A. 通道噪声：产生于图像信息的传递中 ， 其 通道噪声：产生于图像信息的传递中， 值与图像信号的强弱无关。现象：“雪花” 值与图像信号的强弱无关。现象：“雪花” B. 量化噪声：灰度在量化过程中 ， 不可避免 量化噪声：灰度在量化过程中， 的产生量化噪声。 的产生量化噪声。 C. 特点：噪声像素的灰度是空间不相关的 ， 特点：噪声像素的灰度是空间不相关的， 即它与邻近像素显著不同。 即它与邻近像素显著不同。
有更加平滑的过渡带，平滑后的图像没有 跳跃现象 与BLPF相比，衰减更快，经过ELPF滤波的 图象比BLPF处理的图象更模糊一些
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
四种低通滤波器的比较
第6章 图像增强
高通滤波器
图像轮廓是灰度陡然变化的部分， 包含着丰富的空间高频成分。 把高频分量相对突出，显然可使轮 廓清晰。 高频滤波器使高频分量相对突出， 而低频分量和甚高频分量则相对抑制 。
第6章 图像增强
图像锐化滤波技术
一、目的 图像经转换或传输后，质量可能下降， 难免有些模糊。 图像锐化目的：加强图像轮廓，使图像看 起来比较清晰。
第6章 图像增强
图像锐化滤波技术
二、方法
考察正弦函数 sin 2π ax ，它的微分 2π a cos 2π ax 。微分后频率不变，幅度上 升2πa倍。 空间频率愈高，幅度增加就愈大。 这表明微分是可以加强高频成分的， 从而使图像轮廓变清晰。 最常用的微分方法是梯度法和拉普拉 斯算子
第6章 图像增强
邻域平均法是简单的空域处理方法。这种方 邻域平均法是简单的空域处理方法。这种方 法的基本思想是用几个像素灰度的平均来代替一 个像素原来的灰度值，实现图像的平滑。
有一幅图像图像： 在图像中为了获取f(x,y)的 新值则开一个M×N的窗口S 窗口S就称为f(x,y)的邻域 我们可以根据窗口内各 点的灰度确定f(x,y)的 新值。
第6章 图像增强
作业：一幅图像共有8个灰度级，每一灰度级的 概率分布如下表所示，要求对其进行直方图规定 化处理，规定化直方图的数据如表所示。(画出 规定化后的直方图)
第6章 图像增强 原始直方图数据
规定直方图数据
k）
rk r0＝0 r1＝1/7 r2＝2/7 r3＝3/7 r4＝4/7 r5＝5/7 r6＝6/7 r7＝1
第6章 图像增强
频域滤波增强
频域增强的原理
边、噪音、变化陡峭部分
u
变化平缓部分
v
第6章 图像增强
频域滤波增强
第6章 图像增强
频域滤波增强
第6章 图像增强
频域滤波增强
低通滤波器 高通滤波器 带通、带阻滤波器
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
邻域平均和中值滤波的比较
含均匀随机噪声
3×3邻域平均 × 邻域平均
7×7邻域平均 × 邻域平均
11×11邻域平均 × 邻域平均
3×3中值滤波 × 中值滤波
5×5中值滤波 × 中值滤波
返回
第6章 图像增强
1.中值定理的应用方法 1.中值定理的应用方法 2. 相同 数 字 如何处理
rk
第6章 图像增强
P z (zk )
0.43 0.27 0.19 0.11
0
1/7 2/7 3/7 4/7 5/7 6/7 1
zk
第6章 图像增强
P z (zk )
0.41 0.29 0.21 0.09
0
1/7 2/7 3/7 4/7 5/7 6/7 1
zk
第6章 图像增强
本章重点
图像增强的定义 直方图均衡化的概念及计算 直方图规定化的概念及计算 邻域平均法的分类及区别 中值滤波的定义与实现方法
S
f(x,y)
M
N
第6章 图像增强
第6章 图像增强
邻域平均法常见的方法有：
(1)简单平均法： 设图像像素的灰度值为f(x,y)，取以其为中心的 M×N大小的窗口，用窗口内各像素灰度值代替 f(x,y)的值，即： f ( x, y) = 1 f (u, v)
M ×N
( u ,v )∈S ∈S
∑
噪声是随机不相关的，如果窗口内各点的噪声是独立 等分布的，经过这种方法平滑后，信噪比可提高 MN 倍。 在此算法中，M,N的值不宜过大，因为M,N值的大小对 速度有直接影响，且M,N值越大变换后的图像越模糊, 特别是在边缘和细节处。
第6章 图像增强
（一）灰度分层法
把图像灰度范围分割为若干等级的灰度区间， 对每一区间映象为某种色彩。
第6章 图像增强
第6章 图像增强
（二）伪彩色变换
将每一个像元的灰度值通过三个独立变换分别产生 红、绿、蓝三个分量图像，然后将其合成为一幅彩色图 像。
