mv-chp05圖像預(yù)處理.ppt

1、2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,1,圖 像 預(yù) 處 理 Chapter 5 Image Processing,第 5 章,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,2,主講課本： 1、賈云得，機器視覺，科學(xué)出版社，2000年 （有電子版本：word格式和pdf格式） 2、岡薩雷斯等著，阮秋琦等譯，數(shù)字圖像處理 （Matlab版），電子工業(yè)出版社，2005,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,3,深度閱讀： 1、Milan Sonka等著，艾海舟等譯，圖像處理、分析與機器視覺，人民郵電出版社，2003年 2、D.A.Forsyth, J.Ponce,

2、 Computer Vision - A modern approach，清華出版社，2004,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,4,1 引言,對機器視覺系統(tǒng)來說，所用的圖像預(yù)處理方法并不考慮圖像降質(zhì)原因，只將圖像中感興趣的特征有選擇地突出，衰減其不需要的特征，故預(yù)處理后的輸出圖像并不需要去逼近原圖像這類圖像預(yù)處理方法統(tǒng)稱為圖像增強 圖像增強技術(shù)主要有兩種方法：空間域法和頻率域法空間域方法主要是在空間域內(nèi)對圖像像素直接運算處理頻率域方法就是在圖像的某種變換域，對圖像的變換值進行運算，如先對圖像進行付立葉變換，再對圖像的頻譜進行某種計算(如濾波等)，最后將計算后的圖像逆變換到空

3、間域,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,5,2 直方圖修正,許多圖像的灰度值是非均勻分布的，其中灰度值集中在一個小區(qū)間內(nèi)的圖像是很常見的直方圖均衡化是一種通過重新均勻地分布各灰度值來增強圖像對比度的方法一般來說，直方圖修正能提高圖像的主觀質(zhì)量，因此在處理藝術(shù)圖像時非常有用,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,6,直方圖均衡化舉例1,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,7,推廣：圖像的大多數(shù)像素灰度值分布在a,b區(qū)間,把在灰度區(qū)間 內(nèi)的像素點映射到區(qū)間 。,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,8,分段函數(shù)變換 連續(xù)函數(shù)灰度變換,2

4、020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,9,直方圖均衡化舉例2,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,10,(1) 線性系統(tǒng) 圖像處理系統(tǒng)可以用一個線性系統(tǒng)作為模型,對于線性系統(tǒng)，當系統(tǒng)輸入是一個中心在原點的脈沖(x,y)時，輸出g(x,y)就是系統(tǒng)的脈沖響應(yīng),3 圖像線性運算,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,11,線性空間不變系統(tǒng)(Linear Space Invariant，LSI)完全能用其脈沖響應(yīng)來描述。,(2)空間不變線性系統(tǒng) 系統(tǒng)響應(yīng)與輸入脈沖的中心位置無關(guān),2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,12,如果 f 和 h 表示

5、圖像，則卷積就變成了對像素點的加權(quán)計算，脈沖響應(yīng)gi,j就是一個卷積模板。,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,13,圖53 階的卷積模板示意圖,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,14,4 線性濾波器,圖像常常被強度隨機信號（也稱為噪聲）所污染一些常見的噪聲有椒鹽（Salt & Pepper）噪聲、脈沖噪聲、高斯噪聲等椒鹽噪聲含有隨機出現(xiàn)的黑白強度值而脈沖噪聲則只含有隨機的白強度值（正脈沖噪聲）或黑強度值（負脈沖噪聲）與前兩者不同，高斯噪聲含有強度服從高斯或正態(tài)分布的噪聲高斯噪聲是許多傳感器噪聲的很好模型，例如攝像機的電子干擾噪聲,2020年7月14日星期二,

