2023年數(shù)字圖像處理知識(shí)點(diǎn)

數(shù)字圖像解決知識(shí)點(diǎn)課程重點(diǎn)：圖像數(shù)字化，圖像變換,圖像增強(qiáng)，圖像的恢復(fù)與重建,圖像的編碼,圖像的分割與特性提取,圖像辨認(rèn)。數(shù)字圖像解決的基本內(nèi)容：1、圖像獲取。舉例：攝像機(jī)+圖像采集卡、數(shù)碼相機(jī)等。2、圖像增強(qiáng)。顯示圖像中被模糊的細(xì)節(jié),或是突出圖像中感愛好的特性。3、圖像復(fù)原。以圖像退化的數(shù)學(xué)模型為基礎(chǔ),來改善圖像質(zhì)量。４、圖像壓縮。減小圖像的存儲(chǔ)量,或者在圖像傳輸時(shí)減少帶寬。5、圖像分割。將一幅圖像劃分為幾個(gè)組成部分或分割出目的物體。6、圖像的表達(dá)與描述。圖像分割后,輸出分割標(biāo)記或目的特性參數(shù)。7、目的記別。把目的進(jìn)行分類的過程。８、彩色圖像解決。９、形態(tài)學(xué)解決。１0、圖像的重建。導(dǎo)論圖像按照描述模型可以分為:模擬圖像和數(shù)字圖像。1)模擬圖像，模擬圖像可用連續(xù)函數(shù)來描述。其特點(diǎn):光照位置和光照強(qiáng)度均為連續(xù)變化的。2)數(shù)字圖像，數(shù)字圖像是圖像的數(shù)字表達(dá),像素是其最小的單位,用矩陣或數(shù)組來描述圖像解決:對(duì)圖像進(jìn)行一系列的操作,以達(dá)成預(yù)期的目的的技術(shù)。內(nèi)容:研究圖像信息的獲取、傳輸、存儲(chǔ),變換、顯示、理解與綜合運(yùn)用”的一門嶄新學(xué)科。三個(gè)層次：狹義圖像解決，圖像分析，圖像理解。狹義圖像解決重要指對(duì)圖像進(jìn)行各種操作以改善圖像的視覺效果，或?qū)D像進(jìn)行壓縮編碼以減少所需存儲(chǔ)空間或傳輸時(shí)間、傳輸通路的規(guī)定。圖像分析重要是對(duì)圖像中感愛好的目的進(jìn)行檢測和測量,從而建立對(duì)圖像的描述。圖像分析是一個(gè)從圖像到數(shù)值或符號(hào)的過程。圖像理解則是在圖像分析的基礎(chǔ)上，進(jìn)一步研究圖像中各目的的性質(zhì)和它們之間的互相聯(lián)系，并得出對(duì)圖像內(nèi)容含義的理解以及對(duì)本來客觀場景的解譯,從而指導(dǎo)和規(guī)劃行動(dòng);圖像分析重要是以觀測者為中心研究客觀世界，圖像理解在一定限度上是以客觀世界為中心,借助知識(shí)、經(jīng)驗(yàn)等來把握整個(gè)客觀世界。圖像解決的三個(gè)層次:低檔圖像解決內(nèi)容:重要對(duì)圖像進(jìn)行各種加工以改善圖像的視覺效果、或突出有用信息,并為自動(dòng)辨認(rèn)打基礎(chǔ),或通過編碼以減少對(duì)其所需存儲(chǔ)空間、傳輸時(shí)間或傳輸帶寬的規(guī)定。特點(diǎn):輸入是圖像，輸出也是圖像,即圖像之間進(jìn)行的變換。中級(jí)圖像解決內(nèi)容:重要對(duì)圖像中感愛好的目的進(jìn)行檢測（或分割)和測量，以獲得它們的客觀信息從而建立對(duì)圖像的描述。特點(diǎn)：輸入是圖像,輸出是數(shù)據(jù)。高級(jí)圖像解決內(nèi)容：在中級(jí)圖像解決的基礎(chǔ)上,進(jìn)一步研究圖像中各目的的性質(zhì)和它們之間互相的聯(lián)系，并得出對(duì)圖像內(nèi)容含義的理解（對(duì)像辨認(rèn))及對(duì)本來客觀場景的解釋(計(jì)算機(jī)視覺)，從而指導(dǎo)和規(guī)劃行動(dòng)。