接灰度变换和空间滤波1
四 空间滤波
(主要涉及图像平滑,图像锐化,卷积运算,系数值)
1.原理:建立一个模板,并在待处理的图像中逐点移动模板。对每一个像素点按照滤波器算法进行计算。
2.空间相关和卷积
相关:滤波器模板移过图像并计算每个位置的乘积之和。因此,相关可以寻找图像中的匹配区域。区域重合时,相关函数归一化后的值最大。
卷积:与相关相似,但滤波器要先旋转180°。二维情况下,旋转180°的操作是沿一个坐标轴f转翻模板,再沿另一个坐标轴再次翻转模板
假定有一个大小为m×n的滤波器w(x, y)与一幅M×N图像f(x, y)
做相关操作:
其中a=(m-1)/2,b=(n-1)/2,x=0,1,...,M-1,y=0,1,...,N-1
做卷积操作:
一般翻转w,而不是f。
一般将模板取对称形式,此时卷积与相关无本质上差别。
3.分类
根据数字形态分类
空域滤波器 | |||||
线性滤波器 | 非线性滤波器 | ||||
高通滤波器: 边缘增强 边缘提取 | 低通滤波器: 平滑图像 去除噪音 | 带通滤波器: 删除特定频率 较少用 | 最大值滤波器: 寻找最亮点 | 最小值滤波器: 寻找最暗点 | 中值滤波器: 平滑图像 去除噪音 |
根据处理效果分类:平滑滤波器,锐化滤波器
五. 平滑空间滤波器(减少噪声,有利于抽取图像特征以分析;计算效率高,可以对多个像素并行处理)
1.常见噪声种类
椒盐噪声:受噪声干扰的图像以50%的相同概率等于图像灰度的最大或最小可能取值
随机值脉冲噪声:受噪声干扰图像点取值,均匀分布于图像灰度的最大与最小可能取值之间
2.平滑线性滤波器(均值滤波器-低通;对高斯噪声表现好,对椒盐噪声差)
其中,分母是模板内各数值之和
(1)盒状滤波器(算术均值滤波器-算法简单计算快)
1 | 1 | 1 |
1 | 1 | 1 |
1 | 1 | 1 |
(2)加权平均滤波器(克服简单局部平均的不足,保留边缘细节)
1 | 2 | 1 |
2 | 4 | 2 |
1 | 2 | 1 |
3. 统计排序滤波器(对椒盐噪声效果好)
一种非线性的局部平滑技术,一滤波器包围的图像区域中所包含的像素的排序为基础,然后使用排序结果决定的值代替中心像素的值。克服图像的细节模糊。
当窗口小,过滤效果不好;窗口大,过滤效果好,但会造成一定模糊。如果窗口内噪声点个数大于像素个数,不能过滤噪声。
六. 锐化空间滤波器(加强高频或减弱低频,加强了细节和边缘,去模糊)
进行图像锐化处理的图像必须有较高的信噪比,否则图像锐化后图像质量急剧下降。
一般先平滑去噪,然后才能进行锐化处理。
微分运算提取图像边缘轮廓,把微分结果乘上一定比例,并与原图像加,即为突域锐化
微分算子的响应强度与图像在该点的突变程度有关
- 恒定灰度区域(平坦段)
- 突变开头与结尾(阶梯与斜坡突变)
- 沿着灰度级斜坡处的特性
1. 微分算子
(1)一阶微分算子
条件:
- 平坦段微分值为0
- 阶梯或斜坡起点处非0
- 沿斜坡面非0
一阶通常会产生较宽边缘,对阶梯有较强响应。
(2)二阶微分算子
条件:
- 平坦段微分值为0
- 阶梯或斜坡起点处非0
- 沿斜坡面为0
二阶对细节有较强响应,如细线孤立点;对台阶变化产生双响应,开始和结束之间有过零点;二阶响应点>线>阶梯
(3)小结
对图像增强来说,二阶微分比一阶好(形成细节能力更强)。一阶处理主要用于提取边缘。