空间滤波
一、平滑空间滤波
主要用于模糊和降低噪声
1、平滑线性滤波
输出是滤波器模板邻域内的像素平均值。低通滤波器。空间均值处理主要是为了对感兴趣区域得到一个粗略的描述,而模糊一幅图像时较小的物体区域与背景混合,较大的区域变得像斑点易于检测,所以在滤波器大小应比噪声大。主要应用:去除图像中的不相关的细节(不相关:比滤波器小的像素区域)。数学表达式:
模板:
X1/9
X1/16
中心权值高,随着离中心的距离增加权值减少。目的:为了减少平滑处理过程中降低模糊。
2、非线性滤波(中值滤波)
适合处理椒盐噪声。使用中值滤波主要是为了去除相对于其邻域像素更亮或更暗的区域。
二、锐化空间滤波
突出灰度过度部分,增强边缘,削弱活度变换缓慢的区域。
1、图像微分基础
1)数学上的一阶微分:(1)在恒定的区域微分为零(2)灰度台阶处或斜坡处微分非零(3)沿着斜坡的的微分非零;
二阶微分:(1)在恒定区域的微分为零(2)在灰度台阶或斜坡的起点处微分非零(3)
沿着斜坡的微分为零
2)图像上的微分表示:
一阶微分:(其中f(x)为x处的像素值)
二阶微分:
三种图像边缘模型:
一幅图像中水平剖面的一阶二阶微分说明:
由上图得到结论:(1)一阶倒数通常在图像中产生较粗的边缘(2)二阶倒数对精细的细节,如细线、孤立点和噪声产生较强的响应(3)二阶导数在灰度斜坡和灰度台阶过度出会产生“双边缘效应”(4)二阶倒数的符号可用于确定边缘的过度是从亮到暗还是从暗到亮
2、使用拉普拉斯算子进行图像的锐化
拉普拉斯算子是典型的二阶微分算子。定义为:
其中:
最后得到:
所以拉普拉斯的算子滤波器模板为:
第二个为拉普拉斯的改进,是在斜对角部分加入了两项二阶倒数,保证滤波器的各向同性
普拉斯算子锐化的实现:将图像和拉普拉斯图像叠加在一起,用来复原背景特性并保持拉普拉斯的锐化处理的效果,表达公式如下:
2、非锐化掩蔽和高提升滤波
处理过程:
1)模糊图像(平滑处理)
2)从原图上减去模糊图像(产生差值的图像称为模板)
3)将模板加到原图上
公式表达如下:
当k=1时叫做非锐化掩蔽,当k>1时叫做高提升滤波
4、使用一阶微分进行图像的锐化
罗伯特算子是典型的一阶微分算子(也叫作罗伯特交叉梯度算子)。
偶数的模板很难实现,于是又提出了3X3d算子,也就是Soble算子
4、混合空间增强
拉普拉斯算子能突出图像的细节,梯度算子能突出图像的边缘,平滑算子能降低噪声,还可以使用图像的乘法和加法操作,对比度拉伸等操作,综合运用可以达到图像增强的目的。