特點(diǎn)：以客觀世界為中心，借助知識(shí)、經(jīng)驗(yàn)等來把握整個(gè)客觀世界?！拜斎胧菙?shù)據(jù),輸出是理解”。一個(gè)圖像解決和分析系統(tǒng)涉及采集、顯示、存儲(chǔ)、通信、解決和分析五個(gè)模塊。數(shù)字圖像解決特點(diǎn)：精度，再現(xiàn)性，通用性,靈活性。第二章數(shù)字圖像解決的基本概念圖像數(shù)字化:將模擬圖像通過離散化之后，得到用數(shù)字表達(dá)的圖像。圖像數(shù)字化是將一幅畫面轉(zhuǎn)化成計(jì)算機(jī)能解決的形式,涉及采樣和量化兩個(gè)過程。采樣:是將在空間上連續(xù)的圖像轉(zhuǎn)換成離散的采樣點(diǎn)(即像素）集的操作。即：空間坐標(biāo)的離散化。采樣間隔和采樣孔徑的大小是兩個(gè)重要的參數(shù)。量化：把采樣后所得的各像素的灰度值從模擬量到離散量的轉(zhuǎn)換稱為圖像灰度的量化。即：灰度的離散化。連續(xù)灰度值量化為灰度級(jí)的方法有兩種:等間隔量化:簡樸地把采樣值的灰度范圍等間隔地分割并進(jìn)行量化。非等間隔量化：非均勻量化是依據(jù)一幅圖像具體的灰度值分布的概率密度函數(shù)，按總的量化誤差最小的原則來進(jìn)行量化。簡樸說來就是對(duì)像素出現(xiàn)頻度少的部分量化間隔取大,而對(duì)頻度大的量化間隔取小。數(shù)字化方式可分為均勻采樣、量化和非均勻采樣、量化。圖像數(shù)字化一般采用均勻采樣和均勻量化方式。量化參數(shù)與數(shù)字化圖像之間的關(guān)系:采樣間隔越大,所得圖像像素?cái)?shù)越少,空間分辨率低，質(zhì)量差,嚴(yán)重時(shí)出現(xiàn)像素呈塊狀的國際棋盤效應(yīng)；采樣間隔越小,所得圖像像素?cái)?shù)越多，空間分辨率高,圖像質(zhì)量好，但數(shù)據(jù)量大。量化等級(jí)越多,所得圖像層次越豐富，灰度分辨率高,圖像質(zhì)量好,但數(shù)據(jù)量大;量化等級(jí)越少，圖像層次欠豐富，灰度分辨率低，會(huì)出現(xiàn)假輪廓現(xiàn)象，圖像質(zhì)量變差，但數(shù)據(jù)量小。當(dāng)限定數(shù)字圖像的大小時(shí)，為了得到質(zhì)量較好的圖像可采用如下原則：對(duì)緩變的圖像,應(yīng)當(dāng)細(xì)量化,粗采樣，以避免假輪廓。對(duì)細(xì)節(jié)豐富的圖像，應(yīng)細(xì)采樣,粗量化,以避免模糊(混疊)?；叶葓D像:灰度圖像是指每個(gè)像素由一個(gè)量化的灰度值來描述的圖像。它不包含彩色信息。分辨率：指映射到圖像平面上的單個(gè)像素的景物元素的尺寸。圖像分辨率:指每英寸圖像具有多少個(gè)點(diǎn)或像素,分辨率的單位為dｐi。(1）空間分辨率：圖像空間中可分辨的最小細(xì)節(jié)。一般用單位長度上采樣的像素?cái)?shù)目或單位長度上的線對(duì)數(shù)目表達(dá)。(2）灰度分辨率:圖像灰度級(jí)中可分辨的最小變化。一般用灰度級(jí)或比特?cái)?shù)表達(dá)。圖像數(shù)字化：采樣和量化是數(shù)字化一幅圖像的兩個(gè)基本過程。