6、北京郵電大學(xué)自動化學(xué)院,15,(a) 原始圖像 (b)高斯噪聲 被高斯噪聲所污染的圖像,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,16,其中，M是鄰域N內(nèi)的像素點總數(shù)。 在像素點i,j處取3X3鄰域，得:,()均值濾波器 每一個像素值用其局部鄰域內(nèi)所有值的均值置換,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,17,均值濾波器的實現(xiàn):進行卷積模板的等權(quán)值卷積運算實現(xiàn)。,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,18,3X3窗口,7X7窗口,鄰域 N 的大小控制著濾波程度，對應(yīng)大卷積模板的大尺度鄰域會加大濾波程度作為去除大噪聲的代價，大尺度濾波器也會導(dǎo)致圖像細節(jié)的損失,

7、2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,19,經(jīng)驗設(shè)計,在設(shè)計線性平滑濾波器時，選擇濾波權(quán)值應(yīng)使得濾波器只有一個峰值，稱之為主瓣，并且在水平和垂直方向上是對稱的一個典型的3X3平滑濾波器的權(quán)值模板如下：,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,20,()高斯平滑濾波,高斯濾波器是一類根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性平滑濾波器高斯平滑濾波器對去除服從正態(tài)分布的噪聲是很有效的 正態(tài)分布概率密度函數(shù)： 一維零均值高斯分布概率密度函數(shù)為： 其中，高斯分布參數(shù)決定了高斯濾波器的寬度,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,21,()高斯平滑濾波,對圖像處理來說，常用

8、二維零均值離散高斯函數(shù)作平滑濾波器,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,22,高斯函數(shù)的五個重要性質(zhì)之1：旋轉(zhuǎn)對稱性,二維高斯函數(shù)具有旋轉(zhuǎn)對稱性，即濾波器在各個方向上的平滑程度是相同的一般來說，一幅圖像的邊緣方向是事先不知道的，因此，在濾波前是無法確定一個方向上比另一方向上需要更多的平滑旋轉(zhuǎn)對稱性意味著高斯平滑濾波器在后續(xù)邊緣檢測中不會偏向任一方向,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,23,高斯函數(shù)的五個重要性質(zhì)之2：高斯函數(shù)是單值函數(shù),高斯濾波器用像素鄰域的加權(quán)均值來代替該點的像素值，而每一鄰域像素點權(quán)值是隨該點與中心點的距離單調(diào)增減的這一性質(zhì)是很重要的，因為

9、邊緣是一種圖像局部特征，如果平滑運算對離算子中心很遠的像素點仍然有很大作用，則平滑運算會使圖像失真,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,24,之3：高斯函數(shù)的付立葉變換頻譜是單瓣的,這一性質(zhì)是高斯函數(shù)付立葉變換等于高斯函數(shù)本身這一事實的直接推論圖像常被不希望的高頻信號所污染(噪聲和細紋理)而所希望的圖像特征（如邊緣），既含有低頻分量，又含有高頻分量高斯函數(shù)付立葉變換的單瓣意味著平滑圖像不會被不需要的高頻信號所污染，同時保留了大部分所需信號,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,25,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,26,高斯函數(shù)在頻率域內(nèi)的散布

10、由v 控制，v 是空間域散布參數(shù)的倒數(shù)這表明，高斯函數(shù)在空間域越窄，則在頻率域里的頻譜越寬，反之亦然這一性質(zhì)和高斯濾波器的抑制噪聲能力有關(guān)窄帶空間域高斯函數(shù)的平滑能力較低，因為在頻率域內(nèi)其頻帶較寬，能通過更多的高頻噪聲和細紋理信號隨著高斯函數(shù)在空間域的寬度增加，高斯函數(shù)的平滑能力也增強了也就是說，在頻率域內(nèi)，高斯函數(shù)越窄，通過高頻噪聲和細紋理信號就越少,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,27, 1 7X7, 2 13X13, 3 19X19, 4 25X25,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,28,性質(zhì)之4：高斯濾波器寬度由參數(shù)表征,和平滑程度的關(guān)系是非常簡

