图像增强与复原幻灯片.ppt

《图像增强与复原幻灯片.ppt》由会员分享，可在线阅读，更多相关《图像增强与复原幻灯片.ppt（37页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像增强与复原第1页，共37页，编辑于2022年，星期五 图像在生成和传输过程中常受到各种噪声的干扰和影响，图像在生成和传输过程中常受到各种噪声的干扰和影响，使图像质量下降。为了抑制噪声改善图像质量，必须对图像使图像质量下降。为了抑制噪声改善图像质量，必须对图像进行平滑处理，可以在空域或频域中进行。进行平滑处理，可以在空域或频域中进行。数字图像的平滑技术分为两大类：数字图像的平滑技术分为两大类：一、全局处理，即对噪声图像的整体或大的块进行校正以得一、全局处理，即对噪声图像的整体或大的块进行校正以得到平滑的图像。缺点：计算量大。到平滑的图像。缺点：计算量大。二、局部算子，仅对某一像素的局部小邻域

2、的一些像素加以二、局部算子，仅对某一像素的局部小邻域的一些像素加以运算。优点：计算效率高。运算。优点：计算效率高。第2页，共37页，编辑于2022年，星期五2.1模模 板板 操操 作作模板（模板（Template）又称卷积（）又称卷积（onvolution）,可以理解为矩阵可以理解为矩阵1 1 11 1 11 1 1191 2 12 4 21 2 11161 1 11 2 11 1 1110第3页，共37页，编辑于2022年，星期五模模 板板 操操 作作 设图像中某像素的灰度值为设图像中某像素的灰度值为f(x,y),它的邻域为它的邻域为33，点，点集总数为集总数为9，则平滑后这点的灰度值为，则

3、平滑后这点的灰度值为 f(x,y)=1/9 f(i,j )03 这种类似点象矩阵的表示这种类似点象矩阵的表示方法，称为模板（方法，称为模板（template）。）。中间的黑点表示中心元素，即中间的黑点表示中心元素，即用哪个点作为处理后的元素。用哪个点作为处理后的元素。1 1 11 1 11 1 119第4页，共37页，编辑于2022年，星期五举举 例例原图为：原图为：1 1 1 1 12 2 2 2 23 3 3 3 34 4 4 4 4模板为：模板为：1 1 00 1操作后图像为：操作后图像为：1.5 1.5 1.5 1.5 2.5 2.5 2.5 2.5 3.5 3.5 3.5 3.5 表

4、示边界上无法表示边界上无法进行模板操作的点，进行模板操作的点，通常复制原图的灰通常复制原图的灰度度1/2第5页，共37页，编辑于2022年，星期五 模板操作实现的实际上就是邻域运算（模板操作实现的实际上就是邻域运算（Neighborhood Operation）即，某个像素点的结果不仅和本像素灰度有关，而且和其）即，某个像素点的结果不仅和本像素灰度有关，而且和其邻域的值有关。邻域的值有关。一般常用的模板并不大，如一般常用的模板并不大，如3 3，3 5。很多专用。很多专用的图像处理系统，用硬件来完成模板运算，以提高处理速度。的图像处理系统，用硬件来完成模板运算，以提高处理速度。平滑模板的思想是通

5、过一点和周围平滑模板的思想是通过一点和周围8个点的平均来去除突然个点的平均来去除突然变化的点，从而滤掉一定的噪声，其代价是图像有一定的模糊。变化的点，从而滤掉一定的噪声，其代价是图像有一定的模糊。常用的模板有常用的模板有BOX模板和高斯模板：模板和高斯模板：第6页，共37页，编辑于2022年，星期五1 1 11 1 11 1 1191 2 12 4 21 2 1116BOX模板模板高斯模板高斯模板BOX模板对所有模板对所有9个点个点都一视同仁，没有考虑都一视同仁，没有考虑各点位置的影响。各点位置的影响。高斯模板进行改进，高斯模板进行改进，距离越近的点，加距离越近的点，加权系数越大权系数越大第7