即把圖像劃分為若干圖像元素(像素)并給出它們的地址（采樣)；度量每一像素的灰度，并把連續(xù)的度量結(jié)果量化為整數(shù)（量化)；最后將這些整數(shù)結(jié)果寫入存儲(chǔ)設(shè)備。為完畢這些功能，圖像數(shù)字化設(shè)備必須包含以下五個(gè)部分:采樣孔,圖像掃描機(jī)構(gòu),光傳感器，量化器,輸出存儲(chǔ)裝置。線性度：灰度正比于圖像亮度的實(shí)際精確限度。圖像數(shù)字化器的評(píng)價(jià)項(xiàng)目:空間分辨率，灰度分辨率,圖像大小，量測特性，掃描速度，噪聲，其他（黑白、彩色、性能、價(jià)格等)?；叶戎狈綀D：灰度直方圖反映的是一幅圖像中各灰度級(jí)像素出現(xiàn)的頻率。以灰度級(jí)為橫坐標(biāo),縱坐標(biāo)為灰度級(jí)的頻率，繪制頻率同灰度級(jí)的關(guān)系圖就是灰度直方圖。它是圖像的一個(gè)重要特性,反映了圖像灰度分布的情況。性質(zhì):所有的空間信息所有丟失,每一灰度級(jí)的像素個(gè)數(shù)可直接得到,灰度直方圖只能反映圖像的灰度分布情況，而不能反映圖像像素的位置,即丟失了像素的位置信息。應(yīng)用:用于判斷圖像量化是否恰當(dāng)，用于擬定圖像二值化的閾值，當(dāng)物體部分的灰度值比其它部分灰度值大時(shí),可運(yùn)用直方圖記錄圖像中物體的面積;計(jì)算圖像信息熵。圖像解決的幾種基本算法：局部解決涉及:點(diǎn)解決，局部解決和大局解決。鄰域:對(duì)于任一像素（ｉ，j）,集合{(i+p,j＋q）,p、q取合適的整數(shù)}叫做該像素的鄰域。常用的有4鄰域個(gè)8鄰域。迭代解決反復(fù)對(duì)圖像進(jìn)行某種運(yùn)算直至滿足給定的條件，從而得到輸出圖像的解決形式稱為迭代解決。如圖像的細(xì)化解決過程。3、跟蹤解決4、位置不變解決和位置可變解決輸出像素的值的計(jì)算方法與像素的位置無關(guān)的解決稱為位置不變解決或位移可變解決；反之,雖位置不同計(jì)算方法也不同的解決稱為位置可變解決。5、窗口解決和模板解決單獨(dú)對(duì)圖像中選定的矩形區(qū)域內(nèi)的像素進(jìn)行解決的方式叫做窗口解決;希望單獨(dú)解決任意形狀的區(qū)域時(shí),可采用模板解決。若模板成矩形區(qū)域,則與窗口解決具有相同的效果,但窗口解決與模板解決不同之處是后者必須設(shè)立一個(gè)模板平面。６、串行解決與并行解決后一像素輸出結(jié)果依賴于前面像素解決的結(jié)果,并且只能依次解決各像素而不能同時(shí)對(duì)各像素進(jìn)行相同解決的一種解決形式稱為串行解決。對(duì)圖像內(nèi)的各像素同時(shí)進(jìn)行相同形式運(yùn)算的一種解決形式稱為并行解決。圖像的數(shù)據(jù)結(jié)構(gòu)1組合方式——組合方式是一個(gè)字長存放多個(gè)像素灰度值的方式。它能起到節(jié)省內(nèi)存的作用，但導(dǎo)致計(jì)算量增長,使解決程序復(fù)雜。2比特面方式——按比特位存取像素，即將所有像素的相同比特位用一個(gè)二維數(shù)組表達(dá),形成比特面。這種結(jié)構(gòu)能充足運(yùn)用內(nèi)存空間,但對(duì)灰度圖像解決耗時(shí)多。3分層結(jié)構(gòu)——由原始圖像開始依次構(gòu)成像素?cái)?shù)愈來愈少的一幅幅圖像,就能使數(shù)據(jù)表達(dá)具有分層性，其代表有錐形(金字塔)結(jié)構(gòu)。