第四章圖像增強(qiáng)_第1頁
第四章圖像增強(qiáng)_第2頁
第四章圖像增強(qiáng)_第3頁
第四章圖像增強(qiáng)_第4頁
第四章圖像增強(qiáng)_第5頁
已閱讀5頁,還剩183頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

電子科技大學(xué)光電信息學(xué)院二○一二年3月1日第四章圖像增強(qiáng)ImageEnhancement彭真明E-mail:zmpeng@

pengzm_ioe@163.com何謂圖像增強(qiáng)?何謂圖像增強(qiáng)?何謂圖像增強(qiáng)?

微光圖像的去噪聲何謂圖像增強(qiáng)?

紅外圖像的邊緣檢測

圖像在生成、獲取、傳輸?shù)冗^程中,受照明光源性能、成像系統(tǒng)性能、通道帶寬和噪聲等諸多因素的影響,往往造成對比度偏低、清晰度下降、并引入干擾噪聲。

因此,圖像增強(qiáng)的目的,就是改善圖像質(zhì)量,獲得更適合于人眼觀察、或者對后續(xù)計算機(jī)處理、分析過程更有利的圖像。

圖像增強(qiáng)并不以圖像保真為準(zhǔn)則,而是有選擇地突出某些對人或計算機(jī)分析有意義的信息,抑制無用信息,提高圖像的使用價值。何謂圖像增強(qiáng)?主要內(nèi)容空間域灰度變換空間域濾波頻率域濾波偽彩色與假彩色處理主要內(nèi)容空間域灰度變換空間域濾波頻率域濾波偽彩色與假彩色處理

直接灰度變換法

1、線性變換;2、對數(shù)變換;3、指數(shù)變換。

1、直方圖均衡化;2、直方圖匹配。

空間域灰度變換,又稱為對比度變換或?qū)Ρ榷仍鰪?qiáng)??煞譃橐韵聝纱箢悾阂?、空間域灰度變換

直方圖調(diào)整法1.1直接灰度變換法(一)線性灰度變換當(dāng)圖像成像時曝光不足或過度,或由于成像設(shè)備的非線性和圖像記錄設(shè)備動態(tài)范圍太窄等因素。都會產(chǎn)生對比度不足的弊病,使圖像中的細(xì)節(jié)分辨不清。這時可將灰度范圍線性擴(kuò)展。(一)線性灰度變換設(shè)f(x,y)灰度范圍為[a,b],g(x,y)灰度范圍為[c,d],則有1.1直接灰度變換法0f(x,y)g(x,y)abcd1.1直接灰度變換法(一)線性灰度變換

(二)分段線性灰度變換

將感興趣的灰度范圍線性擴(kuò)展,相對抑制不感興趣的灰度區(qū)域。設(shè)f(x,y)灰度范圍為[0,Mf],g(x,y)灰度范圍為[0,Mg],1.1直接灰度變換法

(二)分段線性灰度變換1.1直接灰度變換法0f(x,y)g(x,y)abcdMfMg

(二)分段線性灰度變換1.1直接灰度變換法

(三)非線性灰度變換

(1)對數(shù)變換

低灰度區(qū)擴(kuò)展,高灰度區(qū)壓縮。

(2)指數(shù)變換

高灰度區(qū)擴(kuò)展,低灰度區(qū)壓縮。1.1直接灰度變換法

(三)非線性灰度變換——對數(shù)變換a,b,c是按需要可以調(diào)整的參數(shù)。1.1直接灰度變換法1.1直接灰度變換法

(三)非線性灰度變換——對數(shù)變換a,b,c是按需要可以調(diào)整的參數(shù)。1.1直接灰度變換法

(三)非線性灰度變換——指數(shù)變換

(三)非線性灰度變換——指數(shù)變換1.1直接灰度變換法灰度變換實例原始圖象灰度倒置底片效果原始圖象非線性灰度變換對數(shù)效應(yīng)原始圖象非線性灰度變換指數(shù)效應(yīng)原始圖象分段線性化出現(xiàn)假輪廓招貼畫化4級灰度招貼畫化3級灰度招貼畫化2級灰度即二值化原始圖象亮度倒置底片效果紅色分量置零紅色、綠色分量均置零原始圖象非線性亮度變換對數(shù)效應(yīng)非線性亮度變換指數(shù)效應(yīng)原始圖象分段線性化出現(xiàn)假輪廓p(rk)

Nk250

500

750

1000

200

100

50

150

像素出現(xiàn)次數(shù)像素灰度級別1.2直方圖調(diào)整法p(rk)