11、單的越大，高斯濾波器的頻帶就越窄，平滑程度就越好通過調(diào)節(jié)平滑程度參數(shù)，可在圖像特征過分模糊(過平滑)與平滑圖像中由于噪聲和細紋理所引起的過多的不希望突變量(欠平滑)之間取得折衷,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,29,圖像與一維水平高斯函數(shù)卷積水平方向上被模糊化 圖像與一維垂直高斯函數(shù)卷積，垂直方向上被模糊化 卷積是服從結(jié)合律和交換律的，卷積次序可以顛倒。,將二維計算退化為一維計算,性質(zhì)之5：高斯函數(shù)的可分離性,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,30,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,31,與高斯函數(shù)有關(guān)的一個性質(zhì)是高斯函數(shù)與其自身的卷積會

12、產(chǎn)生一個與成比例的高斯函數(shù)，該性質(zhì)的一維表達：,級聯(lián)高斯函數(shù),2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,32,如果一幅圖像用散布參數(shù)為的高斯函數(shù)濾波，以及相同的圖像用散布參數(shù)為 的高斯函數(shù)濾波，那么，可以不用較大散布參數(shù)的高斯函數(shù)進行濾波，而是用相同散布參數(shù)的濾波器對上一次濾波結(jié)果再進行濾波就可得到預(yù)期的圖像這就意味著在計算圖像的多種尺度平滑時，計算量能得到顯著減少在具有不同散布參數(shù)的高斯函數(shù)級聯(lián)運算中，也可以得到類似的結(jié)果,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,33,高斯函數(shù)的最佳逼近由二項式展開的系數(shù)決定,0 1 1 1 2 1 1 3 3 1 1 4 6 4 1

13、1 5 10 10 5 1 1 6 15 20 15 6 1,5點逼近對應(yīng)于楊輝三角形的第5行,這一模板被用來在水平方向上平滑圖像 二維高斯濾波器用兩個一維高斯濾波器逐次卷積來實現(xiàn)對較大的濾波器，通過重復(fù)使用小高斯濾波器來實現(xiàn),高斯濾波器設(shè)計:楊輝三角形逼近法,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,34,離散高斯分布:,例如，選 ，n=7，在0,0處的值等于1產(chǎn)生下列數(shù)組：,高斯濾波器設(shè)計:直接法,其中c是歸一化常量,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,35,左上角值定義為1并取整：,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,36,7X7 高斯濾波模板,

14、15X15高斯濾波模板,其它常用的高斯模板,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,37,均值濾波和高斯濾波運算的主要問題：有可能模糊圖像中的尖銳不連續(xù)部分,5 非線性濾波器,按亮度值大小排列像素點 選排序像素的中間值作為點 的新值。,（1）中值濾波器：中值濾波器的基本思想是用像素點鄰域灰度值的中值來代替該像素點的灰度值，該方法在去除脈沖噪聲、椒鹽噪聲的同時又能保留圖像邊緣細節(jié)，這是因為它不依賴于鄰域內(nèi)那些與典型值差別很大的值 。 例如，取 函數(shù)窗，計算以點 為中心的函數(shù)窗像素中值步驟如下：,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,38,2020年7月14日星期二,北京

15、郵電大學(xué)自動化學(xué)院,39,對圖54(b)噪聲圖像進行中值濾波后的結(jié)果,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,40,(a) 原始信號 （b）均值濾波 （c）中值濾波 尖頂邊緣濾波示意圖,（2） 邊緣保持濾波器,均值濾波的平滑功能會使圖像邊緣模糊，而中值濾波在去除脈沖噪聲的同時也將圖像中的線條細節(jié)濾除掉。邊緣保持濾波器是在上述兩種濾波器的基礎(chǔ)上發(fā)展的一種濾波器，該濾波器在濾除噪聲脈沖的同時，又不致于使圖像邊緣十分模糊。,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,41,邊緣保持算法的基本過程如下：對灰度圖像的每一個像素點i,j取適當大小的一個鄰域（如3X3鄰域），分別計算i,j的左上角子鄰域、左下角子鄰域、右上角子鄰域和右下角子鄰域的灰度分布均勻度，然后取最小均勻度對應(yīng)區(qū)域的均值作為該像素點的新的灰度值。 計算灰度均勻度的公式為：,2020年7月14日星期二,北京郵電大學(xué)自動化學(xué)院,42,舉例,由上面計