26数字图像处理

均值滤波器——原理•在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。109111111111H以模块运算系数表示即：12143122345768957688567891214312234576895768856789344456678C=6.6316C=5.5263均值滤波器——处理方法待处理像素示例边框保留不变的效果示例中值滤波器——滤波处理方法•与均值滤波类似，做3*3的模板，对9个数排序，取第5个数替代原来的像素值。中值滤波器——例题12143122345768957688567891214312234576895768856789234566678C=6.6316C=5.5263示例交叉微分算法(Roberts算子)•Roberts算子模板是一个2×2的模板，左上角的是当前待处理像素f(x.y)，则交叉微分算子定义如下：•其模板可以表示为：特点：算法简单Roberts算子——例题640111107391471815510000010700147000001041311g(2,2)=|10-7|+|7-14|=10Sobel锐化算法•交叉微分算子可以获得景物细节的轮廓。其作用模板小，相对计算量也小。但由于模板的尺寸是偶数，故待处理像素不能放在模板中心位置，处理的结果就会有半个像素的错位。•Sobel微分算子是一种奇数3x3的模板下的全方向微分算子。•Sobel微分算子定义如下：Sobel微分算子的模板如下：101202101yd121000121xd特点：锐化的边缘信息较强Sobel算子——例题640111107391471815510000010700147000004712383422(2,2)[(31)2(75)(1015)][(151)2(141)(103)]47gLaplacian微分算子•最简单的二阶各向同性微分算子是拉普拉斯微分算子，二维图像f（x,y）的拉普拉斯微分算子定义为：22222yfxff22[(,)(1,)][(,)(1,)][(1,)(,)]xxffijfijxfijfijfijfij22[(,)(,1)][(,)(,1)][(,1)(,)]yyffijfijyfijfijfijfij)1,()1,(),1(),1(),(42jifjifjifjifjiff•写成模板系数形式形式即为Laplacian算子：•二阶微分算子所提取出的细节较一阶微分算子提出的细节多，表明了二阶微分算子在对图像细节更加敏感。0010141010HLaplacian算子——例题6401111073914718155100000107001470000011584g(2,2)=4×7-(1+5+14+7)=1Priwitt锐化算法•Priwitt微分算子的思路与Sobel微分算子的思路类似，是在一个奇数大小的模板中定义其微分运算。•Priwitt微分算子定义如下：•Priwitt微分算子的模板如下：•肉眼几乎无法区别与Sobel微分算子处理效果的差异。但是从其模板系数可以看到，其运算较Sobel算子略简单。101101101yd111000111xd特点：与Sobel相比，有一定的抗干扰性。图像效果比较干净。Priwitt算子——例题64011110739147181551000001070014700000349292322(2,2)[(31)(75)(1015)][(151)(141)(103)]34g