4樹結(jié)構(gòu)——對(duì)于一幅二值圖像的行、列都接連不斷地二等分，假如圖像被分割部分中的全體像素都變成具有相同的特性時(shí)，這一部分則不再分割。用這種方法，可以把圖像用樹結(jié)構(gòu)（4叉樹)表達(dá)。這可以用在特性提取和信息壓縮等方面。5多重圖像數(shù)據(jù)存儲(chǔ)：逐波段存儲(chǔ),逐行存儲(chǔ),逐像素存儲(chǔ)。圖像的特性自然特性:光譜,幾何，時(shí)相;人工特性：直方圖，灰度邊沿,線、角、紋理特性。特性范圍劃分：點(diǎn)特性、局部特性、區(qū)域特性、整體特性。特性提取：獲取圖像特性信息的操作稱作特性提取。通過特性提取，可以獲得特性構(gòu)成的圖像(稱作特性圖像）和特性參數(shù)。特性空間：把從圖像提取的m個(gè)特性量y１,y2,…,ym,用m維的向量Y＝[ｙ1ｙ２…ｙm］ｔ表達(dá)稱為特性向量。此外，相應(yīng)于各特性量的m維空間叫做特性空間。特性向量Y就可作為這個(gè)特性空間的點(diǎn)來表達(dá)。第三章圖像變換圖像變換目的：使圖像解決問題簡化；有助于圖像特性提取;有助于從概念上增強(qiáng)圖像信息的理解。圖像變換規(guī)定:正交變換必須是可逆的;正交變換和反變換不能太復(fù)雜。二維線性不變系統(tǒng)二維離散傅里葉變換的若干性質(zhì):1周期性和共軛對(duì)稱性——對(duì)圖像的頻譜分析和顯示帶來很大益處。２分離性——一個(gè)二維傅立葉變換可由連續(xù)兩次一維傅立葉變換來實(shí)現(xiàn)。３平移性質(zhì)——對(duì)F（ｘ,y）的平移不影響其傅立葉變換的幅值。4旋轉(zhuǎn)性質(zhì)——對(duì)F(x,y)旋轉(zhuǎn)θ0相應(yīng)于將其傅立葉變換F(u，v)也旋轉(zhuǎn)θ0。５分派率——傅立葉變換和反變換對(duì)加法滿足分派律,但對(duì)乘法則不滿足。６尺度變換（縮放)7平均值８離散卷積定理9離散相關(guān)定理小波變換——“小波”就是小的波形。所謂“小”是指它具有衰減性；“波”則是指它的波動(dòng)性，其振幅正負(fù)相間的震蕩形式。平移擬定某個(gè)頻率出現(xiàn)的位置,伸縮得到從低到高不同頻率的基波。小波是一個(gè)具有振蕩性和迅速衰減的波。原則上能用傅立葉分析的地方均可用小波分析，甚至能獲得更好的結(jié)果。其中a>0,ｂ∈Ｒ。上式給出f(t)的一種多尺度表達(dá)，a代表尺度因子，稱為小波。若ａ＞1，則小波函數(shù)具有伸展作用；a＜1時(shí)，函數(shù)具有收縮作用。而傅立葉變換則恰好相反。一維小波變換的基本性質(zhì):1、線性——小波變換是線性變換,它把一信號(hào)分解成不同尺度的分量。2、平移和伸縮的共變性——連續(xù)小波變換在任何平移和伸縮下之下是共變的3、微分運(yùn)算4、其他——小波變換尚有諸如局部正則性、能量守恒性、空間——尺度局部化等特性。典型小波:Haａr小波，墨西哥草帽。第四章圖像增強(qiáng)圖像增強(qiáng):采用一系列技術(shù)有選擇地突出某些感愛好的信息,同時(shí)克制一些不需要的信息,以提高圖像的使用價(jià)值。增強(qiáng)目的：采用一系列技術(shù)改善圖像的視覺效果；將圖像轉(zhuǎn)換成一種更適合于人或機(jī)器進(jìn)行分析解決的形式。增強(qiáng)方法：空間域增強(qiáng)和頻率域增強(qiáng)?？臻g域增強(qiáng)是直接對(duì)圖像像素進(jìn)行解決；頻率域增強(qiáng)是對(duì)圖像經(jīng)傅立葉變換后的頻譜成分進(jìn)行解決，然后逆傅立葉變換獲得所需的結(jié)果。