6、页，共37页，编辑于2022年，星期五构造卷积函数构造卷积函数、当在图象上逐个像素的移动模板时，图象边界数据无法进行卷积操作、当在图象上逐个像素的移动模板时，图象边界数据无法进行卷积操作方法：在进行卷积运算前，先复制原图象，保留边界数据。方法：在进行卷积运算前，先复制原图象，保留边界数据。需要解决的问题：需要解决的问题：、在进行卷积操作时，求出的新值可能远远超出像素值的有效范围，、在进行卷积操作时，求出的新值可能远远超出像素值的有效范围，因此需要最卷积结果按比例放缩因此需要最卷积结果按比例放缩方法：对卷积操作的结果除以放缩比例（非）方法：对卷积操作的结果除以放缩比例（非）、当模板中有负数时，卷

7、积结果有可能是负数、当模板中有负数时，卷积结果有可能是负数方法：一、负数取方法：一、负数取二、取绝对值二、取绝对值第8页，共37页，编辑于2022年，星期五以模板为例构造模板类以模板为例构造模板类public class Matrix3x3:ImageInfo int topLeft=0,topMid=0,topRight=0;int midLeft=0,center=1,midRight=0;int bottomLeft=0,bottomMid=0,bottomRight=0;int scale=1;int kernelOffset=0;用于增加或减少图象的亮度用于增加或减少图象的亮度top

8、Left topMid topRightmidLeft center.midRightbottomLeft bottomMid bottomRightscale1第9页，共37页，编辑于2022年，星期五以模板为例构造模板类以模板为例构造模板类/初始化窗口所有点为同一权值初始化窗口所有点为同一权值 /权值权值 public void Init(int degree)topLeft=topMid=topRight=midLeft=center=midRight=bottomLeft=bottomMid=bottomRight=degree;/end of Init进行卷积转换的代码进行卷积转换的

9、代码第10页，共37页，编辑于2022年，星期五2.2平滑处理的几种方法平滑处理的几种方法2.2.1 邻域平均法邻域平均法 (near-area average method)2.2.2 中值滤波中值滤波2.2.3多图象平均法多图象平均法第11页，共37页，编辑于2022年，星期五2.2.1 邻域平均法邻域平均法 (near-area average method)原理：给定一幅原理：给定一幅 N N N N 的图像的图像 f f(x,y)(x,y)，取围绕，取围绕(x,y)(x,y)点的预设邻域内的几个像素点（不含点的预设邻域内的几个像素点（不含(x,y)(x,y)点）的灰度点）的灰度级平均

10、值作为新图像中该点级平均值作为新图像中该点(x,y)(x,y)的灰度级，并对的灰度级，并对N N N N 个像素点都这样做，由此构成新图像个像素点都这样做，由此构成新图像 g(x,y)g(x,y)。简单邻域平均法：简单邻域平均法：x,y=0，1，N-1,s是是(x,y)点邻域内点的坐标（不包含点点邻域内点的坐标（不包含点(x,y)）的集合，）的集合，M是集合是集合s内坐标点的总数。内坐标点的总数。第12页，共37页，编辑于2022年，星期五OOOO*OOOOOOOOOOOOOOOO*OOOOOOOOOOOOOO*OOOOOO*OOOO33邻域邻域5 5邻域邻域4邻域邻域8邻域邻域4邻域邻域=(

11、x+1,y),(x,y+1),(x-1,y),(x,y-1)几种邻域举例几种邻域举例第13页，共37页，编辑于2022年，星期五对于对于33邻域邻域OOOO*OOOO其模板为：其模板为：1 1 11 1 11 1 119OOOO*OOOO对于对于8邻域邻域其模板为：其模板为：1 1 11 0 11 1 118第14页，共37页，编辑于2022年，星期五加权邻域平均法：加权邻域平均法：举例举例:高斯模板高斯模板1 2 12 4 21 2 1116=1 a(m,n)=第15页，共37页，编辑于2022年，星期五阈值邻域平均法：阈值邻域平均法：T是预先设定的阈值，当某些点的灰度值与其邻域点的灰度平是