Nk0.1

0.2

0.3

0.4

200

100

50

150

像素出現(xiàn)概率像素灰度級別1.2直方圖調(diào)整法直方圖舉例直方圖描述了一幅圖像的灰度(顏色)分布

(一)直方圖均衡化

直方圖均衡化是將原圖像的直方圖通過變換函數(shù)修正為均勻的直方圖,然后按均衡直方圖修正原圖像。圖像均衡化處理后,圖像的直方圖是平直的,即各灰度級具有近似相同的出現(xiàn)頻數(shù),那么由于灰度級具有均勻的概率分布,圖像看起來就更清晰了。1.2直方圖調(diào)整法(一)直方圖均衡化首先,假定連續(xù)灰度級的情況,推導(dǎo)直方圖均衡化變換公式,令r代表灰度級,P(r)

為概率密度函數(shù)。

r值已歸一化,最大灰度值為1。

要找到一種變換S=T(r)

使直方圖變平直,為使變換后的灰度仍保持從黑到白的單一變化順序,且變換范圍與原先一致,以避免整體變亮或變暗。必須規(guī)定:

(1)在0≤r≤1中,T(r)是單調(diào)遞增函數(shù),且0≤T(r)≤1;(2)反變換r=T-1(s),T-1(s)也為單調(diào)遞增函數(shù),0≤s≤1。(一)直方圖均衡化rjrj+rsjsj+s直方圖均衡化-變換公式推導(dǎo)圖示(一)直方圖均衡化考慮到灰度變換不影響像素的位置分布,也不會增減像素數(shù)目。所以有:(一)直方圖均衡化應(yīng)用到離散灰度級,設(shè)一幅圖像的像素總數(shù)為n,分L個灰度級。nk:第k個灰度級出現(xiàn)的頻數(shù)。第k個灰度級出現(xiàn)的概率P(rk)=nk/n其中,0≤rk≤1,k=0,1,2,...,L-1形式為:rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1nk

790102385065632924512281

p(rk)

10.160.080.060.030.02例:設(shè)圖象有64*64=4096個象素,有8個灰度級,灰度分布如表所示。進(jìn)行直方圖均衡化。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1nk

790102385065632924512281

p(rk)

10.160.080.060.030.02計算步驟:1.由(2)式計算sk。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk

790102385065632924512281p(rk)

10.160.080.060.030.02sk計算

0.190.440.650.810.890.950.981.00sk舍入

1/73/75/76/76/71112.把計算的sk就近安排到8個灰度級中。rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk

790102385065632924512281p(rk)

10.160.080.060.030.02sk計算

0.190.440.650.810.890.950.981.00rkr0=0r1=1/7r2=2/7r3=3/7r4=4/7r5=5/7r6=6/7r7=1

nk

790102385065632924512281p(rk)

10.160.080.060.030.02sk計算

0.190.440.650.810.890.950.981.00sk舍入

1/73/75/76/76/7111sk

s0s1s2s3s4nsk

7901023850985448p(sk)

10.240.113.重新命名sk,歸并相同灰度級的象素數(shù)。直方圖均衡化均衡化前后直方圖比較直方圖均衡化

直方圖均衡化實質(zhì)上是減少圖像的灰度級以換取對比度的加大。在均衡過程中,原來的直方圖上頻數(shù)較小的灰度級被歸入很少幾個或一個灰度級內(nèi),故得不到增強(qiáng)。若這些灰度級所構(gòu)成的圖像細(xì)節(jié)比較重要,則需采用局部區(qū)域直方圖均衡。1.2直方圖調(diào)整法(二)直方圖匹配修改一幅圖像的直方圖,使得它與另一幅圖像的直方圖匹配或具有一種預(yù)先規(guī)定的函數(shù)形狀。

目標(biāo):突出我們感興趣的灰度范圍,使圖像質(zhì)量改善。連續(xù)灰度的直方圖原圖規(guī)定直方圖匹配令P(r)為原始圖象的灰度密度函數(shù),P(z)是期望通過匹配的圖象灰度密度函數(shù)。對P(r)及P(z)作直方圖均衡變換,通過直方圖均衡為橋梁,實現(xiàn)P(r)與P(z)變換。直方圖變換實例I=imread('C:\das01.jpg');J=histeq(I);subplot(2,2,1)imshow(I)subplot(2,2,2)imshow(J)subplot(2,2,3)imhist(I,64)subplot(2,2,4)imhist(J,64)

