數(shù)字圖像處理第四次作業(yè)班級：學(xué)號：提交日期：2015年3月31日1、空域低通濾波器：分別用高斯濾波器和中值濾波器去平滑測試圖像 testl和test2,模板大小分別是3x3,5x5,7x7;（1）問題分析：空域濾波是直接對圖像的數(shù)據(jù)做空間變換達(dá)到濾波的目的。它是一種鄰域運算，其機理就是在待處理的圖像中逐點地移動模板， 濾波器在該點地響應(yīng)通過事先定義的濾波器系數(shù)與濾波模板掃過區(qū)域的相應(yīng)像素值的關(guān)系來計算。 如果輸出像素是輸入像素鄰域像素的線性組合則稱為線性濾波（例如最常見的均值濾波和高斯濾波） ，否則為非線性濾波（中值濾波、邊緣保持濾波等）?？沼驗V波器從處理效果上可以平滑空間濾波器和銳化空間濾波器： 平滑空間濾波器用于模糊處理和減小噪聲，經(jīng)常在圖像的預(yù)處理中使用；銳化空間濾波器主要用于突出圖像中的細(xì)節(jié)或者增強被模糊了的細(xì)節(jié)。模板在源圖像中移動的過程中， 當(dāng)模板的一條邊與圖像輪廓重合后， 模板中心繼續(xù)向圖像邊緣靠近，那么模板的某一行或列就會處于圖像平面之外， 此時最簡單的方法就是將模板中心點的移動圍限制在距離圖像邊緣不小于（ n-1）/2個像素處，單處理后的圖像比原始圖像稍小。如果要處理整幅圖像，可以在圖像輪廓邊緣時用全部包含于圖像中的模板部分來濾波所有圖像，或者在圖像邊緣以外再補上一行和一列灰度為零的像素點 （或者將邊緣復(fù)制補在圖像之外）。中值濾波器的設(shè)計：中值濾波器是一種非線性統(tǒng)計濾波器， 它的響應(yīng)基于圖像濾波器包圍的圖像區(qū)域中像素的排序，然后由統(tǒng)計排序的中間值代替中心像素的值。 它比小尺寸的線性平滑濾波器的模糊程度明顯要低，對處理脈沖噪聲（椒鹽噪聲）非常有效。中值濾波器的主要功能是使擁有不同灰度的點看起來更接近于它的鄰近值， 去除那些相對于其鄰域像素更亮或更暗， 并且其區(qū)域小于濾波器區(qū)域一半的孤立像素集。在一維的情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。 在處理之后，位于窗口正中的像素的灰度值，用窗口各像素灰度值的中值代替。例如若窗口長度為 5,窗口中像素的灰度值為80、90、200、110、120,則中值為110,因為按小到大（或大到?。┡判蚝?，第三位的值是110。于是原理的窗口正中的灰度值 200就由110取代。如果200是一個噪聲的尖峰，則將被濾除。然而，如果它是一個信號，則濾波后就被消除，降低了分辨率。因此中值濾波在某些情況下抑制噪聲，而在另一些情況下卻會抑制信號。將中值濾波推廣到二維的情況。二維窗口的形式可以是正方形、近似圓形的或十字形等。本次作業(yè)使用正方形模板進(jìn)行濾波，它的中心一般位于被處理點上。窗口的大小對濾波效果影響較大。(2)處理結(jié)果：testl.pgm 中值濾波:中值濾波平滑后的test1.pgm(3x3)(調(diào)用medfilt2函數(shù))中值濾波平滑后的test1.pgm(5x5)(調(diào)用medfilt2函數(shù))(1)(1)中值濾波平滑后的test1.pgm(7x7)(調(diào)用medfilt2函數(shù))test2.tif中值濾波:中值濾波后的test2.tif(3x3)中值濾波后的test2.tif(5x5)中值濾波后的test2.tif(7x7)中值濾波平滑后的test2.tif(3x3)(調(diào)用medfilt2函數(shù))中值濾波平滑后的test2.tif(5x5)(調(diào)用medfilt2函數(shù))中值濾波平滑后的test2.tif(7x7)(調(diào)用medfilt2函數(shù))(3)結(jié)果分析及總結(jié)：中值濾波器的主要功能是使擁有不同灰度的點更接近于它的相鄰點。