3.5平滑空间滤波器
模糊程度取决于核的大小及系数的值。
高斯核是唯一可分离的圆对称核。
两个高斯函数的乘积和卷积也是高斯函数。
高斯核必须大于盒式滤波器才能产生相同的模糊效果。
低通滤波可以对阴影模式进行估计,用于阴影矫正。三倍于像素细节大小的核不足以模糊,至少四倍以上。
中值滤波器是目前图像处理中最有用的统计排序(非线性)滤波器。中值滤波器用中心像素的领域内的灰度值的中值替代中心像素的值,对图像的模糊程度小很多。当存在冲击噪声(白点与黑点叠加)时,中值滤波器尤其有效。
高斯核与盒式核的区别
盒式核产生线性平滑,使得边缘处从黑色到白色的过渡呈现斜坡状。体现在斜坡开始和结束时的硬过渡。希望边缘的平滑度低时,可以使用盒式滤波器。
相反,高斯核会在边缘过渡周围产生更平滑的结果,当希望产生均匀的平滑结果时,可以使用高斯核滤波器。
零填充、镜像填充和复制填充
零填充:将边界之外的数值设置为零,对图像填充零会在滤波结果中引入黑色的边框,边框的宽度取决于滤波器核的大小和类型。
镜像填充:通过跨越边界镜像反射图像得到边界之外的值,当边界附近区域包含更多细节纹理时镜像填充更为适用;
复制填充:将边界之外的值设为最接近的图像边界值,当边界附近区域为常数时,复制填充更为适用。
给定大小的平滑核产生的相对模糊量直接取决于图像的大小。分辨率较高尺寸较大的图像要想达到和低分辨率小尺度图像相同的模糊效果,需要使用更大的平滑滤波器,滤波器倍数与原图像尺寸倍数基本一致。
3.6锐化高通滤波器
锐化的作用是突出灰度中的过渡。
电子印刷、医学成像、工业检测和军事制导。
与一阶导数相比,二阶导数可增强更精细的细节,适用于锐化图像,且计算量更小。
各向同性核,响应与灰度不连续的方向无关。最简单的各向同性算子是拉普拉斯算子。
拉普拉斯算子是导数算子,因此会突出图像中极剧灰度过渡。
将拉普拉斯算子与原图像相加,可以恢复背景特征,同时保留拉普拉斯的锐化效果。注意算子的中心系数,若为负则需要减去拉普拉斯图像,若为正则是相加。
拉普拉斯图像一般是黑色或者无特征的。缩放后的拉普拉斯图像一般是浅灰色。
图像锐化的滤波原理类似于低通滤波,只是系数不同。
系数之和为0的卷积核对图像恒定区域滤波时,滤波后的图像中这些区域也是恒定的。原图像和滤波图像中的像素之和是相同的,防止滤波过程引入的偏差。滤波后的图像具有负值。
钝化掩蔽和高提升滤波
钝化掩蔽常用于锐化图像,具体步骤:
1)模糊原图像
2)原图像减去模糊图像(差值为模板)
3)使原图像与模板相加得到锐化图像。
当原图像与模板(系数为1)直接相加时,称为钝化掩蔽,当加上模板的倍数时(系数>1),称为高提升滤波。
3.7低通、高通、带阻和带通滤波器
空间域和频域线性滤波器可以分为四类:低通、高通、带通和带阻滤波器。
同心圆反射板测试滤波特性。
同心圆反射板特性:空间频率随着到中心距离的增大而增加,到中心距离越远,圆环越窄。即,半径越大频率越高。
3.8组合使用图像增强方法
拉普拉斯具有增强细节的优势,但是产生的噪声要比梯度产生的噪声大。
梯度对明显的灰度过渡区域响应强于拉普拉斯对这些区域的响应。梯度对噪声和精细细节的响应弱于拉普拉斯的响应。
使用拉普拉斯突出细节,使用梯度增强突出的边缘。