圖像處理-chapter4-02課件第一頁，共91頁。第四章圖像增強4.1灰度級修正4.2圖像的同態(tài)增晰4.3圖像平滑4.4圖像銳化4.5圖像偽彩色處理4.6圖像的幾何校正2第二頁，共91頁。4.2圖像同態(tài)增晰一、目的問題：灰度動態(tài)范圍很大，而感興趣區(qū)域物體灰度級范圍很小，分不清層次和細(xì)節(jié)

原因：不均勻照度對圖像造成的影響，若物體受到照度明暗不勻的時候，圖象上對應(yīng)照度暗的部分，其細(xì)節(jié)就較難辨別。

3第三頁，共91頁。

照度,反射系數(shù)。

同態(tài)增晰的目的：消除不均勻照度的影響而又不損失圖象細(xì)節(jié)。其中照明函數(shù)描述景物的照明，與景物無關(guān)，

反射函數(shù)包含景物的細(xì)節(jié)，與照明無關(guān)，。4第四頁，共91頁。依據(jù)：圖象的灰度由照射分量和反射分量合成。反射分量反映圖象內(nèi)容，隨圖象細(xì)節(jié)不同在空間上作快速變化。照射分量在空間上通常均具有緩慢變化的性質(zhì)。照射分量的頻譜落在空間低頻區(qū)域，反射分量的頻譜落在空間高頻區(qū)域。5第五頁，共91頁。二、原理g(x,y)FFT變換同態(tài)濾波H(u,v)FFT反變換指數(shù)變換對數(shù)變換(a)同態(tài)增晰方框圖f(x,y)6第六頁，共91頁。(b)同態(tài)增晰濾波函數(shù)曲線2.0H(u,v)(u,v)1.01.50.00.57第七頁，共91頁。步驟：

(1)

(2)8第八頁，共91頁。步驟：(3)壓縮fi(x,y)分量的變化范圍，削弱

增強fr(x,y)分量的對比度，提升增強細(xì)節(jié)。確定H(u,v)。9第九頁，共91頁。步驟：（4）求反變換10第十頁，共91頁。步驟：（5）求指數(shù)變換11第十一頁，共91頁。lnFFTH(u,v)FFT-1expf(x,y)g(x,y)12第十二頁，共91頁。13第十三頁，共91頁。14第十四頁，共91頁。15第十五頁，共91頁。16第十六頁，共91頁。17第十七頁，共91頁。4.3圖像平滑圖像平滑的目的：減少噪聲，即減弱傅立葉空間的高頻分量，因為高頻分量對應(yīng)圖像中的區(qū)域邊緣等灰度值具有較大變化的部分，濾波器將這一部分濾去可使圖像平滑。18第十八頁，共91頁。噪聲分類按照《噪聲污染防治法》可將噪聲分為：工業(yè)噪聲（環(huán)保部門）建筑施工噪聲（環(huán)保部門）交通運輸噪聲（公安交通管理部門）社會生活噪聲（可分七類，由不同部門處理監(jiān)管）19第十九頁，共91頁。內(nèi)部噪聲：（1）光和電的基本性質(zhì)引起噪聲（2）電器機械運動（3）元器件材料（4）系統(tǒng)內(nèi)部設(shè)備電路外部噪聲：系統(tǒng)外部干擾從電磁波或經(jīng)電源串入系統(tǒng)內(nèi)部圖像噪聲按其產(chǎn)生原因：20第二十頁，共91頁。按統(tǒng)計特性來分：平穩(wěn)噪聲：其統(tǒng)計特性不隨時間變化的噪聲非平穩(wěn)噪聲：其統(tǒng)計特性隨時間變化的噪聲21第二十一頁，共91頁。按噪聲和信號關(guān)系來分：加性噪聲乘性噪聲

22第二十二頁，共91頁。帶通噪聲(有色噪聲)和白噪聲白噪聲：在頻域上不存在信號能量突然變大的頻帶，在時域上也找不到信號能量突然變大的時間段，即它在頻域和時域上的分布是一致的。功率譜密度在整個頻域均勻的。如熱噪聲。是理想化噪聲模型，因為不可能有帶寬無限寬的信號。帶通噪聲：在某個頻帶上信號的能量突然變大。如交流電噪聲，它的能量主要集中在50Hz左右。23第二十三頁，共91頁。標(biāo)準(zhǔn)白噪聲和高斯白噪聲