事實上，使用mKm中值濾波器來去除那些相對于其鄰域像素更亮或更暗并且其區(qū)域小于 mA2/2(濾波器區(qū)域的一半)的孤立像素族。在這種情況下， “去除”的意思是強制為鄰域的中值灰度。較大的族所受到的影響明顯較小。 從處理后的圖像看，圖像的平滑效果較為明顯， 且受窗口的影響，窗口越大，平滑效果越明顯，圖像細(xì)節(jié)越模糊，尤其是test2中人臉圖像的眼睛部分，隨著濾波器模板的增大， 可以明顯的感受到圖像模糊的效果。 另外，對比編寫的程序的處理結(jié)果和medfilt2函數(shù)的處理結(jié)果，可以看出處理效果基本一致。2、利用固定方差sigma=1.5產(chǎn)生高斯濾波器.附件有產(chǎn)生高斯濾波器的方法。(1)問題分析：高斯濾波器的設(shè)計：高斯濾波是一種根據(jù)高斯函數(shù)的形狀來選擇模板權(quán)值的線性平滑濾波方法。 高斯平滑濾波器對去除服從正態(tài)分布的噪聲是很有效果的。一維零均值高斯函數(shù)為 。其中，高斯分布參數(shù)決定了高斯濾波器的寬度。對圖像來說，常用二維零均值離散高斯函數(shù)作平滑濾波器，函數(shù)表達(dá)式如下：高斯函數(shù)具有5個重要性質(zhì)：①二維高斯函數(shù)具有旋轉(zhuǎn)對稱性， 即濾波器在各個方向上的平滑程度是相同的。 一般來說一幅圖像的邊緣方向是不知道的。 因此，在濾波之前是無法確定一個方向比另一個方向上要更多的平滑的。旋轉(zhuǎn)對稱性意味著高斯濾波器在后續(xù)的圖像處理中不會偏向任一方向。②高斯函數(shù)是單值函數(shù)。高斯濾波器用像素鄰域的加權(quán)均值來代替該點的像素值， 而每一鄰域像素點的權(quán)值是隨著該點與中心點距離單調(diào)遞減的。 這一性質(zhì)是很重要的，因為邊緣是一種圖像局部特征。如果平滑運算對離算子中心很遠(yuǎn)的像素點仍然有很大的作用， 則平滑運算會使圖像失真。③高斯函數(shù)的傅立葉變換頻譜是單瓣的。 這一性質(zhì)是高斯函數(shù)傅立葉變換等于高斯函數(shù)本身這一事實的直接推論。圖像常被不希望的高頻信號所污染， 而所希望的圖像特征，既含有低頻分量，又含有高頻分量。高斯函數(shù)傅立葉變換的單瓣意味著平滑圖像不會被不需要的高頻信號所污染，同時保留了大部分所需要的信號。④高斯濾波器的寬度（決定著平滑程度）是由參數(shù)b表征的，而且b和平滑程度的關(guān)系是非常簡單的。b越大，高斯濾波器的頻帶就越寬，平滑程度就越好。通過調(diào)節(jié)平滑程度參數(shù)叫可在圖像特征分量模糊（過平滑）與平滑圖像中由于噪聲和細(xì)紋理所引起的過多的不希望突變量（欠平滑）之間取得折衷。⑤由于高斯函數(shù)的可分離性，大高斯濾波器可以有效實現(xiàn)。通過二維高斯函數(shù)的卷積可以分兩步來進(jìn)行，首先將圖像與一維高斯函數(shù)進(jìn)行卷積， 然后將卷積的結(jié)果與方向垂直的相同一維高斯函數(shù)進(jìn)行卷積。因此，二維高斯濾波的計算量隨濾波模板寬度成線性增長而不是成平方增長。這些性質(zhì)使得它在早期的圖像處理中特別有用， 表明高斯平滑濾波器無論在空間域還是在頻率域都是十分有效的低通濾波器。（2）處理結(jié)果：testl.pgm高斯濾波：X IK154劉。