数字图像处理(五)

处理效果分类
平滑滤波器 锐化滤波器
3.1.5 图像增强:空域滤波
• 在空域实现滤波增强功能的方式通常是使用模 板卷积，主要步骤为： S1:将模板在图中漫游，并将模板中心与图中某 个位置重合； S2:将模板上系数与模板下对应像素相乘； S3:将所有乘积相加； S4:将和（即模板的输出响应）赋给图中对应模 板中心位置的像素。
3.1.5 图像增强:空域滤波
– 中值滤波算法的实现
• 将模板区域内的像素排序，求出中值。 例如：3×3的模板，第5大的是中值， 5×5的模板，第13大的是中值， 7×7的模板，第25大的是中值， 9×9的模板，第41大的是中值。 • 对于同值像素，连续排列。 如（10,15,20,20,20,20,20,25,100）
• 常数或变化平缓的区域，结果为0或很 小，图像很暗，亮度被降低 • 在暗的背景上边缘被增强 • 图像的整体对比度降低 • 计算时会出现负值，归0处理为常见
3.1.5 图像增强:空域滤波
– 基本高通空域滤波的缺点和问题
• 高通滤波在增强了边的同时，丢失了图 像的层次和亮度
3.1.5 图像增强:空域滤波
0.5 0.5 0.5 0.5 0.5
3.1.5 图像增强:空域滤波
• 模板尺寸对滤波器效果的影响
– 模板尺寸越大，图像越模糊，图像细节丢 失越多
3.1.5 图像增强:空域滤波
线性滤波器举例
使用不同大小均值模 板(averaging masks) 的处理效果-例1
3.1.5 图像增强:空域滤波
3.1.5 图像增强:空域滤波
– 线性滤波器的定义
• 线性滤波器是线性系统和频域滤波概念在空 域的自然延伸。其特征是结果像素值的计算 由下列公式定义：
R = w1z1 + w2z2 + … + wnzn
其中：wi i = 1,2, … ,n 是模板系数 zi i = 1,2, … ,n 是被计算像素 及其邻域像素值
3.1.5 图像增强:空域滤波
– 高增溢滤波的原理
高增溢 = A原图 – 低通 = (A – 1)原图 + （原图 – 低通） = (A – 1)原图 + 高通 • 当A = 1时，高增溢就是高通滤波。 • 当A >1 时，原图像的一部分被加到高通中。 • 特 别 是 Un-Sharp Masking = A 原 图 – 低 通，是印刷图像处理重要工具(USM)。
• 算法实现和提高效率
– 边缘的计算 1）相邻近似计算法 2）不完整模板近似法
1 1 1/9 * 1 1 1 1 1 1 1 1 1 1 1 1 1/4 * 1 1 1 1 1 1 1 1 1
3.1.5 图像增强:空域滤波
• 算法实现和提高效率
1 1 1 1 1 1 1 1 1
– 提高效率的方法 • 按列元素对应相乘求和 1 1 1 • 减列，加列计算: R2=R1-w1+w4
3) 锐化滤波器
(1) (2) (3) (4) 锐化滤波器的主要用途 基本高通滤波 高增益滤波 微分滤波器
3.1.5 图像增强:空域滤波
(1) 锐化滤波器的主要用途
– 印刷中细微层次的强调。弥补扫描对图像的 平滑（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 – 锐化处理恢复过度平滑、曝光不足的图像 – 图像创艺（只剩下边界的特殊图像） – 尖端武器（如导弹等）的目标识别与定位
3.1.5 图像增强:空域滤波器
• 空域滤波器 1) 空域滤波器的基本概念
– 空域滤波器的定义、分类
2) 平滑/钝化（smoothing) 滤波器
– 基本低通滤波、中值滤波
3) 锐化滤波器(Sharpening filter)
– 基本高通滤波、高增益滤波、微分滤波器
3.1.5 图像增强:空域滤波
3.1.5 图像增强:空域滤波
– 高增溢滤波的原理
高增溢 = (A – 1) * 原图 + 高通 USM = A * 原图 – 低通 USM(非锐化屏蔽)技术:将图像的模糊形式从 原图像中去除的一种技术。
3.1.5 图像增强:空域滤波器
– 滤波器扩大因子及模板系数设计
• 对于3×3的模板，设 w = 9A – 1（高通时 w = 8），A的值决定了滤波器的特性。 • 当 A = 1.1时，意味着把 0.1个原图像加 到基本高通上。当 A = 1.2时，结果处在 上限的边缘。
• 提取感兴趣物体而模糊图像-例2 取阈值＝25％
原图 15×15均值模板
x b图 像的最高亮度,二值化 (Thresholding)的结果
3.1.5 图像增强:空域滤波
• 低通空域滤波的缺点和问题
– 如果图像处理的目的是去除噪声，那么， 低通滤波在去除噪声的同时也平滑了边和 尖锐的细节
