数字图像处理复习笔记（一）--空间域增强

TheLudGamer · 发表于 2021-12-29 17:29

一、直方图均衡化计算

二、空间滤波

图像的平滑、锐化都是利用掩模操作来完成的。通过掩模操作实现一种邻域运算，待处理像素点的结果由邻域的图像像素以及相应的与邻域有相同维数的子图像得到。这些子图像被称为滤波器、掩模、核、模板或窗口；

掩模运算的数学含义是卷积（或互相关）运算；
掩模子图像中的值是系数值，而不是灰度值；

一般来说，在的图像上，用大小的滤波器掩模进行线性滤波由下式给出：

1、平滑滤波器
图像平滑的目的就是减少图像噪声。
空间域方法主要是均值滤波或者中值滤波。
噪声往往和信号交织在一起，降噪往往要以一定的细节模糊为代价。
1.1领域平均（平滑线性滤波、均值滤波器）
求包含在模板内像素平均值：

方法：通过模板进行邻域操作来完成的。

常见的均值模板：

工作原理：卷积计算

平滑滤波器的缺点：去除噪音的同时，钝化了图像的边和尖锐的细节。模板尺寸越大，图像越模糊，细节丢失越多。
1.2 统计排序滤波器
定义：是一种非线性滤波器，基于滤波器所在图像区域中像素的排序，由排序结果决定的值代替中心像素的值。
中值滤波器：用像素领域内的中间值代替该像素，去除噪声
最大值滤波器：用像素领域内的最大值代替该像素，寻找最亮点
最小值滤波器：用像素领域内的最小值代替该像素，寻找最暗点
中值滤波器

中值滤波：用邻域内灰度的中值代替该像素的值。
它对脉冲干扰（椒盐噪声）的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。
对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节
<hr/>2.空间锐化滤波器
锐化的目的：是突出图像中的细节或者增强被模糊了的细节。
锐化处理可以用空间微分来完成. 微分算子的响应强度与图像在该点的突变程度有关，图像微分增强了边缘和其他突变(如噪声)而消弱了灰度变化缓慢的区域.

三、空间锐化滤波器算子

一阶微分的图像增强：梯度法
（1）水平垂直差分算子
（2）Roberts交叉微分算子
（3）Sobel算子（检测到的边缘较其他算法平滑、光洁。）
      取水平差分与垂直差分中的较大者，取两种差分之和。
      对称的一阶差分，对中心加权，具有一定的平滑作用。
      对噪声起到一定的抑制
（4）Prewitt算子（ 缺点：对噪声相对敏感）
二阶微分的图像增强 —— 拉普拉斯算子
拉普拉斯素描算子

拉普拉斯微分算子强调图像中灰度的突变,弱化灰度慢变化的区域。这将产生一幅把浅灰色边线、突变点叠加到暗背景中的图像。
图像锐化是将图像模糊形式从原始图像中去除.称为反锐化掩蔽. 反锐化掩蔽的进一步普遍形式称为高频提升滤波（输入图像太暗时，通过不同的提升系数，在锐化的同时，使图像的平均灰度增加）。
四、算子模板

		自动登录	找回密码
密码			立即注册

数字图像处理复习笔记（一）--空间域增强

本帖子中包含更多资源

浏览过的版块