卻 酊 100 15? 2c高斯濾波平滑后的test1.pgm(3x3)(調(diào)用fspecial函數(shù))高斯濾波平滑后的test1.pgm(5x5)(調(diào)用fspecial函數(shù))高斯濾波平滑后的test1.pgm(7x7)(調(diào)用fspecial函數(shù))test2.tif高斯濾波:50100150200250300350400450500原圖像一一test2.tif5010015020025030035040045050050 100 150 200 250 300 350 400 450 50050100150200250300350400450500高斯濾波平滑后的test2.tif(3x3)50 100 150 200 250 300 350 400 450 500高斯濾波平滑后的test2.tif(7x7)高斯濾波平滑后的test2.tif(5x5)50 100 150 200 250 300 350 400 450 5005010015020025030035040045050050 100 150 200 250 300 350 400 450 500高斯濾波平滑后的test2.tif(3x3)(調(diào)用fspecial函數(shù))高斯濾波平滑后的test2.tif(5x5)(調(diào)用fspecial函數(shù))高斯濾波平滑后的test2.tif(7x7)(調(diào)用fspecial函數(shù))(3)結(jié)果分析及總結(jié)：高斯濾波是一種線性平滑濾波， 適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程， 每一個像素點的值，都由其本身和鄰域的其他像素值經(jīng)過加權(quán)平均后得到。 高斯濾波的具體操作是： 用一個模板(或稱卷積、掩模)掃描圖像中的每一個像素，用模板確定的鄰域像素的加權(quán)平均灰度值去替代模板中心像素點的值。從處理后的圖像看，圖像的平滑效果較為明顯，且受窗口的影響，窗口越大，平滑效果越明顯，圖像細(xì)節(jié)越模糊。將編寫的程序處理結(jié)果和調(diào)用 MATLA井函數(shù)處理結(jié)果對比，發(fā)現(xiàn)處理結(jié)果基本相同。3、利用高通濾波器濾波測試圖像 test3,4:包括unsharpmasking,Sobeledgedetector,andLaplaceedgedetection;Cannyalgorithm。(1)問題分析：銳化濾波能減弱或消除圖像中的低頻率分量，但不影響高頻率分量。因為低頻分量對應(yīng)圖像中灰度值緩慢變化的區(qū)域， 因而與圖像的整體特性， 如整體對比度和平均灰度值等有關(guān)。銳化濾波將這些分量濾去可使圖像反差增加， 邊緣明顯。在實際應(yīng)用中，銳化濾波可用于增強被模糊的細(xì)節(jié)或者低對比度圖像的目標(biāo)邊緣。圖像銳化的主要目的有兩個： 一是增強圖像邊緣，使模糊的圖像變得更加清晰， 顏色變得鮮明突出，圖像的質(zhì)量有所改善，產(chǎn)生更適合人眼觀察和識別的圖像； 二是希望經(jīng)過銳化處理后，目標(biāo)物體的邊緣鮮明，以便于提取目標(biāo)的邊緣、對圖像進(jìn)行分割、目標(biāo)區(qū)域識別、

