第四章頻率域?yàn)V波第一頁，共189頁。何謂圖像增強(qiáng)？圖像對(duì)比度增強(qiáng)第二頁，共189頁。何謂圖像增強(qiáng)？微光圖像的去噪聲第三頁，共189頁。何謂圖像增強(qiáng)？紅外圖像的偽彩色處理第四頁，共189頁。何謂圖像增強(qiáng)？紅外圖像的銳化處理第五頁，共189頁。何謂圖像增強(qiáng)？

紅外圖像的邊緣檢測(cè)（便于機(jī)器識(shí)別）第六頁，共189頁。

圖像在生成、獲取、傳輸?shù)冗^程中，受照明光源性能、成像系統(tǒng)性能、通道帶寬和噪聲等諸多因素的影響，往往造成對(duì)比度偏低、清晰度下降、并引入干擾噪聲。

因此，圖像增強(qiáng)的目的，就是改善圖像質(zhì)量，獲得更適合于人眼觀察、或者對(duì)后續(xù)計(jì)算機(jī)處理、分析過程更有利的圖像。

圖像增強(qiáng)并不以圖像保真為準(zhǔn)則，而是有選擇地突出某些對(duì)人或計(jì)算機(jī)分析有意義的信息，抑制無用信息，提高圖像的使用價(jià)值。何謂圖像增強(qiáng)？第七頁，共189頁。主要內(nèi)容空間域灰度變換空間域?yàn)V波頻率域?yàn)V波偽彩色與假彩色處理第八頁，共189頁。主要內(nèi)容空間域灰度變換空間域?yàn)V波頻率域?yàn)V波偽彩色與假彩色處理第九頁，共189頁。

直接灰度變換法

1、線性變換；2、對(duì)數(shù)變換；3、指數(shù)變換。

1、直方圖均衡化；2、直方圖匹配。

空間域灰度變換，又稱為對(duì)比度變換或?qū)Ρ榷仍鰪?qiáng)?？煞譃橐韵聝纱箢悾阂弧⒖臻g域灰度變換

直方圖調(diào)整法第十頁，共189頁。1.1直接灰度變換法(一)線性灰度變換當(dāng)圖像成像時(shí)曝光不足或過度,或由于成像設(shè)備的非線性和圖像記錄設(shè)備動(dòng)態(tài)范圍太窄等因素。都會(huì)產(chǎn)生對(duì)比度不足的弊病，使圖像中的細(xì)節(jié)分辨不清。這時(shí)可將灰度范圍線性擴(kuò)展。第十一頁，共189頁。(一)線性灰度變換設(shè)f(x,y)灰度范圍為[a,b]，g(x,y)灰度范圍為[c,d]，則有1.1直接灰度變換法第十二頁，共189頁。0f(x,y)g(x,y)abcd1.1直接灰度變換法(一)線性灰度變換

第十三頁，共189頁。

(二)分段線性灰度變換

將感興趣的灰度范圍線性擴(kuò)展，相對(duì)抑制不感興趣的灰度區(qū)域。設(shè)f(x,y)灰度范圍為[0,Mf]，g(x,y)灰度范圍為[0,Mg],1.1直接灰度變換法第十四頁，共189頁。