直方圖變換Matlab算例直方圖變換Matlab算例主要內(nèi)容空間域灰度變換空間域濾波頻率域濾波偽彩色與假彩色處理定義

使用空間模板進(jìn)行的圖像處理,被稱為空間濾波,模板本身被稱為空間濾波器。

二、空間域濾波平滑空間濾波器銳化空間濾波器空間平滑濾波器的作用模糊處理:去除圖像中一些不重要的細(xì)節(jié)減小噪聲??臻g平滑濾波器的分類線性濾波器:均值濾波器非線性濾波器最大值濾波器中值濾波器最小值濾波器2.1圖像平滑(smoothing)平滑2.1圖像平滑(smoothing)

(一)局部平均法

★簡單平均法

閾值平均法梯度倒數(shù)加權(quán)平均法2.1圖像平滑(smoothing)

用像素鄰域內(nèi)的各像素灰度值的平均代表原來的灰度值。

設(shè)有一幅含噪聲的圖像,且

其中:f(x,y)——原始圖像

n(x,y)

——噪聲(一)局部平均法經(jīng)局部平均處理后,得到平滑圖象為:S:點(x,y)鄰域內(nèi)的點集,M:S內(nèi)總點數(shù)。(1)簡單局部平均法局部平均法的基本假設(shè):

①圖像由許多灰度恒定的小塊組成。②圖像上的噪聲是加性的、均值為零,且與圖象信號互不相關(guān)。

根據(jù)假設(shè)(1),平滑公式的第一項非常接近f(x,y)。平滑后噪聲方差(1)簡單局部平均法取3×3方形窗,對中心像素計算:簡單平均法——算例9個像素值相加取平均,即得新的中心像素值為:對所有像素進(jìn)行相同的計算,即可達(dá)到整個圖像的平滑。①平滑后噪聲方差為處理前的

1/M。②簡單局部平均會使圖像模糊,特別是輪廓邊緣不清晰。簡單局部平均法

僅當(dāng)平滑前后圖像差值大于某個預(yù)先給定的值時,實施簡單局部平均。即:

其中:T

—預(yù)先給定的閾值該方法對抑制椒鹽噪聲比較有效,可保護(hù)僅有微小灰度差的圖像細(xì)節(jié)。(2)閾值平均法

梯度倒數(shù)加權(quán)平滑起源于這樣的考慮:在一幅數(shù)字圖像中,相鄰區(qū)域的變化大于區(qū)域內(nèi)部的變化,在同一區(qū)域中,中間像素的變化小于邊緣像素的變化。梯度值正比于鄰域像素灰度級差值,即在圖像變化緩慢區(qū)域,梯度值小,反之則大。

若取梯度倒數(shù),該倒數(shù)大小正好與梯度相反。以梯度倒數(shù)做權(quán)重因子,則區(qū)域內(nèi)部的鄰點權(quán)重就大于邊緣近旁或區(qū)域外的鄰點。(3)梯度倒數(shù)加權(quán)平均法鄰域平均實例鄰域平均Matlab算法I=imread('C:\dog.bmp')[m,n]=size(I);z=double(I);fory=3:n-2forx=3:m-2total=0;forj=-2:2fori=-2:2

total=total+z((x+i),(y+j));endendtotal=total/25;zz(x,y)=total;endendsubplot(1,2,1)imshow(I);subplot(1,2,2)imshow(mat2gray(zz))

鄰域平均實例原圖3×35×57×79×911×112.1圖像平滑(smoothing)

(二)中值濾波(MedianFilter)

中值濾波是一種非線性的信號處理方法。中值濾波器于1971年由J.W.Jukey首先提出,并應(yīng)用于一維信號處理。后來被二維圖像信號處理技術(shù)所應(yīng)用。

基本思想:

用局部中值代替局部平均值。

其中:f(x,y)——原始圖像陣列;

g(x,y)——中值濾波后圖像陣列;

Median——中值濾波算子,取中值;

A——濾波窗口,大小為k×l。(二)中值濾波例如:取3×3方形窗口中值濾波——算例從小到大排列,取中間值中值濾波窗口中值濾波實例原圖(含有椒鹽噪聲)中值濾波的結(jié)果中值濾波實例原圖(含有椒鹽噪聲微光圖)中值濾波的結(jié)果能保持圖像邊緣,使原始圖像不產(chǎn)生模糊。缺點:1、對高斯噪聲無能為力;