第6章 图像增强
（三）频域滤波
在不同的频率分量与颜色之间经过一定的变换建 立一种对应关系。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
彩色增强
真彩色增强 假彩色增强：把真实的自然彩色图像或遥感多
光谱图像处理成假彩色图像。
Pr
（
r
Z
k
P
z（zk）
0.29 0.24 0.17 0.12 0.09 0.06 0.02 0.01
z0＝0 z1＝1/7 z2＝2/7 z3＝3/7 z4＝4/7 z5＝5/7 z6＝6/7 z7＝1
0 0 0 0 0.27 0.43 0.19 0.11
第6章 图像增强
P r (r k )
0.29 0.24 0.17 0.12 0.09 0.06 0.02 0.01 0 1/7 2/7 3/7 4/7 5/7 6/7 1
212 200 198 206 205 201 208 205 207
从小到大排列，取中间值
198 200 201 202 205 206 207 208 212
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
中值滤波的一些特性 (1) 对大的边缘高度，中值滤波较邻域均值好 得多，而对于较小边缘高度，两种滤波只有很 少差别。 （2） 中值滤波是非线性的。 （3） 中值滤波在抑制图像随机脉冲噪声方面甚 为有效。且运算速度快，便于实时处理。 （4） 中值滤波去除孤立线或点干扰，而保留空 间清晰度较平滑滤波为好；但对高斯噪声则不 如平滑滤波。
第6章 图像增强
图像平滑滤波技术
一、背景
图像在传输过程中，由于传输信道、 图像在传输过程中，由于传输信道、采样系 统质量较差， 或受各种干扰的影响， 统质量较差 ， 或受各种干扰的影响 ， 而造成图 像毛糙，此时，就需对图像进行平滑处理。 像毛糙，此时，就需对图像进行平滑处理。
二、图像噪声的来源及特点
W称为模板
W
f(x,y)
M
N
第6章 图像增强
邻域加权平均法举例：
W
f(x,y)
M
N
•将模板在图中漫游，并将模板中心与图中某像素点重合； •将模板上系数与模板下对应像素的灰度值相乘； •将所有乘积相加，并除以系数总和； •用所得结果代替原中心点的值； 返回
第6章 图像增强
中值滤波法
前面使用的邻域平均法属于低通滤波的处理方法。它 在抑制噪声的同时使图像变得模糊，即图像的细节(例如 边缘信息)被削弱，如果既要抑制噪声又要保持细节可以 使用中值滤波。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
巴特沃思低通滤波器(BLPF)的特点
和理想圆形低通滤波器相比 没有明显的跳跃 模糊程度减少 尾部含有较多的高频，对噪声的平滑效 果不如理想低通滤波器。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
指数低通滤波器(ELPF)的特点
第6章 图像增强
平滑可以抑制高频成分， 但也使图像变得模糊。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
返回
第6章 图像增强
(2)邻域加权平均方法
邻域加权平均法也属于空域滤波增强算法，它是利用模 板卷积的方法实现对原图的滤波，可表示为：
g ( x , y ) = W • f (u , v )
伪彩色增强：把黑白图象处理成伪彩色图象。
第6章 图像增强
伪彩色增强
人眼只能区分40多种不同等级的灰 度，却能区分几千种不同色度、不同 亮度的色彩。 伪彩色处理就是把黑白图象的灰度 值映射成相应的彩色。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
伪彩色增强方法
（一）灰度分层法 （二）伪彩色变换 （三）频域滤波
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
图像轮廓上，像素灰度有陡然变化，梯 度值很大。 图象灰度变化平缓区域，梯度值很小。 等灰度区域，梯度值为零。
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
第6章 图像增强
空间域滤波是基于邻域处理的增强方法，它 应用某一模板对每个像元与其周围邻域的所有像 元进行某种数学运算得到该像元的新的灰度值， 新的灰度值的大小不仅与该像元的灰度值有关， 而且还与其邻域内的像元的灰度值有关。