圖像校正:輻射校正和幾何校正。因素：輻射校正由于遙感檢測系統(tǒng)、大氣散射和吸取等因素引起的圖像模糊失真、分辨率和對(duì)比度下降等輻射失真;幾何校正是由于搭載傳感器的遙感平臺(tái)飛行姿態(tài)變化、地球自傳、地球曲率等因素引起的圖像幾何益畸變。圖像輻射校正：1系統(tǒng)輻射校正光學(xué)攝影機(jī)內(nèi)部輻射誤差校正：ｇ’=g*cｏs(a).光電掃描儀內(nèi)部輻射誤差的校正:光電轉(zhuǎn)換誤差;探測器增益變化引起的誤差。2大氣校正:指消除重要由大氣散射引起的輻射誤差的解決過程。公式法回歸分析法（用長波數(shù)據(jù)來校正短波數(shù)）直方圖校正法:通過灰度直方圖對(duì)比找出校正量幾何畸變：遙感圖像在獲取過程中由于多種因素導(dǎo)致景物中目的物相對(duì)位置的坐標(biāo)關(guān)系圖像中發(fā)生變化。傳感器成像幾何形態(tài)影響：全景投影變形，斜距投影變形，傳感器外方位元素變化畸變地球自轉(zhuǎn)的影響地球曲率影響遙感圖像幾何校正涉及光學(xué)校正和數(shù)字糾正兩種方法。數(shù)字糾正是通過計(jì)算機(jī)對(duì)圖像每個(gè)像元逐個(gè)地解析糾正解決完畢的，其涉及兩方面：一是像元坐標(biāo)變換；二是像元灰度值重新計(jì)算（重采樣)。數(shù)字圖像灰度值的重采樣：1、最近鄰法用距離投影點(diǎn)最近像元灰度值代替輸出像元灰度值。2、雙線性內(nèi)插法投影點(diǎn)周邊4個(gè)相鄰像元灰度值,并根據(jù)各自權(quán)重計(jì)算輸出像元灰度值。3、雙三次卷積法獲取與投影點(diǎn)鄰近的16個(gè)像元灰度值計(jì)算輸出像元灰度值。數(shù)字圖像幾何校正法：多項(xiàng)式糾正法和共線方程糾正法。多項(xiàng)式糾正法的基本思想:回避成像的空間幾何過程，而真接對(duì)圖像變形的自身進(jìn)行數(shù)學(xué)模擬。選擇最小控制點(diǎn)的數(shù)量為:(n+１)(n+２)/2，為多項(xiàng)式次數(shù)。遙感圖像數(shù)字鑲嵌1、鑲嵌要有足夠?qū)挼闹丿B區(qū)，最佳不少于圖像的１/5。2、相鄰的圖像色調(diào)或灰度值應(yīng)一致（通過“直方圖匹配”等方法）;3、最佳依據(jù)地圖投影方式先分幅校正,后鑲嵌，以保證較高的精度。多圖像幾何匹配:在實(shí)際應(yīng)用過程經(jīng)常需要將同一地區(qū)的不同類型傳感器獲得的各種遙感數(shù)據(jù)“匹配”起來，以期運(yùn)用各自優(yōu)點(diǎn),這種作法稱為多圖像幾何配準(zhǔn)。圖像增強(qiáng)內(nèi)容:灰度變換的目的是為了改善畫質(zhì),使圖像的顯示效果更加清楚。對(duì)比度：通俗的講,就是亮暗的對(duì)比限度，表現(xiàn)了圖像畫質(zhì)的清楚限度?；叶茸儞Q：線性變換分段線性變換灰級(jí)窗：只顯示指定灰度級(jí)范圍內(nèi)的信息。動(dòng)態(tài)范圍:是指圖像中所記錄的場景中從暗到亮的變化范圍。動(dòng)態(tài)范圍調(diào)整原理：通過動(dòng)態(tài)范圍的壓縮可以將所關(guān)心部分的灰度級(jí)的變化范圍擴(kuò)大?；叶惹蟹郑喊严肟吹降幕叶燃?jí)的圖像變?yōu)檩^亮的灰度級(jí)把不想看到的灰度級(jí)清零。特點(diǎn):突出目的的輪廓,消除或保存背景細(xì)節(jié)。