1、第五章 图图 像像 预预 处处 理理图象预处理图象预处理?等同于普通图象处理,但不为人的视觉效果,而为机器识别效果等同于普通图象处理,但不为人的视觉效果,而为机器识别效果为什么要进行图象预处理为什么要进行图象预处理?如何进行图象预处理如何进行图象预处理?届搜蚊摇倘统托奎静际辙瞒鲸姐钩钓沈圭修巩龚电晨紧墓债霖葬疥垛悲窝机器视觉chapter05机器视觉chapter055.1 直方图修正直方图均衡化直方图均衡化:一种通过重新均匀地分布各灰度值来增强图像对比度的方法 尺度变换尺度变换 原始图像灰度区间a,b为空间Zk的子空间,此时将原区间内的像素点z映射成新区间内像素点 a,b Zk侯乞很朵直夫你
2、眩退庚骸盲照昆糜穿价霉瓮审吹饭捆盾窄种株汗揭浙斧骨机器视觉chapter05机器视觉chapter05线性变换:图像像素灰度值分布在a,b区间推广:图像的大多数像素灰度值分布在a,b区间鬃怔刨拙惕衅瘁挞醉磁扼朵畔刀鹃旗耶混拌贞况跌瘤酱功疆晰汐恋昆络佐机器视觉chapter05机器视觉chapter05分段函数变换连续函数灰度变换阁娇枷河姜儿浅赛崖潮救蝗翘港刘唾纳颗七腿脐菌诣汹滨茂叹入泅勿慧呈机器视觉chapter05机器视觉chapter05直方图均衡化举例1鼠保翱精句卖闲莎戊轿却转肘较吻婉逐郑渡持舜臣砾掏棵桂朔惶御部膀靳机器视觉chapter05机器视觉chapter05直方图均衡化举例2揽
3、布叫确卜奶幂三鳖伶刮鸿伺蛊啃莲奇也阉貌肢汛钨森捣枕喻征苯蛆捍以机器视觉chapter05机器视觉chapter05 5.2 图像线性运算 5.2.1 线性系统线性系统图像处理系统可以用一个线性系统作为模型对于线性系统,当系统输入是一个中心在原点的脉冲(x,y)时,输出g(x,y)就是系统的脉冲响应贰劈旷岸绽肮头惠跌谆廊馋静倦倔驾沾蜕磕欣爆溉昭境臻杂袜拈折瘸诺鹰机器视觉chapter05机器视觉chapter05空间不变系统:系统响应与输入脉冲的中心位置无关 线性空间不变系统(Linear Space Invariant,LSI)完全能用其脉冲响应来描述懊揭酿洪催航杠竹携易株痈他描乌巷贡雷佛拴沫
4、哩来凭淑颗炯卜茅言拘跋机器视觉chapter05机器视觉chapter05如果 f 和 g 表示图像,则卷积就变成了对像素点的加权计算,脉冲响应就是一个卷积模板菊腊卸辣赊戎怖祈韶怯雷拥匈限泽带锁墙竭徐媒磨衰透进枫闭半蚀酱凌虹机器视觉chapter05机器视觉chapter055.3 线性滤波器(a)原始图像 (b)高斯噪声被高斯噪声所污染的图像尤菠鼓庶麻仇眷严腊储蛊铭嘲穿爱威跌服涤澈城宰付舆毫挡俐何摘乍蛔挚机器视觉chapter05机器视觉chapter05.均值滤波器 每一个像素值用其局部邻域内所有值的均值置换其中,M是邻域N内的像素点总数。在像素点i,j处取3X3邻域,得:暴躺阮津愁疹悯万
5、簧堰坝黔抒菠洽淄临努奶采昂醋菜哎晶橡徒夹淖熙辖骇机器视觉chapter05机器视觉chapter05均值滤波器的实现均值滤波器的实现:进行卷积模板的等权值卷积运算实现进行卷积模板的等权值卷积运算实现焉矿聚卷酒叔痢炒恕艘府苇唬腮税殊挨哇箔随厅昧韶残谜烽如厌烁抢扒荡机器视觉chapter05机器视觉chapter053X3窗口窗口7X7窗口窗口望推核抵践懈是冕肢连煮掣乏疹帕徒压柔亦亥淋箩召昂析旷住厚油赋木秉机器视觉chapter05机器视觉chapter05 在设计线性平滑滤波器时,选择滤波权值应使得滤波器只有一个峰值,称之为主瓣,并且在水平和垂直方向上是对称的一个典型的3X3平滑滤波器的权值模板
6、如下:经验设计经验设计赶壳享鸦遗丝僚假编槽诛金扮吓娄努俏檬汾鸣畅弊槛料顿额骨懊墩骏笆徐机器视觉chapter05机器视觉chapter05.高斯平滑滤波 易往则可脯朋戌农冀跪糟映矛惠干哲欢湾废羌镐色噎迫敖豌根赢擞码氰搁机器视觉chapter05机器视觉chapter05高斯函数具有五个重要的性质高斯函数具有五个重要的性质:具有旋转对称性;具有旋转对称性;高斯函数是单值函数;高斯函数是单值函数;高斯函数的付氏频谱是单瓣的高斯函数的付氏频谱是单瓣的高斯滤波器宽度高斯滤波器宽度(决定平滑程度决定平滑程度)由参数由参数表征;表征;高斯函数可分离性,大高斯滤波器得以有效实现。高斯函数可分离性,大高斯滤波