標(biāo)準(zhǔn)白噪聲：幅度均值為零，方差為一常數(shù)。高斯白噪聲：它的幅度分布(概率密度函數(shù))服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。

熱噪聲和散粒噪聲是高斯白噪聲。24第二十四頁，共91頁。一維高斯白噪聲N(0.0128,0.9596)25第二十五頁，共91頁。高斯噪聲，均值128，均方30高斯噪聲圖直方圖，均值128，均方3026第二十六頁，共91頁。噪聲信號公式描述白噪聲：

其功率譜密度函數(shù)為：n0為一常數(shù)，單位為W/HZ

27第二十七頁，共91頁。高斯噪聲：

高斯噪聲信號的一維概率密度函數(shù)如右式。α為噪聲的數(shù)學(xué)期望值，也就是均值；σ為噪聲的方差。28第二十八頁，共91頁。椒鹽噪聲（PepperandSalt）：即黑圖像的白點、白圖像上的黑點，往往由圖像中的孤立噪聲點。對圖像的質(zhì)量影響由椒鹽噪聲的強度。Inoise=d*prod(size(I))d是強度，d=0.0529第二十九頁，共91頁。斑點噪聲（Speckle）：均勻分布的隨機噪聲Inoise=I+n*I,n是一個均勻分布的隨機噪聲（均值為0，方差為V）v=0.0430第三十頁，共91頁。直接在空間域上對圖象進行平滑處理。該方法便于實現(xiàn)，計算速度快，結(jié)果也比較令人滿意。（一）簡單局部平均法設(shè)有一幅數(shù)字有噪圖象4.3.1鄰域平均31第三十一頁，共91頁。(a)四鄰域(b)八鄰域鄰域概念32第三十二頁，共91頁。經(jīng)局部平均處理后，得到平滑圖象為：簡單局部平均法f(x,y)為原始圖，n(x,y)為噪聲，S：點(x,y)鄰域內(nèi)的點集，M：S內(nèi)總點數(shù)。33第三十三頁，共91頁。效果：鄰域平均法效果與鄰域半徑有關(guān)。半徑愈大，則圖像的模糊程度越大。缺點：主要缺點是在降低噪聲的同時使圖像產(chǎn)生模糊，特別在邊沿和細(xì)節(jié)處，鄰域越大，模糊越厲害。改進：可以采用閾值法，亦就是根據(jù)下列準(zhǔn)則形成平滑圖像。

34第三十四頁，共91頁。鄰域平均法實例35第三十五頁，共91頁。例如：設(shè)圖像中某一個區(qū)域為：選取3×3模板結(jié)果36第三十六頁，共91頁。常見模板37第三十七頁，共91頁。用公式描述38第三十八頁，共91頁。模板處理示意圖模板

原圖模板操作后圖象為x表示邊界上無法進行模板操作的點，通常的做法是復(fù)制原圖的灰度，不進行任何處理。模板操作實現(xiàn)了一種鄰域運算(NeighborhoodOperation)，即，某個像素點的結(jié)果不僅和本像素灰度有關(guān)，而且和其鄰域點的值有關(guān)。39第三十九頁，共91頁。forx=1:3fory=1:4form=1:2forn=1:2g(x,y)=g(x,y)+f(x+m-1,y+n-1)*h(m,n);endendendend40第四十頁，共91頁。平滑濾波實例41第四十一頁，共91頁。4.3.3頻率域低通濾波頻率域處理方法：G(u,v)=H(u,v)F(u,v)付里葉變換線性低通濾波器付里葉反變換g(x,y)