3.1.5 图像增强:空域滤波
– 设计模板系数的原则
1）中心系数为正值，外围为负值 2）系数之和为0
-1 -1 -1 -1 -1 -1 1/25 * -1 -1 1 1 1 1 8 1 1 1 1 -1 -1 -1 1/9 * -1 -1 -1 -1 8 -1 -1 -1 -1
-1 -1 -1 -1 -1
3.1.5 图像增强:空域滤波器
• 使用模板进行结果像素值的计算，结果值直 接取决于像素邻域的值，而不使用乘积和的 计算 R = w1z1 + w2z2 + … + wnzn
3.1.5 图像增强:空域滤波
• 中值滤波(Median filter)
– 主要用途：平滑图像、去除噪声 – 计算公式：R = mid {zk | k = 1,2,…,9}
3.1.5 图像增强:空域滤波
• 低通滤波器
– 主要用途：平滑图像、去除噪声
• 高通滤波器
– 主要用途：边缘增强、边缘提取
• 带通滤波器
– 主要用途：删除特定频率、图像增强中很 少用
3.1.5 图像增强:空域滤波
– 非线性滤波器(Nonlinear Filter)的定义
(Order-statistics Filter:统计排序滤波器)
3.1.5 图像增强:空域滤波
• 中值滤波器工作步骤： S1:将模板在图中漫游，并将模板中心与图中某 个像素位置重合； S2:读取模板下各对应像素的灰度值； S3:将这些灰度值从小到大排列； S4:找出这些值中排在中间的一个； S5:将这个中间值赋给对应模板中心位置的像素。
3.1.5 图像增强:空域滤波
– 中值滤波算法的特点
• 在去除噪声的同时，可以比较好地保留 边的锐度和图像的细节 • 能够有效地去除脉冲/椒盐噪声 (impulse/salt-and-pepper noise)：以黑 白点叠加在图像上(就像把胡椒和盐撒 在上面)
中值滤波器举例
原图 3x3均值滤波 3x3中值滤波
3.1.5 图像增强:空域滤波
微分滤波器分两类:一阶微分滤波器(梯度算子) 和二阶微分滤波器(Laplacian算子)
– 高增溢滤波器效果的分析
• 高增溢滤波与高通滤波相比，高增溢的优点 是很明显的，即增强了边，又保留了层次。 • 噪声对结果图像的视觉效果有重要的影响， 高增溢在增强了边的同时也增强了噪声。
3.1.5 图像增强:空域滤波
(4)微分滤波器
– 微分滤波器的原理 – 滤波器扩大因子及模板系数的设计 – 微分滤波器效果的分析
– 最小值滤波
3.1.5 图像增强:空域滤波
2) 平滑滤波器
(1) 平滑滤波器的主要用途 (2) 基本低通滤波 (3) 中值滤波
3.1.5 图像增强:空域滤波
(1) 平滑滤波器的主要用途
• 模糊处理：去除图像中一些不重要的细节 • 降低噪声 • 平滑处理：恢复过分锐化的图像 • 图像创艺：阴影、软边、朦胧效果
研究生课程
数字图像处理
武汉大学计算机学院 袁志勇
Email:yzypcc@
第一节 图像增强
3.1.1 3.1.2 3.1.3 3.1.4 3.1.5 3.1.6 3.1.7 图像增强引言 点运算增强 直方图增强 彩色图像增强 空域滤波器 频域滤波器 从频域规范产生空域模板(*:了解)
3.1.5 图像增强:空域滤波
(2) 基本低通滤波
• 滤波器模板系数的设计 • 模板尺寸对滤波器效果的影响 • 低通空域滤波的缺点和问题 • 算法实现和提高效率
3.1.5 图像增强:空域滤波
• 滤波器模板系数的设计
– 根据空域中低通冲激响应函数的图形来设计模 板的系数
例如，选择高斯函数作为冲激 (impulse)函数h(x,y) g(x,y) = h(x,y) * f(x,y)
0.5 0.5 0.5 0.5 0.5
3.1.5 图像增强:空域滤波器
– 模板系数与像素邻域的计算 通过求均值，解决超出灰度范围问题
1 1 1/25 * 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0.5 0.5 0.5 0.5 0.5 0.5 1 1/17 * 0.5 1 0.5 1 1 1 1 1 0.5 1 0.5 1 0.5
5×5模板
1/25 * -1 -1 -1 -1 -1 -1 -1 -1 1 1 1 1 8 1 1 1 1 -1 -1 -1
-1 -1 -1 -1 -1
3.1.5 图像增强:空域滤波器
3×3 模板
-1 -1 -1 1/9 * -1 8 -1 -1 -1 -1
3.1.5 图像增强:空域滤波
– 滤波器效果的分析
R1=w1+w2+w3 1 1/9 * 1 1 1 1 1 1 1 1 1/9 *
R2=w2+w3+w4 1 1 1 1 1 1 1 1 1