(二)分段線性灰度變換1.1直接灰度變換法第十五頁，共189頁。0f(x,y)g(x,y)abcdMfMg

(二)分段線性灰度變換1.1直接灰度變換法第十六頁，共189頁。

(三)非線性灰度變換

(1)對(duì)數(shù)變換

低灰度區(qū)擴(kuò)展，高灰度區(qū)壓縮。

(2)指數(shù)變換

高灰度區(qū)擴(kuò)展，低灰度區(qū)壓縮。1.1直接灰度變換法第十七頁，共189頁。(三)非線性灰度變換——對(duì)數(shù)變換a,b,c是按需要可以調(diào)整的參數(shù)。1.1直接灰度變換法第十八頁，共189頁。1.1直接灰度變換法(三)非線性灰度變換——對(duì)數(shù)變換第十九頁，共189頁。a,b,c是按需要可以調(diào)整的參數(shù)。1.1直接灰度變換法(三)非線性灰度變換——對(duì)數(shù)變換第二十頁，共189頁。(三)非線性灰度變換——指數(shù)變換1.1直接灰度變換法第二十一頁，共189頁。灰度變換實(shí)例第二十二頁，共189頁。原始圖象第二十三頁，共189頁?；叶鹊怪玫灼Ч诙捻?，共189頁。原始圖象第二十五頁，共189頁。非線性灰度變換對(duì)數(shù)效應(yīng)第二十六頁，共189頁。原始圖象第二十七頁，共189頁。非線性灰度變換指數(shù)效應(yīng)第二十八頁，共189頁。原始圖象第二十九頁，共189頁。分段線性化出現(xiàn)假輪廓第三十頁，共189頁。招貼畫化4級(jí)灰度第三十一頁，共189頁。招貼畫化3級(jí)灰度第三十二頁，共189頁。招貼畫化2級(jí)灰度即二值化第三十三頁，共189頁。原始圖象第三十四頁，共189頁。亮度倒置底片效果第三十五頁，共189頁。紅色分量置零第三十六頁，共189頁。紅色、綠色分量均置零第三十七頁，共189頁。原始圖象第三十八頁，共189頁。非線性亮度變換對(duì)數(shù)效應(yīng)第三十九頁，共189頁。非線性亮度變換指數(shù)效應(yīng)第四十頁，共189頁。原始圖象第四十一頁，共189頁。分段線性化出現(xiàn)假輪廓第四十二頁，共189頁。p(rk)

Nk250

500

750

1000

200

100

50

150

像素出現(xiàn)次數(shù)像素灰度級(jí)別1.2直方圖調(diào)整法第四十三頁，共189頁。p(rk)

Nk0.1

0.2

0.3

0.4

200

100

50

150

像素出現(xiàn)概率像素灰度級(jí)別1.2直方圖調(diào)整法第四十四頁，共189頁。直方圖舉例直方圖描述了一幅圖像的灰度(顏色)分布第四十五頁，共189頁。第四十六頁，共189頁。第四十七頁，共189頁。

(一)直方圖均衡化

直方圖均衡化是將原圖像的直方圖通過變換函數(shù)修正為均勻的直方圖，然后按均衡直方圖修正原圖像。圖像均衡化處理后，圖像的直方圖是平直的，即各灰度級(jí)具有近似相同的出現(xiàn)頻數(shù)，那么由于灰度級(jí)具有均勻的概率分布，圖像看起來就更清晰了。1.2直方圖調(diào)整法第四十八頁，共189頁。(一)直方圖均衡化首先，假定連續(xù)灰度級(jí)的情況，推導(dǎo)直方圖均衡化變換公式，令r代表灰度級(jí)，P(r)

為概率密度函數(shù)。

r值已歸一化，最大灰度值為1。第四十九頁，共189頁。

要找到一種變換S=T(r)

使直方圖變平直，為使變換后的灰度仍保持從黑到白的單一變化順序，且變換范圍與原先一致，以避免整體變亮或變暗。必須規(guī)定：

(1)在0≤r≤1中，T(r)是單調(diào)遞增函數(shù)，且0≤T(r)≤1；(2)反變換r=T-1(s),T-1(s)也為單調(diào)遞增函數(shù)，0≤s≤1。(一)直方圖均衡化第五十頁，共189頁。rjrj+rsjsj+s直方圖均衡化-變換公式推導(dǎo)圖示第五十一頁，共189頁。(一)直方圖均衡化考慮到灰度變換不影響像素的位置分布，也不會(huì)增減像素?cái)?shù)目。所以有：第五十二頁，共189頁。(一)直方圖均衡化應(yīng)用到離散灰度級(jí)，設(shè)一幅圖像的像素總數(shù)為n，分L個(gè)灰度級(jí)。nk:第k個(gè)灰度級(jí)出現(xiàn)的頻數(shù)。第k個(gè)灰度級(jí)出現(xiàn)的概率P(rk)=nk/n其中，0≤rk≤1，k=0,1,2,...,L-1形式為：第五十三頁，共189頁。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1nk

790102385065632924512281

p(rk)

0.190.250.210.160.080.060.030.02例：設(shè)圖象有64*64=4096個(gè)象素，有8個(gè)灰度級(jí)，灰度分布如表所示。進(jìn)行直方圖均衡化。第五十四頁，共189頁。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1nk

790102385065632924512281

p(rk)

0.190.250.210.160.080.060.030.02計(jì)算步驟：第五十五頁，共189頁。1.由（2）式計(jì)算sk。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk

790102385065632924512281p(rk)

0.190.250.210.160.080.060.030.02sk計(jì)算

0.190.440.650.810.890.950.981.00第五十六頁，共189頁。sk舍入

1/73/75/76/76/71112.把計(jì)算的sk就近安排到8個(gè)灰度級(jí)中。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk

790102385065632924512281p(rk)

0.190.250.210.160.080.060.030.02sk計(jì)算

0.190.440.650.810.890.950.981.00第五十七頁，共189頁。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk

790102385065632924512281p(rk)

0.190.250.210.160.080.060.030.02sk計(jì)算

0.190.440.650.810.890.950.981.00sk舍入

1/73/75/76/76/7111sk

s0s1s2s3s4nsk

7901023850985448p(sk)

0.190.250.210.240.113.重新命名sk，歸并相同灰度級(jí)的象素?cái)?shù)。第五十八頁，共189頁。直方圖均衡化均衡化前后直方圖比較第五十九頁，共189頁。直方圖均衡化

直方圖均衡化實(shí)質(zhì)上是減少圖像的灰度級(jí)以換取對(duì)比度的加大。在均衡過程中，原來的直方圖上頻數(shù)較小的灰度級(jí)被歸入很少幾個(gè)或一個(gè)灰度級(jí)內(nèi)，故得不到增強(qiáng)。若這些灰度級(jí)所構(gòu)成的圖像細(xì)節(jié)比較重要，則需采用局部區(qū)域直方圖均衡。第六十頁，共189頁。1.2直方圖調(diào)整法（二）直方圖匹配修改一幅圖像的直方圖，使得它與另一幅圖像的直方圖匹配或具有一種預(yù)先規(guī)定的函數(shù)形狀。

目標(biāo)：突出我們感興趣的灰度范圍，使圖像質(zhì)量改善。第六十一頁，共189頁。連續(xù)灰度的直方圖原圖規(guī)定第六十二頁，共189頁。直方圖匹配令P(r)為原始圖象的灰度密度函數(shù)，P(z)是期望通過匹配的圖象灰度密度函數(shù)。對(duì)P(r)及P(z)作直方圖均衡變換，通過直方圖均衡為橋梁，實(shí)現(xiàn)P(r)與P(z)變換。第六十三頁，共189頁。直方圖變換實(shí)例第六十四頁，共189頁。I=imread('C:\das01.jpg');J=histeq(I);subplot(2,2,1)imshow(I)subplot(2,2,2)imshow(J)subplot(2,2,3)imhist(I,64)subplot(2,2,4)imhist(J,64)

直方圖變換Matlab算例第六十五頁，共189頁。直方圖變換Matlab算例第六十六頁，共189頁。主要內(nèi)容空間域灰度變換空間域?yàn)V波頻率域?yàn)V波偽彩色與假彩色處理第六十七頁，共189頁。定義

使用空間模板進(jìn)行的圖像處理，被稱為空間濾波，模板本身被稱為空間濾波器。

二、空間域?yàn)V波空間平滑濾波器空間銳化濾波器第六十八頁，共189頁?？臻g平滑濾波器的作用模糊處理:去除圖像中一些不重要的細(xì)節(jié)減小噪聲。空間平滑濾波器的分類線性濾波器：均值濾波器非線性濾波器：最大值濾波器中值濾波器最小值濾波器2.1圖像平滑(smoothing)第六十九頁，共189頁。平滑2.1圖像平滑(smoothing)第七十頁，共189頁。

(一)局部平均法

★簡(jiǎn)單平均法

閾值平均法梯度倒數(shù)加權(quán)平均法2.1圖像平滑(smoothing)第七十一頁，共189頁。

用像素鄰域內(nèi)的各像素灰度值的平均代表原來的灰度值。

設(shè)有一幅含噪聲的圖像，且

其中：f(x,y)——原始圖像

n(x,y)

——噪聲(一)局部平均法第七十二頁，共189頁。經(jīng)局部平均處理后，得到平滑圖象為：S：點(diǎn)(x,y)鄰域內(nèi)的點(diǎn)集，M：S內(nèi)總點(diǎn)數(shù)。(1)簡(jiǎn)單局部平均法第七十三頁，共189頁。局部平均法的基本假設(shè)：