12、预先设定的阈值，当某些点的灰度值与其邻域点的灰度平均值之差不超过阈值均值之差不超过阈值T时，仍保留这些点的灰度值。当某些点时，仍保留这些点的灰度值。当某些点的灰度值与其邻域点的灰度平均值差别较大时，这些点必然的灰度值与其邻域点的灰度平均值差别较大时，这些点必然是噪声，这时再取其邻域平均值作为这些点的灰度值。是噪声，这时再取其邻域平均值作为这些点的灰度值。第16页，共37页，编辑于2022年，星期五2.2.2 中值滤波中值滤波 在一定条件下，中值滤波可以克服线性滤波器所带来的图在一定条件下，中值滤波可以克服线性滤波器所带来的图像细节模糊而且对像细节模糊而且对滤除脉冲干扰及图像扫描噪声非常有效滤除

13、脉冲干扰及图像扫描噪声非常有效,但是但是对一些细节多，特别是点、线、尖顶细节较多的图像则不宜采对一些细节多，特别是点、线、尖顶细节较多的图像则不宜采用中值滤波的方法。用中值滤波的方法。中值滤波也是一种局部平均平滑方法。中值滤波也是一种局部平均平滑方法。中值滤波的目的是在保护图像边缘的同时去除噪声。中值滤波的目的是在保护图像边缘的同时去除噪声。第17页，共37页，编辑于2022年，星期五 中值滤波是一种非线性的图像平滑方法，它对一个滑动窗中值滤波是一种非线性的图像平滑方法，它对一个滑动窗口内的诸像素灰度排序，用其中值代替窗口中心像素口内的诸像素灰度排序，用其中值代替窗口中心像素(x,y)x,y)

14、原来的灰度（若窗口中有偶数个像素，则取两个中间值的平均）原来的灰度（若窗口中有偶数个像素，则取两个中间值的平均）原原 理理 例如，若窗口长度为例如，若窗口长度为5，窗口中像素的灰度值分别为，窗口中像素的灰度值分别为80、90、200、120、110。首先按从小到大排序，结果为首先按从小到大排序，结果为80、90、110、120、200，其中间位置上的值为其中间位置上的值为110。于是原来窗口正中的灰度值。于是原来窗口正中的灰度值200就就由由110代替。如果代替。如果200是一个噪声的尖峰，则将被滤除。然而是一个噪声的尖峰，则将被滤除。然而如果它是一个信号，那么此法处理的结果将会造成信号损失。

15、如果它是一个信号，那么此法处理的结果将会造成信号损失。第18页，共37页，编辑于2022年，星期五例例 题题由一个序列为由一个序列为 0，3，4，0，7 ，当窗口，当窗口m=5时，试分别求时，试分别求出采用中值滤波和简单邻域平均法的结果。出采用中值滤波和简单邻域平均法的结果。中值滤波：中值滤波：重新排序后为重新排序后为 0，0，3，4，7，则中值滤波的结果，则中值滤波的结果 0，3，3，0，7 简单邻域平均法：简单邻域平均法：（5邻域）（邻域）（0+3+4+0+7）/5=2.8，则平滑滤波的结果，则平滑滤波的结果 0，3，2.8，4，7 第19页，共37页，编辑于2022年，星期五几种信号进行

16、中值滤波示例几种信号进行中值滤波示例1（m=5）原信号原信号中值滤波中值滤波 a）阶跃）阶跃 b）斜坡）斜坡 可以看到中值滤波不影响阶跃函数和斜坡函数，因可以看到中值滤波不影响阶跃函数和斜坡函数，因而对图象的边缘由保护作用。而对图象的边缘由保护作用。第20页，共37页，编辑于2022年，星期五原信号原信号中值滤波中值滤波 c）单脉冲）单脉冲几种信号进行中值滤波示例几种信号进行中值滤波示例2（m=5）d）双脉冲）双脉冲 对于持续周期小于窗口尺寸的对于持续周期小于窗口尺寸的1/2的脉冲将进行滤除，的脉冲将进行滤除，因而可能损坏图像中的某些细节。因而可能损坏图像中的某些细节。第21页，共37页，编辑

