DIP-06-卷積邊緣檢測圖像銳化

數(shù)字圖像處理

DigitalImageProcessing郭素梅GuoS.GuoS.2GuoS.2本課程總內(nèi)容空域處理點運算〔灰度映射、二值化〔otsu〕、多值化、直方圖均衡化〕模板運算〔卷積-線性濾波、非線性濾波〔中值、形態(tài)學〕〕坐標變換〔幾何變換、幾何校正〕頻域處理信號分解的概念變換〔傅里葉變換、離散傅里葉和cos變換、傅里葉變換性質(zhì)〕濾波器〔高通、低通、帶通、帶阻濾波〕彩色圖像處理彩色模型〔RGB，CMY，HSV，Yuv〕各個模型下的處理圖像處理應(yīng)用圖像數(shù)字水印和圖像合成、編碼和壓縮GuoS.3目錄模板運算邊緣檢測：一階微分sobel算子、roberts算子、prewitt算子matlab實現(xiàn)非線性濾波：中值濾波GuoS.4點運算和模板運算點運算〔映射、直方圖均衡化〕：數(shù)學表達：g(x,y)=T(f(x,y))

輸入輸出的x,y不變，僅改變灰度值。

輸出的灰度值g(x,y)僅僅和輸入的灰度值有關(guān)模板運算：數(shù)學表達：g(x,y)=∑∑f(y-i,x-j)w[i][j]

輸出的灰度值g(x,y)，不僅和當前像素f(x,y)的值有關(guān)，還和周邊像素的值有關(guān)，還和模板w有關(guān)GuoS.5卷積模板移動在原圖像上！GuoS.8圖像邊緣檢測一階微分/差分/梯度GuoS.9GuoS.10圖像邊緣檢測一階微分GuoS.11GuoS.12Sobel算子-11-22-11-1-2-1121wxwyGuoS.13Roberts算子-11-11wxwyGuoS.14Prewitt算子-11-11-11-1-1-1111wxwyGuoS.15一階微分模板其他方向GuoS.16邊緣檢測：有方向GuoS.17邊緣檢測：有方向β為調(diào)整輸出邊緣值的系數(shù)GuoS.18拉普拉斯〔Laplace〕算子1-211-2111-4111111-81111GuoS.19圖像邊緣檢測微分過零點GuoS.20邊緣檢測算子比較Sobel算法與Priwitt算法的思路相同，屬于同一類型，因此處理效果根本相同。Roberts算法的模板為2×2，提取出的信息較弱。單方向銳化經(jīng)過后處理之后，也可以對邊界進行增強。GuoS.21GuoS.21編程實現(xiàn)卷積過程matlab實現(xiàn)關(guān)鍵語句：設(shè)w為一維共九個元素for

i=1:sy-1

%增量1，可省

for

j=1:sx-1

g(i,j)=0;kk=1;

forii=i-1:i+1

for

jj=j-1:j+1 g(i,j)=g(i,j)+f(ii,jj)*w[kk]; kk=kk+1;

end; end; end;end;GuoS.22GuoS.22調(diào)用MATLAB函數(shù)：圖像濾波確定h:h=[00.150;0.150.40.15;00.150];調(diào)用函數(shù)：g=imfilter(f,h);GuoS.23程序?qū)崿F(xiàn)Roberts算子1-1fori=1:sx-1forj=1:sy-1gx(i,j)=f(i+1,j+1)-f(i,j);gy(i,j)=f(i+1,j)-f(i,j+1);end;end;

-11GuoS.24MATLAB實現(xiàn)：關(guān)鍵語句hx=[10-1;20-2;10-1];gx=imfilter(f,hx);hy=hx'; %矩陣旋轉(zhuǎn)gy=imfilter(f,hy);g=gx.*gx+gy.*gy;%合成g=sqrt(g);GuoS.25MATLAB實現(xiàn)：關(guān)鍵語句h=fspecialGuoS.26GuoS.27非線性濾波：中值濾波是對一個奇數(shù)點滑動窗口內(nèi)的像素灰度值排序，用中值代替窗口中心像素的原來灰度值。因此它是一種非線性的圖像平滑法。GuoS.28中值濾波數(shù)值排序m-2m-1mm+1m+2610258mm+1m-2m+2m-161025826GuoS.29中值濾波例12143122345768957688567891214312234576895768856789234566678GuoS.30中值濾波中值濾波器的窗口形狀可以有多種，如線狀、方形、十字形、圓形、菱形等〔見圖〕。GuoS.31中值濾波和均值濾波對于椒鹽噪聲，中值濾波效果比均值濾波效果好。原因：椒鹽噪聲是幅值近似相等但隨機分布在不同位置上，圖像中有干凈點也有污染點。中值濾波是選擇適當?shù)狞c來替代污染點的值，所以處理效果好。因為噪聲的均值不為0，所以均值濾波不能很好地去除噪聲點。GuoS.32中值濾波和均值濾波對于高斯噪聲，均值濾波效果比中值濾波效果好。原因：高斯噪聲是幅值近似正態(tài)分布，但分布在每點像素上。因為圖像中的每點都是污染點，所中值濾波選不到適宜的干凈點。因為正態(tài)分布的均值為0，所以根據(jù)統(tǒng)計數(shù)學，均值可以消除噪聲。GuoS.33編程實現(xiàn)中值濾波3x3fori=2:sx-1forj=2:sy-1 kk=1;

forii=i-1:i+1 %取出對應(yīng)的九個像素值 forjj=j-1:j+1 t(kk)=f(ii,jj); kk=kk+1; end; end; t2=sort(t); %排序 g(i,j)=t2(5); %將中間的值，賦給結(jié)果圖end; end;G