①圖像由許多灰度恒定的小塊組成。②圖像上的噪聲是加性的、均值為零，且與圖象信號(hào)互不相關(guān)。

根據(jù)假設(shè)①

，平滑后公式的第一項(xiàng)非常接近f(x,y)。平滑后噪聲方差：(1)簡(jiǎn)單局部平均法第七十四頁，共189頁。取3×3方形窗，對(duì)中心像素計(jì)算：簡(jiǎn)單平均法——算例９個(gè)像素值相加取平均，即得新的中心像素值為：對(duì)所有像素進(jìn)行相同的計(jì)算，即可達(dá)到整個(gè)圖像的平滑。第七十五頁，共189頁。①平滑后噪聲方差為處理前的

1／M。②簡(jiǎn)單局部平均會(huì)使圖像模糊，特別是輪廓邊緣不清晰。簡(jiǎn)單局部平均法第七十六頁，共189頁。

僅當(dāng)平滑前后圖像差值大于某個(gè)預(yù)先給定的值時(shí)，實(shí)施簡(jiǎn)單局部平均。即:

其中：T

—預(yù)先給定的閾值該方法對(duì)抑制椒鹽噪聲比較有效，可保護(hù)僅有微小灰度差的圖像細(xì)節(jié)。(2)閾值平均法第七十七頁，共189頁。

梯度倒數(shù)加權(quán)平滑起源于這樣的考慮：

在一幅數(shù)字圖像中，相鄰區(qū)域的變化大于區(qū)域內(nèi)部的變化；在同一區(qū)域中，中間像素的變化小于邊緣像素的變化。梯度值正比于鄰域像素灰度級(jí)差值，即在圖像變化緩慢區(qū)域，梯度值小，反之則大。

若取梯度倒數(shù)，該倒數(shù)大小正好與梯度相反。以梯度倒數(shù)做權(quán)重因子，則區(qū)域內(nèi)部的鄰點(diǎn)權(quán)重就大于邊緣近旁或區(qū)域外的鄰點(diǎn)。(3)梯度倒數(shù)加權(quán)平均法第七十八頁，共189頁。(3)梯度倒數(shù)加權(quán)平均法梯度倒數(shù)定義：給定權(quán)矩陣(3×3)第七十九頁，共189頁。(3)梯度倒數(shù)加權(quán)平均法規(guī)定中心像素，其余8個(gè)像素的加權(quán)和為1/2，這樣使各元素總和等于1。除中心像素外的計(jì)算為：最后，用求得的權(quán)矩陣對(duì)圖像進(jìn)行處理，就得到了平滑后的圖像。第八十頁，共189頁。鄰域平均實(shí)例第八十一頁，共189頁。鄰域平均Matlab算法I=imread('C:\dog.bmp')[m,n]=size(I);z=double(I);fory=3:n-2forx=3:m-2total=0;forj=-2:2fori=-2:2

total=total+z((x+i),(y+j));endendtotal=total/25;zz(x,y)=total;endendsubplot(1,2,1)imshow(I);subplot(1,2,2)imshow(mat2gray(zz))

第八十二頁，共189頁。鄰域平均實(shí)例原圖3×35×57×79×911×11第八十三頁，共189頁。2.1圖像平滑(smoothing)

(二)中值濾波（MedianFilter)

中值濾波是一種非線性的信號(hào)處理方法。中值濾波器于1971年由J.W.Jukey首先提出，并應(yīng)用于一維信號(hào)處理。后來被二維圖像信號(hào)處理技術(shù)所應(yīng)用。第八十四頁，共189頁。

基本思想：

用局部中值代替局部平均值。

其中：f(x,y)——原始圖像陣列；

g(x,y)——中值濾波后圖像陣列；

Median——中值濾波算子，取中值；

A——濾波窗口，大小為k×l。(二)中值濾波第八十五頁，共189頁。例如：取3×3方形窗口中值濾波——算例從小到大排列，取中間值第八十六頁，共189頁。中值濾波窗口第八十七頁，共189頁。中值濾波實(shí)例含椒鹽（salt&pepper）噪聲原圖中值濾波的結(jié)果第八十八頁，共189頁。中值濾波實(shí)例原圖（含有椒鹽噪聲微光圖）中值濾波的結(jié)果第八十九頁，共189頁。能保持圖像邊緣，使原始圖像不產(chǎn)生模糊。缺點(diǎn)：1、對(duì)高斯噪聲無能為力；