17、于2022年，星期五 中值滤波窗口也可以是二维的，而且可以由各种不同中值滤波窗口也可以是二维的，而且可以由各种不同 形状、如线、方形、圆形、十字形等。形状、如线、方形、圆形、十字形等。在实际使用窗口时，窗口的尺寸一般先取在实际使用窗口时，窗口的尺寸一般先取3，再取，再取5，依次增大，直到滤波效果满意位置。对于由缓变的较长轮依次增大，直到滤波效果满意位置。对于由缓变的较长轮廓线物体的图像，采用方形或圆形窗口较合适；对于包含廓线物体的图像，采用方形或圆形窗口较合适；对于包含尖顶角物体的图像，采用十字形窗口较合适。尖顶角物体的图像，采用十字形窗口较合适。第22页，共37页，编辑于2022年，星期五示

18、示 例例0 0 0 0 0 0 00 0 0 0 0 0 00 0 1 1 1 0 00 0 1 6 1 0 00 0 1 1 1 0 00 0 0 0 0 0 00 0 0 0 00 0 0 0 00 1 1 1 00 1 1 1 00 1 1 1 00 0 0 0 0原原 图图处理后的图处理后的图 原图中的原图中的6和周围的灰度相差很大，是一个噪声点，和周围的灰度相差很大，是一个噪声点，采用长度为采用长度为3的窗口进行中值滤波，得到处理后的图，噪的窗口进行中值滤波，得到处理后的图，噪声点被去除。声点被去除。第23页，共37页，编辑于2022年，星期五课堂习题课堂习题0 0 0 1 1 10

19、 0 1/3 2/3 1 10 0 1/4 3/4 1 10 0 0 1 1 1原原 图图分别利用分别利用BOX模板、高斯模板和中值模板、高斯模板和中值滤波法对其进行处理。滤波法对其进行处理。BOX模板：模板：1/3*（1 1.1）高斯模板：高斯模板：1/4*（1 2.1 ）从原图中可以看出左边的区域灰度值低，右边从原图中可以看出左边的区域灰度值低，右边灰度值高，中间有一条明显的边界，称这类图像为灰度值高，中间有一条明显的边界，称这类图像为台阶（台阶（step）。）。第24页，共37页，编辑于2022年，星期五习题结果习题结果BOX模板处理后：模板处理后：0 1/3 2/3 1 1/9 1/3

20、 2/3 8/91/12 1/3 2/3 11/12 0 1/3 2/3 1高斯模板处理后：高斯模板处理后：0 1/4 3/4 1 1/12 1/3 2/3 11/12 1/16 5/16 11/16 15/16 0 1/4 3/4 1中值滤波处理后：中值滤波处理后：0 0 1 1 0 1/3 2/3 1 0 1/4 3/4 1 0 0 1 1从处理结果可看出，应用平从处理结果可看出，应用平滑模板，图像平滑了，但使滑模板，图像平滑了，但使边界模糊了。二中值滤波很边界模糊了。二中值滤波很好的保持了原来的边界。好的保持了原来的边界。第25页，共37页，编辑于2022年，星期五2.2.3多图像平均法

21、多图像平均法 多图像平均法是利用对同一景物的多幅图像取平均来消多图像平均法是利用对同一景物的多幅图像取平均来消除噪声产生的高频部分，在图象采集中常应用这种方法来去除噪声产生的高频部分，在图象采集中常应用这种方法来去除噪声。除噪声。第26页，共37页，编辑于2022年，星期五课堂习题有已幅图像由于受到干扰，图中有若干各亮点（灰度值为有已幅图像由于受到干扰，图中有若干各亮点（灰度值为255）如下图。试问此类图像如何处理，并将处理后的图像画出来。如下图。试问此类图像如何处理，并将处理后的图像画出来。1 1 1 8 7 42 255 2 3 3 33 3 255 4 3 33 3 3 255 4 63

22、 3 4 5 255 82 3 4 6 7 8第27页，共37页，编辑于2022年，星期五2.3平滑的实现平滑的实现利用模板操作可以实现邻域平均法，可以用在光滑边缘过于清晰或利用模板操作可以实现邻域平均法，可以用在光滑边缘过于清晰或对比度过于强烈的区域，产生模糊效果来柔化边缘对比度过于强烈的区域，产生模糊效果来柔化边缘以为例以为例第28页，共37页，编辑于2022年，星期五/对图像进行平滑处理对图像进行平滑处理 /位图流位图流 /public Bitmap Smooth(Bitmap b)/1 1 1 /1 1 1 /1 1 1/9 Matrix3x3 m=new Matrix3x3();m.