頻域低通濾波框圖F(u,v)G(u,v)f(x,y)42第四十二頁，共91頁。(1)理想低通濾波器(ILPF)其中D0為截止頻率，

D(u,v)=(u2+v2)1/2：頻率平面原點到點(u,v)的距離。43第四十三頁，共91頁。理想低通濾波器特點： 物理上不可實現(xiàn) 有振鈴(抖動)現(xiàn)象 濾除高頻成分使圖象變模糊44第四十四頁，共91頁。理想低通濾波器轉(zhuǎn)移函數(shù)三維圖45第四十五頁，共91頁。理想低通濾波器轉(zhuǎn)移函數(shù)剖面圖46第四十六頁，共91頁。振鈴現(xiàn)象47第四十七頁，共91頁。更為嚴(yán)重的振鈴現(xiàn)象48第四十八頁，共91頁。原圖濾波結(jié)果低通濾波函數(shù)49第四十九頁，共91頁。(2)巴特沃思低通濾波器(BLPF)D(u,v)=D0，H(u,v)降為最大值的。n為階數(shù)。50第五十頁，共91頁。1階巴特沃思低通濾波器轉(zhuǎn)移函數(shù)三維圖51第五十一頁，共91頁。1階巴特沃斯低通濾波器轉(zhuǎn)移函數(shù)剖面圖52第五十二頁，共91頁。3階巴特沃思低通濾波器轉(zhuǎn)移函數(shù)三維圖53第五十三頁，共91頁。3階巴特沃思低通濾波器轉(zhuǎn)移函數(shù)剖面圖54第五十四頁，共91頁。(3)指數(shù)形低通濾波器(ELPF)D(u,v)=D0，H(u,v)降為最大值的。n為階數(shù)。55第五十五頁，共91頁。1階指數(shù)形低通濾波器轉(zhuǎn)移函數(shù)三維圖56第五十六頁，共91頁。1階指數(shù)形低通濾波器轉(zhuǎn)移函數(shù)剖面圖57第五十七頁，共91頁。3階指數(shù)形低通濾波器轉(zhuǎn)移函數(shù)三維圖58第五十八頁，共91頁。3階指數(shù)形低通濾波器轉(zhuǎn)移函數(shù)剖面圖59第五十九頁，共91頁。(4)梯形低通濾波器(TLPF)60第六十頁，共91頁。梯形低通濾波器轉(zhuǎn)移函數(shù)三維圖61第六十一頁，共91頁。梯形低通濾波器轉(zhuǎn)移函數(shù)剖面圖62第六十二頁，共91頁。4.3.4多幅圖像平均多幅圖像平均法是利用對同一景物的多幅圖像取平均來消除噪聲產(chǎn)生的高頻成分。63第六十三頁，共91頁。多幅平均法64第六十四頁，共91頁。原圖平均2次平均8次平均4次65第六十五頁，共91頁。

用局部中值代替局部平均值。令[f(x,y)]--原始圖象陣列，[g(x,y)]--中值濾波后圖象陣列，

f(x,y)--灰度級，

g(x,y)--以f(x,y)為中心的窗口內(nèi)各象素的灰度中間值。4.3.5中值濾波66第六十六頁，共91頁。取3×3窗口中值濾波法從小到大排列，取中間值67第六十七頁，共91頁。取N=3中值濾波去除噪聲200顯然是個噪聲。68第六十八頁，共91頁。取N=3中值濾波去除噪聲200顯然是個噪聲。69第六十九頁，共91頁。取N=3中值濾波去除噪聲200顯然是個噪聲。70第七十頁，共91頁。取N=3中值濾波去除噪聲200顯然是個噪聲。71第七十一頁，共91頁。取N=3中值濾波去除噪聲200顯然是個噪聲。72第七十二頁，共91頁。取N=3中值濾波去除噪聲200顯然是個噪聲。濾波后，200被去除。73第七十三頁，共91頁。中值濾波對持續(xù)期小于窗寬（N=5）的1/2的脈沖將進行抑制階躍信號74第七十四頁，共91頁。中值濾波對持續(xù)期小于窗寬（N=5）的1/2的脈沖將進行抑制斜坡信號75第七十五頁，共91頁。中值濾波對持續(xù)期小于窗寬（N=5）的1/2的脈沖將進行抑制單脈沖76第七十六頁，共91頁。中值濾波對持續(xù)期小于窗寬（N=5）的1/2的脈沖將進行抑制雙脈沖77第七十七頁，共91頁。中值濾波對持續(xù)期小于窗寬（N=5）的1/2的脈沖將進行抑制三脈沖78第七十八頁，共91頁。中值濾波對持續(xù)期小于窗寬（N=5）的1/2的脈沖將進行抑制三角形信號79第七十九頁，共91頁。

中值濾波在抑制圖象隨機脈沖噪聲方面甚為有效。且運算速度快，可硬化，便于實時處理。80第八十頁，共91頁。3