2、計(jì)算比較費(fèi)時(shí)，需研究快速算法。中值濾波的特點(diǎn)對(duì)離散階躍信號(hào)、斜聲信號(hào)不產(chǎn)生作用，對(duì)點(diǎn)狀噪聲和干擾脈沖有良好的抑制作用。第九十頁，共189頁。

2.1圖像平滑(smoothing)

(三)模板運(yùn)算(Templateoperation)

模板運(yùn)算是數(shù)字圖像處理中經(jīng)常用到的一種運(yùn)算方式。其基本思想是：將模板與待處理的圖像做卷積，達(dá)到圖像平滑、銳化、邊緣檢測(cè)等目的。

在圖像平滑中包括：平均模板、加權(quán)平均模板、高斯模板等。第九十一頁，共189頁。模板運(yùn)算——算例T與原圖像f作卷積運(yùn)算，可表示為:第九十二頁，共189頁。幾種常用的平滑模板平均模板加權(quán)平均模板第九十三頁，共189頁。幾種常用的平滑模板高斯模板第九十四頁，共189頁。卷積的matlab函數(shù)與算例語法：C=conv2(A,B)C=conv2(hcol,hrow,A)C=conv2(...,'shape')shape:full:Returnsthefulltwo-dimensionalconvolution(default).same:ReturnsthecentralpartoftheconvolutionofthesamesizeasA.valid:Returnsonlythosepartsoftheconvolutionthatarecomputedwithoutthezero-paddededges.Usingthisoption,Chassize[ma-mb+1,na-nb+1]whenall(size(A)>=size(B)).Otherwiseconv2returns[].第九十五頁，共189頁。卷積的matlab函數(shù)與算例計(jì)算：conv2(A,B,’full’)=>conv2(A,B’)conv2(A,B,’smae’)conv2(A,B,’valid’)例如：第九十六頁，共189頁。matlab中的濾波函數(shù)與算例SyntaxB=imfilter(A,H)B=imfilter(A,H,option1,option2,...)OptionsBoundaryOutputSizeCorrelationorConvolution1X'same''corr'2symmetric'full''conv'3'replicate4'circular'第九十七頁，共189頁。鄰域平均Matlab算法代碼如下：I=imread(‘C:\01.jpg');h=fspecial('average',[33]);blurImg=imfilter(I,h);imshow(blurImg);imwrite(blurImg,’01-3.jpg’);第九十八頁，共189頁。

銳化濾波器的主要用途突出圖像中的細(xì)節(jié)，增強(qiáng)被模糊了的細(xì)節(jié)。印刷中的細(xì)微層次強(qiáng)調(diào)。彌補(bǔ)掃描對(duì)圖像的鈍化。超聲探測(cè)成像，分辨率低，邊緣模糊，通過銳化來改善。銳化處理恢復(fù)過度鈍化、暴光不足的圖像。圖像識(shí)別中，分割前的邊緣提取。尖端武器中的目標(biāo)識(shí)別、定位。2.2圖像增強(qiáng)—銳化濾波器第九十九頁，共189頁。

圖像經(jīng)轉(zhuǎn)換、處理或傳輸后，質(zhì)量可能下降，難免有些模糊。

圖像銳化目的：加強(qiáng)圖像輪廓，使圖像看起來比較清晰、以便于對(duì)目標(biāo)的識(shí)別和處理。

圖像銳化和平滑恰恰相反，它是通過增強(qiáng)高頻分量來減少圖像中的模糊，因此也稱為高通濾波。

2.2銳化(Sharpening)濾波器第一百頁，共189頁。銳化圖像銳化(Sharpening)—強(qiáng)化邊緣第一百零一頁，共189頁。常用方法

微分法（Differentiation）高通濾波法（High-passFilter）2.2銳化(Sharpening)濾波器第一百零二頁，共189頁?？疾煺液瘮?shù)，它的微分。微分后頻率不變，幅度上升2πa倍?？臻g頻率愈高，幅度增加就愈大。這表明微分是可以加強(qiáng)高頻成分的，從而使圖像輪廓變清晰。