2、計算比較費(fèi)時,需研究快速算法。中值濾波的特點對離散階躍信號、斜聲信號不產(chǎn)生作用,對點狀噪聲和干擾脈沖有良好的抑制作用。

2.1圖像平滑(smoothing)

(三)模板運(yùn)算(Templateoperation)

模板運(yùn)算是數(shù)字圖像處理中經(jīng)常用到的一種運(yùn)算方式。其基本思想是:將模板與待處理的圖像做卷積,達(dá)到圖像平滑、銳化、邊緣檢測等目的。

在圖像平滑中包括:平均模板、加權(quán)平均模板、高斯模板等。模板運(yùn)算——算例T與原圖像f作卷積運(yùn)算,可表示為:幾種常用的平滑模板平均模板加權(quán)平均模板幾種常用的平滑模板高斯模板卷積的matlab函數(shù)與算例語法:C=conv2(A,B)C=conv2(hcol,hrow,A)C=conv2(...,'shape')shape:full:Returnsthefulltwo-dimensionalconvolution(default).same:ReturnsthecentralpartoftheconvolutionofthesamesizeasA.valid:Returnsonlythosepartsoftheconvolutionthatarecomputedwithoutthezero-paddededges.Usingthisoption,Chassize[ma-mb+1,na-nb+1]whenall(size(A)>=size(B)).Otherwiseconv2returns[].卷積的matlab函數(shù)與算例計算:conv2(A,B,’full’)=>conv2(A,B’)conv2(A,B,’smae’)conv2(A,B,’valid’)例如:matlab中的濾波函數(shù)與算例SyntaxB=imfilter(A,H)B=imfilter(A,H,option1,option2,...)OptionsBoundaryOutputSizeCorrelationorConvolution1X'same''corr'2symmetric'full''conv'3'replicate4'circular'鄰域平均Matlab算法代碼如下:I=imread(‘C:\01.jpg');h=fspecial('average',[33]);blurImg=imfilter(I,h);imshow(blurImg);imwrite(blurImg,’01-3.jpg’);

銳化濾波器的主要用途突出圖像中的細(xì)節(jié),增強(qiáng)被模糊了的細(xì)節(jié)。印刷中的細(xì)微層次強(qiáng)調(diào)。彌補(bǔ)掃描對圖像的鈍化。超聲探測成像,分辨率低,邊緣模糊,通過銳化來改善。銳化處理恢復(fù)過度鈍化、暴光不足的圖像。圖像識別中,分割前的邊緣提取。尖端武器中的目標(biāo)識別、定位。2.2圖像增強(qiáng)—銳化濾波器

圖像經(jīng)轉(zhuǎn)換、處理或傳輸后,質(zhì)量可能下降,難免有些模糊。

圖像銳化目的:加強(qiáng)圖像輪廓,使圖像看起來比較清晰、以便于對目標(biāo)的識別和處理。

圖像銳化和平滑恰恰相反,它是通過增強(qiáng)高頻分量來減少圖像中的模糊,因此也稱為高通濾波。

2.2銳化(Sharpening)濾波器銳化圖像銳化(Sharpening)銳化圖像銳化(Sharpening)—強(qiáng)化邊緣常用方法

微分法(Differentiation)高通濾波法(High-passFilter)2.2銳化(Sharpening)濾波器考察正弦函數(shù),它的微分。微分后頻率不變,幅度上升2πa倍??臻g頻率愈高,幅度增加就愈大。這表明微分是可以加強(qiáng)高頻成分的,從而使圖像輪廓變清晰。

微分運(yùn)算是用來求取信號的變化率,具有加強(qiáng)高頻分量的作用。(1)微分法

最常用的微分方法是梯度法。設(shè)圖像函數(shù)為f(x,y),它的梯度是一個向量,定義為:(1)微分法—梯度(Gradient)

在(x,y)點處的梯度,方向指向f(x,y)

最大變化率的方向;

幅度(記G[f(x,y)])則等于f(x,y)的最大變化率,即梯度—兩個重要性質(zhì)幾個常用微分表達(dá)式

對于圖像函數(shù)f(x,y),它的x方向,y方向和α方向的一階導(dǎo)數(shù)為幾個常用微分表達(dá)式

對于圖像函數(shù)

f(x,y),它的x方向,y方向和α方向的二階導(dǎo)數(shù)為微分的差分近似

對數(shù)字圖像而言,微分運(yùn)算一般用差分來代替,對應(yīng)上述各個方向的差分為:

方便起見,一般把梯度幅度也簡稱為梯度。常用差分算法

(1)

