…,9}
最大值滤波
主要用途：寻找最亮点 计算公式：R = max {zk | k = 1,2,…,9}
最小值滤波
主要用途：寻找最暗点 计算公式：R = min {zk | k = 1,2,…,9}
最大值滤波
线性滤波
均值滤波器
每一个像素值用其局部邻域内 所有像素值的加权均值置换
1 h[i, j ] M
( k ,l )N
f [k , l ]
(a) 原始图像
(b)高斯噪声
被高斯噪声所污染的图像
3X3窗口
7X7窗口
均值滤波器的效果
（a）原图像 （b）3*3均值滤波 （c）5*5均值滤波 （d）9*9均值滤波
引言
• 目的 突出感兴趣特征，服务于计算机视觉 突出图像中的“有用”信息，扩大图像中不同 物体特征间的差别，为图像的信息提取及其他图像 分析技术奠基。 •在遥感和医学图像领域，可用来 对摄入的图像或从射线重建的图像进行改善，从而 有效地进行识别分析 •对图像增强效果的评价： 主观评价：图像的清晰度、色调、纹理等 客观评价：图像的信息量、纹理度量值等
1 2 2 4 2 2 1
5 7 10 12 14 16 17 18 17 16 14 12 10 7 5
1 1 2 2 2 1 1
6 8 10 13 15 17 19 19 19 17 15 13 10 8 6 6 8 11 13 16 18 19 20 19 18 16 13 11 8 6
7X7 高斯滤波模板
-1 7 26 55 71 55 26 7
0 10 33 71 91 71 33 10
1 2 3 7 4 1 26 12 4 55 26 7 71 33 10 55 26 7 26 12 4 7 4 1
（3）规范化，使权值之和为1
1 1 2 2 2 1 1
2 2 3 4 5 5 6 6 6 5 5 4 3 2 2 2 3 4 5 7 7 8 8 8 7 7 5 4 3 2
引言
为了改善图像的质量，有两种方法：
图像的增强
不考虑次要信息图像降质的原因，只将图像中感兴趣 的特征有选择的突出，而衰减； 特点：能提高图像的可读性，但改善后的图像不一定 逼近原始图像，如衰减各种噪声、突出目标的轮廓 等。 图像的复原 针对图像降质的原因，设法去补偿降质因素，从而使 改善后的图像尽可能的逼近原始图像。
０１ ００ １１ ０１
００ ００
V 3/ 4
V 3/ 4
V 0
０１ ０１
V 1
保持边缘
中值
3X3模板
7X7模板
• 单调递减
邻域的影响随着距离的增加而减弱
• 付氏频谱是单瓣的
保留所需信号
高斯平滑滤波器…3
• 参数σ调节平滑程度
在过平滑与欠平滑之间取得平衡
• 可分离性
降低计算复杂度
高斯平滑滤波器…4
模板设计方法: •直接法
高斯平滑滤波器-5
直接法：
直接根据高斯函数的离散值计算模板权值
（1）计算离散值
i , j
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。
邻域运算与点运算一起构成最基本、最重 要的图象处理工具。
非线性滤波
中值滤波器
（1）取邻域 （2）按亮度 值大小排列 像素点 （3）选排序 像素的中间 值作为中心 点的新值
中值滤波
中值滤波的原理 用一个N×N的窗口（N=3，5，7…）在图像上 滑动，把窗口中像素的灰度值按升/降次序 排列，取排列在正中间的灰度值作为窗口中 心所在像素的灰度值。 性质 是一种非线性滤波，对消除脉冲噪声十分有效。 在去除噪音的同时，可以比较好地保留边的锐 度和图像的细节
• 灰度级变换的应用之二
对比度拉伸——提高、降低对比度
255 255
降低对比度
提高对比度
P1 48 P2 218 255 0 128 255 142
0
直接灰度变换
通过灰度变换函数 将图像各灰度映射 为新的值
g (x, y) Mg d
c O a b Mf f (x , y)
c f ( x, y ) a d c g ( x, y ) [ f ( x, y ) a ] c b a M g d [ f ( x, y ) b ] d M f b
(a) 原始信号 （b）均值滤波，（c）中值滤波．
尖顶边缘滤波示意图
边缘保持滤波器
算法：
对每一个像素点[i,j]取适当大小邻域，分别计算该邻域 的四个子区域灰度分布均匀度，然后将均匀度最小的子区 域的均值赋予该像素点。
V

f 2 (i, j) (

1
f (i, j))2 / N
０ １ １ ０ ０ １ ０ ０
图像中的脉冲噪声模型
椒盐噪声：
黑图象上的白 点，白图象上 的黑点
图像中的脉冲噪声模型
随机值 脉冲 （加性） 噪声： 噪声灰 度值均 匀分布 于0-255 间
邻域平均法
大部分图像噪声，如由敏感元件、传输通道、 整量化器等引起的噪声，多半是随机性的， 它们对某一像素点的影响，我们可以看作 是孤立的，因此，和邻近各点相比，该点 灰度值将有显著的不同。 基于以上分析，我们可以用所谓的邻域平均 方法来消除噪声