微分運(yùn)算是用來求取信號(hào)的變化率，具有加強(qiáng)高頻分量的作用。(1)微分法第一百零三頁，共189頁。

最常用的微分方法是梯度法。設(shè)圖像函數(shù)為f(x,y)，它的梯度是一個(gè)向量，定義為：(1)微分法—梯度(Gradient)第一百零四頁，共189頁。

在(x,y)點(diǎn)處的梯度，方向指向f(x,y)最大變化率的方向；

幅度（記G[f(x,y)]）則等于f(x,y)的最大變化率，即梯度—兩個(gè)重要性質(zhì)第一百零五頁，共189頁。幾個(gè)常用微分表達(dá)式

對(duì)于圖像函數(shù)f(x,y)，它的x方向，y方向和α方向的一階導(dǎo)數(shù)為：第一百零六頁，共189頁。幾個(gè)常用微分表達(dá)式

對(duì)于圖像函數(shù)

f(x,y)，它的x方向，y方向和α方向的二階導(dǎo)數(shù)為：第一百零七頁，共189頁。微分的差分近似

對(duì)數(shù)字圖像而言，微分運(yùn)算一般用差分來代替，對(duì)應(yīng)上述各個(gè)方向的差分為：第一百零八頁，共189頁。

方便起見，一般把梯度幅度也簡(jiǎn)稱為梯度。常用差分算法

(1)

典型梯度算法幾種常用的差分近似第一百零九頁，共189頁。(2)羅伯茨（Roberts）梯度算法羅伯茨梯度算法典型梯度算法幾種常用的差分近似第一百一十頁，共189頁。

上述算法運(yùn)算較費(fèi)時(shí)。為更適合計(jì)算機(jī)實(shí)現(xiàn)，采用絕對(duì)差分算法：

(3)

(4)幾種常用的差分近似第一百一十一頁，共189頁。

計(jì)算梯度的算法確定后，就有各種策略使圖像輪廓突出。

輪廓比較突出，灰度平緩變化部分，梯度小，很黑。梯度增強(qiáng)策略第一百一十二頁，共189頁。

T：門限值、閾值(threshold)，非負(fù)。適當(dāng)選擇T，既突出輪廓，又不破壞背景。

(2)背景保留梯度增強(qiáng)策略第一百一十三頁，共189頁。

LG：指定的輪廓灰度值。(3)背景保留，輪廓取單一灰度值。梯度增強(qiáng)策略第一百一十四頁，共189頁。

LB：指定的背景灰度值。(4)輪廓保留，背景取單一灰度值。梯度增強(qiáng)策略第一百一十五頁，共189頁。

LG：指定的輪廓灰度值。

LB：指定的背景灰度值。

(5)輪廓、背景分別取單一灰度值，即二值化。只對(duì)輪廓感興趣。梯度增強(qiáng)策略第一百一十六頁，共189頁。

邊緣是由灰度級(jí)跳變點(diǎn)構(gòu)成的。因此具有較高的空間頻率。所以采用高通濾波的方法讓高頻分量順利通過，使低頻分量得到抑制，就可增強(qiáng)高頻分量，使圖像的邊緣或線條變的清晰，實(shí)現(xiàn)圖像的銳化。

在空間域中，讓圖像和高通濾波器的沖擊響應(yīng)函數(shù)進(jìn)行卷積。(2)高通濾波—掩模法(Mask)第一百一十七頁，共189頁。0濾波器模板系數(shù)的設(shè)計(jì)根據(jù)空域中高通沖激響應(yīng)函數(shù)的圖形來設(shè)計(jì)模板的系數(shù):

g(x,y)=h(x,y)*f(x,y)空域高通濾波器設(shè)計(jì)第一百一十八頁，共189頁。1-118-11-111-11-111-1-1-1-1-1-1-1-1-1-1-1-1-18-1-1-1-1-1-11/9*1/25*設(shè)計(jì)模板系數(shù)的原則①中心系數(shù)為正值，外圍為負(fù)值；②系數(shù)之和為0?？沼蚋咄V波器設(shè)計(jì)第一百一十九頁，共189頁。常用高通濾波器第一百二十頁，共189頁。

高通濾波在增強(qiáng)了邊的同時(shí)，丟失了圖像的層次，圖像會(huì)變的粗糙。高通濾波存在的問題第一百二十一頁，共189頁。圖像銳化實(shí)例第一百二十二頁，共189頁。原始圖像第一百二十三頁，共189頁。銳化圖像第一百二十四頁，共189頁。強(qiáng)調(diào)邊緣第一百二十五頁，共189頁。尋找邊緣第一百二十六頁，共189頁。主要內(nèi)容空間域灰度變換空間域?yàn)V波頻率域?yàn)V波偽彩色與假彩色處理第一百二十七頁，共189頁。