典型梯度算法幾種常用的差分近似(2)羅伯茨(Roberts)梯度算法羅伯茨梯度算法典型梯度算法幾種常用的差分近似

上述算法運(yùn)算較費(fèi)時。為更適合計算機(jī)實現(xiàn),采用絕對差分算法:

(3)

(4)幾種常用的差分近似

計算梯度的算法確定后,就有各種策略使圖像輪廓突出。

輪廓比較突出,灰度平緩變化部分,梯度小,很黑。梯度增強(qiáng)策略

T:門限值、閾值(threshold),非負(fù)。適當(dāng)選擇T,既突出輪廓,又不破壞背景。

(2)背景保留梯度增強(qiáng)策略

LG:指定的輪廓灰度值。(3)背景保留,輪廓取單一灰度值。梯度增強(qiáng)策略

LB:指定的背景灰度值。(4)輪廓保留,背景取單一灰度值。梯度增強(qiáng)策略

LG:指定的輪廓灰度值。

LB:指定的背景灰度值。

(5)輪廓、背景分別取單一灰度值,即二值化。只對輪廓感興趣。梯度增強(qiáng)策略

邊緣是由灰度級跳變點構(gòu)成的。因此具有較高的空間頻率。所以采用高通濾波的方法讓高頻分量順利通過,使低頻分量得到抑制,就可增強(qiáng)高頻分量,使圖像的邊緣或線條變的清晰,實現(xiàn)圖像的銳化。

在空間域中,讓圖像和高通濾波器的沖擊響應(yīng)函數(shù)進(jìn)行卷積。(2)高通濾波—掩模法(Mask)0濾波器模板系數(shù)的設(shè)計根據(jù)空域中高通沖激響應(yīng)函數(shù)的圖形來設(shè)計模板的系數(shù):

g(x,y)=h(x,y)*f(x,y)空域高通濾波器設(shè)計1-118-11-111-11-111-1-1-1-1-1-1-1-1-1-1-1-1-18-1-1-1-1-1-11/9*1/25*設(shè)計模板系數(shù)的原則①中心系數(shù)為正值,外圍為負(fù)值;②系數(shù)之和為0。空域高通濾波器設(shè)計常用高通濾波器

高通濾波在增強(qiáng)了邊的同時,丟失了圖像的層次,圖像會變的粗糙。高通濾波存在的問題圖像銳化實例原始圖像銳化圖像強(qiáng)調(diào)邊緣尋找邊緣主要內(nèi)容空間域灰度變換空間域濾波頻率域濾波偽彩色與假彩色處理

低通濾波(Low-passFilter)

使圖像經(jīng)過一個二維的低通數(shù)字濾波器,讓高頻信號得到較大的衰減。由于噪聲的頻譜能量多集中在高頻段,采用衰減高頻的低通濾波器,可以平滑噪聲,但也會帶來圖象細(xì)模糊,必須選擇合適的濾波特性。三、頻率域濾波理想低通濾波器(ILPF)巴特沃茲濾波器(BLPF)指數(shù)濾波器(ELPF)梯形濾波器(TLPF)常用低通濾波器(1)理想低通濾波器其中D0為截止頻率,

D(u,v)=(u2+v2)1/2:頻率平面原點到點(u,v)的距離。常用低通濾波器理想低通濾波器特點:

物理上不可實現(xiàn)有抖動現(xiàn)象濾除高頻成分使圖象變模糊理想低通濾波器轉(zhuǎn)移函數(shù)三維圖(2)巴特沃思低通濾波器D(u,v)=D0,H(u,v)降為最大值的。n為階數(shù)。3階巴特沃思低通濾波器轉(zhuǎn)移函數(shù)三維圖(3)指數(shù)形低通濾波器D(u,v)=D0,H(u,v)降為最大值的。n為階數(shù)。3階指數(shù)形低通濾波器轉(zhuǎn)移函數(shù)三維圖(4)梯形低通濾波器梯形低通濾波器轉(zhuǎn)移函數(shù)三維圖主要內(nèi)容空間域灰度變換空間域濾波頻率域濾波偽彩色與假彩色處理偽彩色處理。假彩色處理。要點:

四、偽彩色與假彩色處理偽彩色(pseudocolor)處理:人為地將不同灰度圖像賦予不同彩色。假彩色(falsecolor)處理:把真實的自然彩色圖像或遙感多光譜圖象處理成假彩色圖像。四、偽彩色與假彩色處理偽彩色偽彩色與假彩色偽彩色偽彩色真彩色與偽彩色人眼只能區(qū)分40多種不同等級的灰度,卻能區(qū)分幾千種不同色度、不同亮度的色彩。偽彩色處理就是把灰度圖像的灰度值映射成相應(yīng)的彩色。