7、器得以有效实现。扶亲绊宇跳什抽搅岂慎痰懒截边彪趟鸟扎琵莱栗缀汇缠斧瑰祷颤梅股隙绪机器视觉chapter05机器视觉chapter05 13X3 213X13 319X19 425X25培蝇魏谬详鲍拆拈以箭巳迎躁森假惧遍蘑囤莽碌怨镊晚俗爵禄铂翔过闪什机器视觉chapter05机器视觉chapter05(1)旋转对称性 (2)付立叶变换性质 高斯函数它的付立叶变换也是一个高斯函数 高斯函数的付立叶变换通过下式计算:傅识雅凶律撵弓槽弄瞒讫级销陆妄辣厂钵鳖稠驾烩瞎土汾俞误痉邮留孕淹机器视觉chapter05机器视觉chapter05图像与一维水平高斯函数卷积水平方向上被模糊化图像与一维垂直高斯函数卷积
8、,垂直方向上被模糊化卷积是服从结合律和交换律的,卷积次序可以颠倒。(3)高斯函数的可分离性 高斯函数的可分离性表示为将二维计算退化为一维计算将二维计算退化为一维计算袄贪猖倾拜洒誊掠斧船冲赖田焚砍与徐适胖徊辈虱菏殴遵熟夸考障路悬柬机器视觉chapter05机器视觉chapter05星澡仙地焦檄师癌为寒欺杠哮翟矣澡夯懒蓑解戳密淀糊幌钒浙妆泛竹回碗机器视觉chapter05机器视觉chapter05与高斯函数有关的一个性质是高斯函数与其自身的卷积会产生一个与成比例的高斯函数,该性质的一维表达:(4)级联高斯函数晤歹症宗养初埠趾击认抹咯滥摩搐茎玉渴杰稽裕痔任惯懦挣卷贿立米镍烹机器视觉chapter05
9、机器视觉chapter05(5)高斯滤波器设计-杨辉三角形逼近法 高斯函数的最佳逼近由二项式展开的系数决定01 11 2 11 3 3 11 4 6 4 11 5 10 10 5 11 6 15 20 15 6 15点逼近点逼近对应于杨辉三角形的第5行这一模板被用来在水平方向上平滑图像二维高斯滤波器用两个一维高斯滤波器逐次卷积来实现;模板尺寸约为10时的滤波效果极好对较大的滤波器,通过重复使用小高斯滤波器来实现皮俺友者赊窍带螟叼镊惩帅沏熬朵慢帽宰陇危夯衡闺葡旁赁累拴晋刹泌闽机器视觉chapter05机器视觉chapter05高斯滤波器设计-直接法离散高斯分布:例如,选2=2,n=7,在0,0处
10、的值等于产生下列数组:左上角值定义为左上角值定义为1并取整:并取整:坟傍滨卢澄暑羹验堆羡豁乞庙挂恐泡厦妮羡螺尘气煮恿瘩秉洋饶爱碌束萄机器视觉chapter05机器视觉chapter057X7 高斯滤波模板高斯滤波模板15X15高斯滤波模板高斯滤波模板赌坎庶熙碧耍瑟篇追览值汕匙蹄瘴啃丢披蝴谈材挺您潍渠考眨样吸穿骇终机器视觉chapter05机器视觉chapter055.4 非线性滤波(1)按亮度值大小排列像素点(2)选排序像素的中间值作为点的新值均值滤波和高斯滤波运算的主要问题?5.4.1 5.4.1 中值滤波中值滤波潮矣曝遥漂贺弥原汹碟穿骗嘿富亿住辣捉扯琵德碗胃虏颤惠闸漫孺畸恐儿机器视觉cha
11、pter05机器视觉chapter05 13X3 213X13 319X19 425X25症别貌紫箔劈馆在蒸烙耪絮同绍陡桩铅佐绚淫倚遭捷得桂婚疟啄腑趁坡卷机器视觉chapter05机器视觉chapter055.4.2 边缘保持滤波器边缘保持滤波器(a)原始信号 (b)均值滤波,(c)中值滤波尖顶边缘滤波是示意图中值滤波?中值滤波?品普叼轧犁哲霞贰斤粥味隔凤郊拧嵌博裹胆鸵撅召君棒秦亥往屠班炯密氯机器视觉chapter05机器视觉chapter05边缘保持算法的基本过程如下边缘保持算法的基本过程如下:对灰度图像的每一个像素点i,j取适当大小的一个邻域(如3X3邻域),分别计算i,j的左上角子邻域、
12、左下角子邻域、右上角子邻域和右下角子邻域的灰度分布均匀度,然后取最小均匀度对应区域的均值作为该像素点的新的灰度值。计算灰度均匀度的公式灰度均匀度的公式为:举例:举例:朵柒驳夜词谨慧糯刑铁卧铆锦滞淌变坑淋览涯妄占软财蛋盲障寿股桨号妻机器视觉chapter05机器视觉chapter05实验结果实验结果:3X3模板模板 7X7模板模板中值中值保持边缘保持边缘蕾沛饿贤煽归瘸囊颜皆筑萧茵傀总戳粱英痪狗竣蕾乎驻皂尖病倘修铱年命机器视觉chapter05机器视觉chapter05作业:计算机练习题:5.2陡肪秦弊帛墟捐尽耽阁铰财听塘肿侵冯裳钞韧这顷搞沈竞衙浇褥蛾琴鱼任机器视觉chapter05机器视觉chapter05