低通濾波(Low-passFilter)

三、頻率域?yàn)V波

使圖像經(jīng)過一個(gè)二維的低通數(shù)字濾波器，讓高頻信號(hào)得到較大的衰減。由于噪聲的頻譜能量多集中在高頻段，采用衰減高頻的低通濾波器，可以平滑噪聲，但也會(huì)帶來圖象細(xì)節(jié)模糊。因此，必須選擇合適的濾波特性。第一百二十八頁，共189頁。理想低通濾波器（ILPF）巴特沃茲濾波器（BLPF）指數(shù)濾波器（ELPF）梯形濾波器（TLPF）常用低通濾波器第一百二十九頁，共189頁。(1)理想低通濾波器其中D0為截止頻率，

D(u,v)=(u2+v2)1/2：頻率平面原點(diǎn)到點(diǎn)(u,v)的距離。常用低通濾波器第一百三十頁，共189頁。理想低通濾波器特點(diǎn)：

物理上不可實(shí)現(xiàn)有抖動(dòng)現(xiàn)象濾除高頻成分使圖象變模糊第一百三十一頁，共189頁。理想低通濾波器轉(zhuǎn)移函數(shù)三維圖第一百三十二頁，共189頁。(2)巴特沃思低通濾波器D(u,v)=D0，H(u,v)降為最大值的。n為階數(shù)。第一百三十三頁，共189頁。3階巴特沃思低通濾波器轉(zhuǎn)移函數(shù)三維圖第一百三十四頁，共189頁。(3)指數(shù)形低通濾波器D(u,v)=D0，H(u,v)降為最大值的。n為階數(shù)。第一百三十五頁，共189頁。3階指數(shù)形低通濾波器轉(zhuǎn)移函數(shù)三維圖第一百三十六頁，共189頁。(4)梯形低通濾波器第一百三十七頁，共189頁。梯形低通濾波器轉(zhuǎn)移函數(shù)三維圖第一百三十八頁，共189頁。主要內(nèi)容空間域灰度變換空間域?yàn)V波頻率域?yàn)V波偽彩色與假彩色處理第一百三十九頁，共189頁。偽彩色處理。假彩色處理。要點(diǎn)：

四、偽彩色與假彩色處理第一百四十頁，共189頁。偽彩色(pseudocolor)處理：人為地將不同灰度圖像賦予不同彩色。假彩色(falsecolor)處理：把真實(shí)的自然彩色圖像或遙感多光譜圖象處理成假彩色圖像。四、偽彩色與假彩色處理第一百四十一頁，共189頁。偽彩色偽彩色與假彩色第一百四十二頁，共189頁。偽彩色第一百四十三頁，共189頁。真彩色與偽彩色第一百四十四頁，共189頁。人眼只能區(qū)分40多種不同等級(jí)的灰度，卻能區(qū)分幾千種不同色度、不同亮度的色彩。偽彩色處理就是把灰度圖像的灰度值映射成相應(yīng)的彩色。

(1)灰度分層法偽彩色處理第一百四十五頁，共189頁。(2)灰度變換法偽彩色處理第一百四十六頁，共189頁。TG(·)f(x,y)TR(·)TB(·)R(x,y)G(x,y)B(x,y)偽彩色處理灰度變換法示意圖第一百四十七頁，共189頁。偽彩色處理灰度變換曲線LLL/43L/4L/20GBR第一百四十八頁，共189頁。把真實(shí)的自然彩色圖象或遙感多光譜圖象處理成假彩色圖像。用途：(1)景物映射成奇異彩色，比本色更引人注目。假彩色處理第一百四十九頁，共189頁。(2)適應(yīng)人眼對(duì)顏色的靈敏度，提高鑒別能力。如人眼對(duì)綠色亮度響應(yīng)最靈敏，可把細(xì)小物體映射成綠色。人眼對(duì)藍(lán)光的強(qiáng)弱對(duì)比靈敏度最大。可把細(xì)節(jié)豐富的物體映射成深淺與亮度不一的藍(lán)色。假彩色處理第一百五十頁，共189頁。(3)遙感多光譜圖像處理成假彩色，以獲得更多信息。表示：真彩色圖像處理成假彩色圖像：假彩色處理第一百五十一頁，共189頁。例：假彩色處理第一百五十二頁，共189頁。表示：