(1)灰度分層法偽彩色處理(2)灰度變換法偽彩色處理TG(·)f(x,y)TR(·)TB(·)R(x,y)G(x,y)B(x,y)偽彩色處理灰度變換法示意圖偽彩色處理灰度變換曲線LLL/43L/4L/20GBR把真實的自然彩色圖象或遙感多光譜圖象處理成假彩色圖像。用途:(1)景物映射成奇異彩色,比本色更引人注目。假彩色處理(2)適應(yīng)人眼對顏色的靈敏度,提高鑒別能力。如人眼對綠色亮度響應(yīng)最靈敏,可把細(xì)小物體映射成綠色。人眼對藍(lán)光的強(qiáng)弱對比靈敏度最大??砂鸭?xì)節(jié)豐富的物體映射成深淺與亮度不一的藍(lán)色。假彩色處理(3)遙感多光譜圖像處理成假彩色,以獲得更多信息。表示:真彩色圖像處理成假彩色圖像:假彩色處理例:假彩色處理表示:遙感四波段圖像處理成假彩色圖象:假彩色處理遙感圖像處理實例假彩色處理—給舌頭上口紅!主要內(nèi)容空間域灰度變換空間域濾波頻率域濾波偽彩色與假彩色處理Anyqueastions?利用線性灰度變換,試寫出把灰度范圍[0,30]拉伸為[0,50],把灰度范圍[30,60]移動到[50,80],把灰度范圍[60,90]壓縮為[80,90]的變換方程。(見教材p105,習(xí)題5.2)給定以下圖像數(shù)據(jù):習(xí)題:試求出用均值濾波器對該圖進(jìn)行平滑后的結(jié)果。可不考慮邊界像素。試求出用如下均值加權(quán)濾波器M對該圖進(jìn)行平滑后的結(jié)果??刹豢紤]邊界像素。(見教材p106,習(xí)題5.5)習(xí)題:ConvolutionandCorrelation

(卷積與相關(guān))PengzhenmingSchoolofOpto-ElectronicInformation,UniversityofElectronicScienceandTechnologyofChinazmpeng@2010.3.16AgendaConvolution(first1Dthan2D(images))CorrelationDigitalfiltersWhatcanitbeusedfor?Manymanythingsdefinedbytheprogrammer….andsomestandardoperations:BlurimageRemovenoiseObjectdetectionMorphologyEdgedetectionNeighborhoodprocessingAsopposedtopoint(pixel)processing0212121253132201120214101InputOutputConvolutionConvolution(1D)1122112211121FilterResponseFilterInputSignal/Image-rowOutputSignal/Image-rowFiltercoefficients5Normalisefilterresponse……255255255MaxvaluesinimageFiltercoefficientsABCMaxfilterresponse= =Ifmaxfilterresponse=255(onebyte)thenNormalisedfilterresponse=filterresponse/(A+B+C)Convolution(1D)1122112211121Convolution(1D)1122112211121Convolution(1D)1122112211121Convolution(1D)1122112211121Convolution(1D)11221122111211122112211121Convolution(1D)Convolution(1D)1122112211121Convolution(1D)1122112211121ThisprocessiscalledConvolution!!Mathofconvolution g(x):output,h:filter,*meansconvolution, f(x):input,n=INT[

widthoffilter/2]

INT[]:roundsdown,forexample:INT[1.7]=1

Forexample:Filter(h):

width=3=>n=1121h(-1)=1h(0)=2h(1)=1Mathofconvolutionxisthepixelofinterest,i.e.,thepositioninthesignal/imageANDthecenterofthefilter1122112211121f(x)i=-1=>f(x+1)=2i=0=>f(x)=1i=1=>f(x-1)=1Mathofconvolution1122112211121f(x)CorrelationCorrelation(1D)1122112211121NormalisedFilterResponseFilterInputSignal/Image-rowOutputSignal/Image-rowFiltercoefficientsCorrelationversusConvolution11221122111211122112211121CorrelationConvolutionInimageprocessingweuseCORRELATIONbut(nearly)alwayscallitCONVOLUTION!!!!!Note:Whenthefilterissymmetric:correlation=convolution!Convolution/correlationonimagesThefilterisnow2DKernel(mask),kernelcoefficient

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論