- 空间滤波器定义
- 空间卷积和相关的却别
- 空间平滑滤波、低通滤波
- 空间锐化、高通滤波
- 图像一阶梯度、二阶梯度算子
1.3.0空间滤波器
空间滤波器的别名:核、空间掩膜、模板和窗口。
空间滤波器:由一个预定义的邻域和对该邻域所包围的图像像素执行预定义的操作组成。滤波器产生一个像素值,像素值的坐标为该领域的中心。滤波器中心访问输入图像的每一个像素点即可生成滤波后(处理后)的新图像。
相关处理 :
卷积处理:
1.3.1空间滤波器之相关处理:一个离散(权重)函数与离散单位冲激(函数)相关,会在该冲激位置产生该函数的一个翻转。ps:(离散单位冲激——包含单个1而其他都是0的函数称为离散单位冲击函数)
1.3.2空间滤波器之卷积处理:一个离散(权重)函数与离散单位冲激(函数)卷积,会在该冲激位置复制该离散函数。ps:(卷积操作——对离散(权重)函数翻转(旋转180度)后再进行相关操作,因此得到的副本相当于翻转的翻转,等于自身)
1.3.3平滑空间滤波器(低通滤波)
低通滤波器:平滑图像,忽略细节。滤除琐碎信息、噪声、连接直线或曲线的缝隙。降低了图像的对比度。图像直方图趋于平缓
- 均值滤波器(一种线性滤波器)——类似于求和/积分后取平均
- 排序滤波(分线性滤波器)
包括中值滤波、最大值滤波、最小值滤波等。
中值滤波可以很好的保留原始图像的细节,同时去除突变的噪声污染。
1.3.4锐化空间滤波器(高通滤波)——基于一阶或二阶微分
高通滤波器:凸显图像过度区域,边缘突出,增强图像对比度。——利用微分来实现。
一阶微分:
一阶微分算子----梯度算子,包括Roberts、Prewitt和Sobel三种算子。
Bullzeye:图像边缘检测 - 图像梯度与Canny算子zhuanlan.zhihu.com梯度图像原理:在图像空间利用两个方向模板与图像进行邻域卷积来完成的,这两个方向模板一个检测水平梯度,一个检测垂直梯度。下面是集中常见的一阶微分模板。梯度有正有负需要对其求绝对值和或者均方根作为该像素点的总梯度值。因此一阶梯度算子是非线性的。
处理结果:
图像的一阶微分/梯度反应了图像的变化点,突出凸显边界;但是二阶微分/梯度才是反应图像的剧烈变化点,突出图像的细节。
- 二维图像的二阶微分算子——拉普拉斯算子
拉普拉斯算子处理后的图像数据有正有负,所以显示出来如右下角图所示,黑色多。对将图像负值到正值重新标定到0~255可以得到右上角的图。参考链接:
lowkeyway:(二十四)用二阶微分(拉普拉斯算子)实现图像锐化zhuanlan.zhihu.com1.3.5非锐化掩膜锐化图像,利用钝化掩膜锐化图像
- 模糊化原图像f(x,y)得到图像f1(x,y)
- 用原图像f(x,y)-f1(x,y)得到钝化掩膜f2(x,y)
- 钝化掩膜f2(x,y)的k倍加上原图像f(x,y)得到锐化后的图像
锐化效果:
1.3.6 混合增强
拉普拉斯算子:保留细节信息,同时保留噪声。拉普拉斯算子在噪声、细节处的响应比梯度算子要强很多。
sobel算子:保留轮廓信息,同时平滑图像。梯度变化在灰度变化区域(斜坡/台阶)的平均响应比拉普拉斯的平均响应要大。适合于边缘检测。一定程度上具有平滑滤波作用。
均值滤波算子:抑制图像噪声。
sobel算子+均值滤波算子,可以得到低噪声的图像轮廓信息,图5。
利用图5与拉普拉斯算子获得的图3乘积得到图6,图6和图1相加得到锐化的图7.对图7进行对比度拉伸。(伽马矫正γ=0.4,γ<1)
结果