直方圖修整法:涉及直方圖均衡化及直方圖規(guī)定化兩類。直方圖均衡化是將原圖像通過某種變換,得到一幅灰度直方圖為均勻分布的新圖像的方法?；舅枷耄簩?duì)在圖像中像素個(gè)數(shù)多的灰度級(jí)進(jìn)行展寬，而對(duì)像素個(gè)數(shù)少的灰度級(jí)進(jìn)行縮減,從而達(dá)成清楚圖像的目的。環(huán)節(jié):1、求灰度直方圖。2、計(jì)算灰度分布概率。３、計(jì)算灰度級(jí)的累計(jì)分布。4、計(jì)算新圖像的灰度值。為什么均衡化后的對(duì)比度還減少了?P６６第四章１直方圖規(guī)定化:使原圖像灰度直方圖變成規(guī)定形狀的直方圖而對(duì)圖像作修正的增強(qiáng)方法。圖像噪聲:是圖像在攝取時(shí)或是傳輸時(shí)所受到的隨機(jī)干擾信號(hào)。這些干擾信號(hào)的克制稱為圖像的噪聲克制。為了克制噪聲改善圖像質(zhì)量所進(jìn)行的解決稱圖像平滑或去噪。圖像空間域平滑方法:局部平滑法(鄰域平均法或移動(dòng)平均法）可用像素鄰域內(nèi)各像素的灰度平均值代替該像素本來的灰度值，實(shí)現(xiàn)圖像的平滑。均值濾波器:原理：在圖像上，對(duì)待解決的像素給定一個(gè)模板,該模板涉及了其周邊的鄰近像素。將模板中的全體像素的均值來替代本來的像素值的方法。均值濾波可以用來對(duì)椒鹽噪聲和高斯噪聲進(jìn)行濾波。局部記錄法：用局部均值和方差進(jìn)行對(duì)比度增強(qiáng)的方法超限像素平滑法是將f(ｘ,ｙ)和鄰域平均ｇ(ｘ,ｙ）差的絕對(duì)值與選定的閾值進(jìn)行比較，根據(jù)比較結(jié)果決定點(diǎn)(x,ｙ）的最后灰度g′(x,y)。對(duì)克制椒鹽噪聲比較有效,對(duì)保護(hù)僅有微小灰度差的細(xì)節(jié)及紋理也有效?？梢婋S著鄰域增大，去噪能力增強(qiáng)，但模糊限度也大。同局部平滑法相比,超限像元平滑法去椒鹽噪聲效果更好?；叶茸钕嘟模藗€(gè)鄰點(diǎn)平均法該算法的出發(fā)點(diǎn)是：在ｎ×ｎ的窗口內(nèi),屬于同一集合體的像素,它們的灰度值將高度相關(guān)。因此，可用窗口內(nèi)與中心像素的灰度最接近的K個(gè)鄰像素的平均灰度來代替窗口中心像素的灰度值。這就是灰度最相近的Ｋ個(gè)鄰點(diǎn)平均法。較小的Ｋ值使噪聲方差下降較小，但保持細(xì)節(jié)效果較好;而較大的Ｋ值平滑噪聲較好,但會(huì)使圖像邊沿模糊。實(shí)驗(yàn)證明，對(duì)于3×3的窗口，?。耍?為宜。梯度倒數(shù)加權(quán)平滑法最大均勻性平滑法對(duì)圖像中任一像素(x，y）的5個(gè)重疊的３×3方形鄰域，用梯度算子計(jì)算它們灰度變化的大小。把其中灰度變化最小的鄰域作為最均勻的區(qū)域，用它的平均灰度代替像素(x,y）的灰度值。缺陷是對(duì)復(fù)雜形狀的邊界會(huì)過度平滑并使細(xì)節(jié)消失。有選擇保邊沿平滑法最小方差所相應(yīng)的掩模區(qū)的灰度均值就是像素(x，y）的輸出值?？臻g低通濾波法掩模不同,中心點(diǎn)或鄰域的重要限度也不相同,因此,應(yīng)根據(jù)問題的需要選取合適的掩模。中值濾波器中值濾波：對(duì)一個(gè)滑動(dòng)窗口內(nèi)的諸像素灰度值排序,用中值代替窗口中心像素的本來灰度值,是一種非線性的圖像平滑法。它對(duì)脈沖干擾及椒鹽噪聲的克制效果好,在克制隨機(jī)噪聲的同時(shí)能有效保護(hù)邊沿少受模糊。