區(qū)域形狀提取等，為進(jìn)一步的圖像理解與分析奠定基礎(chǔ)。由于銳化使噪聲受到比信號還要強的增強，所以要求銳化處理的圖像有較高的信噪比;否則，銳化后圖像的信噪比更低。①反銳化掩膜圖像增強（unsharpmasking）圖像的反銳化掩蔽算法可以表示為:3y)=f(x9y)-f(x.y)其中fs（x,y）表示經(jīng)過反銳化掩蔽得到的銳化圖像， 是f（x,y）的模糊形式。反銳化掩蔽進(jìn)一步的普遍形式稱為高提升濾波。 在圖像中任何一點（x,y）處，高提升濾波后的圖像￡時可定義如下：九（M￥）=Af（x,y）（2）其中A>1,與前式一樣，是f的模糊形式，此式也可以寫成：⑶結(jié)合式（i）,可以得到：幾（叫y）=（A-1）/（%，y）+￡（比,y）這一表達(dá)式可計算高提升濾波圖像。如果選擇拉普拉斯變換，式（4）變成:.lAf(x,y).lAf(x,y)-V2/(x.y)

“ 14A叫了)+V2/(x,y)如果拉普拉斯掩模中心系數(shù)為負(fù)

如果拉普拉斯掩模中心系數(shù)為正高提升濾波處理可以通過任何一個圖(5)所示的掩模得以實現(xiàn)。當(dāng)高提升濾波處理可以通過任何一個圖(5)所示的掩模得以實現(xiàn)。當(dāng)A=1時，高提升濾波處理就是標(biāo)準(zhǔn)的拉普拉斯變換。隨著A超過l不斷增大，銳化處理的效果越來越不明顯。 最終,理就是標(biāo)準(zhǔn)的拉普拉斯變換。當(dāng)A足夠大時，高提升圖像將近似等于經(jīng)常數(shù)調(diào)制的圖像。

0—10一】-1—1T4+4一1一］4-rS—10-10-1TT圖1高頻提升濾波技術(shù)可以用其中一種掩膜來實現(xiàn)(A1)②索貝爾邊緣檢測(Sobeledgedetector)索貝爾算子(Sobeloperater)主要用作邊緣檢測，在技術(shù)上，它是一離散性差分算子，用來運算圖像亮度函數(shù)的灰度之近似值。在圖像的任何一點使用此算子，將會產(chǎn)生對應(yīng)的灰度矢量或其法矢量。該算子包含兩組3x3的矩陣，分別為橫向及縱向，將之與圖像作平面卷積， 即可分別得出橫向及縱向的亮度差分近似值。如果以 A代表原始圖像，Gx及Gy分別代表經(jīng)橫向及縱向邊緣檢測的圖像灰度值，其公式如下：10 1G10 1Gx 20 2*A10 11 2 1Gy 0 0 0*A1 2 1圖像的每一個像素的橫向及縱向梯度近似值可用以下的公式結(jié)合，來計算梯度的大小。G G；—Gy2然后可用以下公式計算梯度方向。arctan(—)Gx如果角度?等于零，即代表圖像在該處擁有縱向邊緣，左方較右方暗。③Laplacian邊緣檢測(Laplacianedgedetector)拉普拉斯算子是最簡單的各向同性微分算子，具有旋轉(zhuǎn)不變性。一個二維圖像函數(shù)的拉普拉斯變換是各向同性的二階導(dǎo)數(shù)，定義為：(6)為了更適合于數(shù)字圖像處理，將該方程表示為離散形式：另外，拉普拉斯算子還可以表示成模板的形式，如圖2所示。圖2(a)表示離散拉普拉斯算子的模板，圖2(b)表示其擴(kuò)展模板，圖2(c)和(d)則分別表示其他兩種拉普拉斯的實現(xiàn)模板。從模板形式容易看出，如果在圖像中一個較暗的區(qū)域中出現(xiàn)了一個亮點， 那么用拉普拉斯運算就會使這個亮點變得更亮。 因為圖像中的邊緣就是那些灰度發(fā)生跳變的區(qū)域，所以拉普拉斯銳化模板在邊緣檢測中很有用。 一般增強技術(shù)對于陡峭的邊緣和緩慢變化的邊緣很難確定其邊緣線的位置。但該算子卻可用二次微分正峰和負(fù)峰之間的過零點來確定，對孤立點或端點更為敏感， 因此特別適用于以突出圖像中的孤立點、 孤立線或線端點為目的的場合。同梯度算子一樣，拉普拉斯算子也會增強圖像中的噪聲， 有時用拉普拉斯算子