23、Init(1);m.Scale=9;return m.Convolute(b);/end of Smooth第29页，共37页，编辑于2022年，星期五中值滤波中值滤波经过中值滤波后，图象中的随机噪声将被有效的消除经过中值滤波后，图象中的随机噪声将被有效的消除原因：亮度值发生随机突变的像素，经过排序后，要么排在队首要么排在原因：亮度值发生随机突变的像素，经过排序后，要么排在队首要么排在队尾，而中心像素的新值是取自队列最中间的那个像素的值队尾，而中心像素的新值是取自队列最中间的那个像素的值第30页，共37页，编辑于2022年，星期五第31页，共37页，编辑于2022年，星期五中值滤波编程思路中值

24、滤波编程思路、获取用户指定的滤波窗口、获取用户指定的滤波窗口、取出当前像素和周围个像素，对他们进行排序、取出当前像素和周围个像素，对他们进行排序、取得中值、取得中值、将中值作为亮度值输出、将中值作为亮度值输出设设:滤波窗口长度为滤波窗口长度为len;len;用数组用数组sequencesequence存放窗口中的值存放窗口中的值;取得的取得的中值为中值为count.count.写出中值滤波的算法程序写出中值滤波的算法程序第32页，共37页，编辑于2022年，星期五bool isMovable=true;int t=0;while(isMovable)isMovable=false;for(in

25、t i=1;i sequencei)/交换交换sequencei-1,sequencei t=sequencei-1;sequencei-1=sequencei;sequencei=t;isMovable=true;/i /isMovable/取中值取中值 count=sequencelen/2;第33页，共37页，编辑于2022年，星期五平滑特效运动模糊平滑特效运动模糊第34页，共37页，编辑于2022年，星期五平滑特效径向模糊平滑特效径向模糊第35页，共37页，编辑于2022年，星期五运动模糊是一种抓取物体运动状态的效果滤镜，主要应用物体运动是曝运动模糊是一种抓取物体运动状态的效果滤镜，主

26、要应用物体运动是曝光的摄影手法，模拟出在摄像中拍摄运动物体的简洁曝光功能，从而使光的摄影手法，模拟出在摄像中拍摄运动物体的简洁曝光功能，从而使图象产生出一种动态效果图象产生出一种动态效果课设四介绍课设四介绍运动模糊的实现：在距离限定范围内，将一幅图象的多张副本运动模糊的实现：在距离限定范围内，将一幅图象的多张副本叠放在指定方向上，然后取平均值最后处理分量叠放在指定方向上，然后取平均值最后处理分量产生模糊的效果产生模糊的效果径向模糊用来模拟摄影前后移动或旋转相机镜头以产生一种聚焦径向模糊用来模拟摄影前后移动或旋转相机镜头以产生一种聚焦或变焦的效果，使图象由中心向四周旋转辐射或变焦的效果，使图象由

27、中心向四周旋转辐射径向模糊的实现：使图象中心做旋转偏移处理，将图象中的所有象素点径向模糊的实现：使图象中心做旋转偏移处理，将图象中的所有象素点沿图象中心做同心圆旋转，并叠加轨迹上的所有象素最后处理沿图象中心做同心圆旋转，并叠加轨迹上的所有象素最后处理分量产生模糊的效果分量产生模糊的效果第36页，共37页，编辑于2022年，星期五书书112页，页，5.4 图像锐化，并思考如下几个问题：图像锐化，并思考如下几个问题：1、为什么可以用微分法实现图像锐化、为什么可以用微分法实现图像锐化 提示：从导数和偏导数的几何意义去思考提示：从导数和偏导数的几何意义去思考 2、梯度法进行锐化的实质是什么？、梯度法进行锐化的实质是什么？提示：从方向导数的意义去思考提示：从方向导数的意义去思考 3、拉普拉斯方程、拉普拉斯方程提示：高阶偏导数提示：高阶偏导数预预 习习第37页，共37页，编辑于2022年，星期五