遙感四波段圖像處理成假彩色圖象：假彩色處理第一百五十三頁，共189頁。假彩色處理—給舌頭上口紅!第一百五十四頁，共189頁。主要內(nèi)容空間域灰度變換空間域?yàn)V波頻率域?yàn)V波偽彩色與假彩色處理第一百五十五頁，共189頁。Anyqueastions？第一百五十六頁，共189頁。利用線性灰度變換，試寫出把灰度范圍[0，30]拉伸為[0，50]，把灰度范圍[30，60]移動(dòng)到[50，80]，把灰度范圍[60，90]壓縮為[80，90]的變換方程。（見教材p105，習(xí)題5.2）給定以下圖像數(shù)據(jù):習(xí)題：第一百五十七頁，共189頁。試求出用均值濾波器對(duì)該圖進(jìn)行平滑后的結(jié)果?？刹豢紤]邊界像素。試求出用如下均值加權(quán)濾波器M對(duì)該圖進(jìn)行平滑后的結(jié)果?？刹豢紤]邊界像素。（見教材p106，習(xí)題5.5）習(xí)題：第一百五十八頁，共189頁。ConvolutionandCorrelation

(卷積與相關(guān))PengzhenmingSchoolofOpto-ElectronicInformation,UniversityofElectronicScienceandTechnologyofChina

2010.3.16第一百五十九頁，共189頁。AgendaConvolution(first1Dthan2D(images))CorrelationDigitalfilters第一百六十頁，共189頁。Whatcanitbeusedfor?Manymanythingsdefinedbytheprogrammer….andsomestandardoperations:BlurimageRemovenoiseObjectdetectionMorphologyEdgedetection第一百六十一頁，共189頁。NeighborhoodprocessingAsopposedtopoint(pixel)processing0212121253132201120214101InputOutput第一百六十二頁，共189頁。Convolution第一百六十三頁，共189頁。Convolution(1D)1122112211121FilterResponseFilterInputSignal/Image-rowOutputSignal/Image-rowFiltercoefficients5第一百六十四頁，共189頁。Normalisefilterresponse……255255255MaxvaluesinimageFiltercoefficientsABCMaxfilterresponse= =Ifmaxfilterresponse=255(onebyte)thenNormalisedfilterresponse=filterresponse/(A+B+C)第一百六十五頁，共189頁。Convolution(1D)1122112211121第一百六十六頁，共189頁。Convolution(1D)1122112211121第一百六十七頁，共189頁。Convolution(1D)1122112211121第一百六十八頁，共189頁。Convolution(1D)1122112211121第一百六十九頁，共189頁。Convolution(1D)1122112211121第一百七十頁，共189頁。1122112211121Convolution(1D)第一百七十一頁，共189頁。Convolution(1D)1122112211121第一百七十二頁，共189頁。Convolution(1D)1122112211121ThisprocessiscalledConvolution!!第一百七十三頁，共189頁。Mathofconvolution g(x):output,h:filter,*meansconvolution, f(x):input,n=INT[

widthoffilter/2]

INT[]:roundsdown,forexample:INT[1.7]=1

Forexample:Filter(h):

width=3=>n=1121h(-1)=1h(0)=2h(1)=1第一百七十四頁，共189頁。Mathofconvolutionxisthepixelofinterest,i.e.,thepositioninthesignal/imageANDthecenterofthefilter1122112211121f(x)i=-1=>f(x+1)=2i=0=>f(x)=1i=1=>f(x-1)=1第一百七十五頁，共189頁。Mathofconvolution1122112211121f(x)第一百七十六頁，共189頁。Correlation第一百七十七頁，共189頁。Correlation(1D)1122112211121NormalisedFilterResponseFilterInputSignal/Image-rowOutputSignal/Image-rowFiltercoefficients第一百七十八頁，共189頁。CorrelationversusConvolution11221122111211122112211121CorrelationConvolutionInimageprocessingweuseCORRELATIONbut(nearly)alwayscallitCONVOLUTION!!!!!Note:Whenthefilterissymmetric:correlation=convolu