但它對(duì)點(diǎn)、線等細(xì)節(jié)較多的圖像卻不太合適。只適合于椒鹽噪聲的去除,不適合高斯噪聲的去除。給出濾波用的模板，對(duì)模板中的像素值由小到大排列，最終待解決像素的灰度取這個(gè)模板中排在中間位置上的像素的灰度值。中值濾波器與均值濾波器的比較:對(duì)于椒鹽噪聲,中值濾波效果比均值濾波效果好。因素:椒鹽噪聲是幅值近似相等但隨機(jī)分布在不同位置上,圖像中有干凈點(diǎn)也有污染點(diǎn)。中值濾波是選擇適當(dāng)?shù)狞c(diǎn)來替代污染點(diǎn)的值,所以解決效果好。由于噪聲的均值不為0，所以均值濾波不能很好地去除噪聲點(diǎn)。對(duì)于高斯噪聲，均值濾波效果比中值濾波效果好。因素:高斯噪聲是幅值近似正態(tài)分布，但分布在每點(diǎn)像素上。由于圖像中的每點(diǎn)都是污染點(diǎn)，所中值濾波選不到合適的干凈點(diǎn)。由于正態(tài)分布的均值為0,所以根據(jù)記錄數(shù)學(xué)，均值可以消除噪聲。事實(shí)上只能減弱，不能消除。思考為什么?、邊界保持平滑濾波器在進(jìn)行平滑解決時(shí),一方面判別當(dāng)前像素是否為邊界上的點(diǎn)，假如是,則不進(jìn)行平滑解決;假如不是，則進(jìn)行平滑解決。K近鄰(KＮN)平滑濾波器邊界保持濾波器的核心是擬定邊界點(diǎn)與非邊界點(diǎn)。算法：1)以待解決像素為中心,作一個(gè)ｍ*m的作用模板。２)在模板中，選擇Ｋ個(gè)與待解決像素的灰度差為最小的像素。３)將這K個(gè)像素的灰度均值替換掉本來的像素值。KNN濾波器由于有了邊界保持的作用,所以在去除椒鹽以及高斯噪聲時(shí),對(duì)圖像景物的清楚度保持方面的效果非常明顯;ＫNN濾波器的像素選擇,同時(shí)也使噪聲得到了最大限度的克制。當(dāng)然，所付出的代價(jià)是:算法的復(fù)雜度增長了。椒鹽噪聲的幅值近似相等，但發(fā)生的位置是隨機(jī)的；高斯噪聲存在于每一點(diǎn)像素，但幅值是隨機(jī)分布的。圖像銳化:使灰度反差增強(qiáng),的是加強(qiáng)圖像中景物的細(xì)節(jié)邊沿和輪廓。梯度銳化法增強(qiáng)邊沿:加大邊沿增強(qiáng)算子的模板大小出發(fā)，由2x2擴(kuò)大到３x３來計(jì)算差分;Ｓobｅｌ在Ｐｒｅwiｔｔ算子的基礎(chǔ)上，對(duì)4－鄰域采用帶權(quán)的方法計(jì)算差分Lapｌaｃiａn增強(qiáng)算子1、在灰度均勻的區(qū)域或斜坡中間▽2f(x,y)為０,增強(qiáng)圖像上像元灰度不變;２、在斜坡底或低灰度側(cè)形成“下沖”;而在斜坡頂或高灰度側(cè)形成“上沖”。高通濾波法高通濾波法就是用高通濾波算子和圖像卷積來增強(qiáng)邊沿。單方向一階銳化算法單方向的一階梯度算法是指給出某個(gè)特定方向上的邊沿信息。水平方向銳化和豎直方向銳化。后解決:1整體加一個(gè)正整數(shù)，獲得類似浮雕效果。2取絕對(duì)值，獲得對(duì)邊沿的有方向提取。無方向銳化算法二階微分算法：Wａllis算法中考慮了人眼視覺特性，因此,與Ｌaplａcian等其他算法相比，可以對(duì)暗區(qū)的細(xì)節(jié)進(jìn)行比較好的銳化。一階微分與二階微分的邊沿提取效果比較：以Ｓobel及Ｌａｐlaciaｎ算法為例進(jìn)行比較。Sｏｂel算子獲得的邊界是比較粗略的邊界，反映的邊界信息較少,但是所反映的邊界比較清楚；La