数字图像Ch07-邻域运算

《数字图像Ch07-邻域运算》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、数字图像处理第七章邻域运算CH7邻域运算一、引言二、平滑三、中值滤波四、边缘检测五、细化上机实习1引言1）邻域运算定义输出图像中每个像素是由对应的输入像素及其一个邻域内的像素共同决定时的图像运算。通常邻域是远比图像尺寸小的一规则形状。如下面情况中，一个点的邻域定义为以该点为中心的一个圆内部或边界上点的集合。邻域运算与点运算一起构成最基本、最重要的图像处理方法。点+的邻域点+的邻域1引言1引言举例另一种表达$进一步阅读：Gonzalez,p91.1引言2）相关与卷积信号与系统分析中基本运算相关与卷积，在实际图像处理中都表现为邻域运算。两个连续函数f(x)和g(x)的相关记作：两个连续函数f

2、(x)和g(x)的卷积定义为：1引言3）模板（template，filtermask）的相关与卷积运算给定图像f(x,y)大小N*N，模板T(i,j)大小m*m（m为奇数）。常用的相关运算定义为：使模板中心T((m-1)/2,(m-1)/2)与f(x,y)对应。演示1引言相关运算的定义为1引言卷积运算定义为：1引言4）相关与卷积的物理含义相关运算是将模板当权重矩阵作加权平均；而卷积先沿纵轴翻转，再沿横轴翻转后再加权平均。如果模板是对称的，那么相关与卷积运算结果完全相同。邻域运算实际上就是卷积和相关运算，用信号分析的观点就是滤波。2平滑图像平滑的目的是消除或尽量减少噪声的影响，改善图像的质

3、量。假设在假定加性噪声是随机独立分布的条件下，利用邻域的平均或加权平均可以有效的抑制噪声干扰。从信号分析的观点图像平滑本质上低通滤波。将信号的低频部分通过，而阻截高频的噪声信号。问题往往图像边缘也处于高频部分。2平滑1）邻域平均（矩形邻域和圆形邻域）注意：大卷积模板可以加大滤波程度，但也会导致图像细节的损失。2平滑有高斯噪声的朱家角风光无噪声朱家角风光2平滑通过T3邻域平均后的朱家角风光通过T5邻域平均后的朱家角风光2平滑2）高斯滤波（GaussianFilters）采用高斯函数作为加权函数。原因一：二维高斯函数具有旋转对称性，保证滤波时各方向平滑程度相同；原因二：离中心点越远权值越小。

4、确保边缘细节不被模糊。2平滑设计离散高斯滤波器的方法：设定σ2和n，确定高斯模板权值。如σ2=2和n=5：[i,j]-2-1012-20.1050.2870.1350.2870.105-10.2870.6060.7790.6060.28700.1350.77910.7790.13510.2870.6060.7790.6060.28720.1050.2870.1350.2870.1052平滑整数化和归一化后得：[i,j]-2-1012-212321-1246420367631246422123212平滑经过高斯滤波后的朱家角风光通过T5邻域平均后的朱家角风光3中值滤波1）什么是中值滤波与加

5、权平均方式的平滑滤波不同，中值滤波用一个含有奇数点的滑动窗口，将邻域中的像素按灰度级排序，取其中间值为输出像素。2）中值滤波的要素中值滤波的效果取决于两个要素：邻域的空间范围和中值计算中涉及的像素数。（当空间范围较大时，一般只用某个稀疏矩阵做计算）。3）中值滤波的优点中值滤波能够在抑制随机噪声的同时不使边缘模糊。但对于线、尖顶等细节多的图像不宜采用中值滤波。0111677773中值滤波例有椒盐噪声的朱家角风光用3*3的滤波窗口对上图做二维中值滤波4边缘检测1）什么是边缘检测边缘是指图像中灰度发生急剧变化的区域。图像灰度的变化可以用图像的梯度反映。边缘检测：求连续图像f(x,y)梯度的局部

6、最大值和方向。$进一步阅读：Gonzalez,p463.4边缘检测4边缘检测梯度最大值及其方向4边缘检测最简单的梯度近似计算为：4边缘检测2）梯度算子在离散情况下常用梯度算子来检测边缘，给定图像f(m,n)在两个正交方向H1和H2上的梯度φ1(m,n)和φ2(m,n)如下：则边缘的强度和方向由下式给出：4边缘检测3）常用边缘检测算子Roberts算子：其卷积模板分别是：Roberts算子特点是边缘定位准，对噪声敏感。4边缘检测Prewitt算子：采用3x3模板。Prewitt算子：平均、微分对噪声有抑制作用。4边缘检测Sobel算子：与Prewitt算子类似，采用了加权。Isotropi

7、cSobel算子：Sobel算子在实际中最常用。4边缘检测4边缘检测Lenna的Sobel边界4边缘检测Lenna的Prewitt边界4边缘检测Lenna的Roberts边界4边缘检测4）边缘检测算法的基本步骤（1）滤波。边缘检测主要基于导数计算，但受噪声影响。但滤波器在降低噪声的同时也导致边缘强度的损失。（2）增强。增强算法将邻域中灰度有显著变化的点突出显示。一般通过计算梯度幅值完成。（3）检测。但在有些图像中梯度幅值较大的并不是