当前位置：文档之家 › 第三章 数字图像处理

第三章 数字图像处理

  • 格式：ppt
  • 大小：139.50 KB
  • 文档页数：26

下载文档原格式

  / 26

合集下载

数字图像处理第三版 (Rafael C.Gonzalez著)第三章答案

数字图像处理第三版 (Rafael C.Gonzalez著)第三章答案

（a ）由2)(KrAer T s -==，3/2A AeKL =-得：)3/1ln(20=-KL ，20/0986.1L K = 220986.1)(rL Ae r T s -==（b ）、由， 4/)1(20B e KL =--B 得：)4/3ln(20=-KL ,20/2877.0L K =)1()(222877.0rL e B r T s --==（c ）、逐次查找像素值，如（x ，y ）=（0，0）点的f （x ，y ）值。

若该灰度值的4比特的第0位是1，则该位置的灰度值全部置1，变为15；否则全部置0，变为0。

因此第7位平面[0,7]置0，[7,15]置1，第6位平面[0,3]，[4,7]置0，[8,11]，[12,15]置15。

依次对图像的全部像素进行操作得到第0位平面，若是第i 位平面，则该位置的第i 位值是0还是1，若是1，则全置1，变为15，若是0，则全置0设像素的总数为n ，是输入图像的强度值，由，rk 对应sk ，所以，由 和得由此得知，第二次直方图均衡化处理的结果与第一次直方图均衡化处理的结果相同，这里我们假设忽略不计四舍五入的误差。

3.11题、由dw w p z G v zz )()(0⎰==,⎩⎨⎧=<<-5.00415.044)( w ww wz w p{5.00215.0221022)()(<<<<+-===⎰z zz z z zz dw w p z G v令v s =得所以⎪⎩⎪⎨⎧=⎪⎩⎪⎨⎧==-<<+-±<<--+-±±-±-5.0102215.0121)2(25.022125.0122)(r r r r r r vv v G z3.12题、第k 个点邻域内的局部增强直方图的值为：P r (r k )=n k /n (k=0,1,2,……K-1)。

这里n k 是灰度级为r k 的像素个数，n 是邻域内像素的总个数，k 是图像中可能的灰度级总数。

数字图像处理第三章课件

数字图像处理第三章课件

Digital Image Processing, 3rd ed.
3.3 Histogram Processing 直方图处理
低调/暗图像 4种基本 的图像 类型
高调/亮图像
低反差图像
高反差图像
Digital Image Processing, 3rd ed.
3.3.1 Histogram Equalization 直方图均衡
n
n
演示：lectures_2D_3_linear_filtering_1up.pdf
Digital Image Processing, 3rd ed.
3.6 Smoothing Spatial Filters 3.6.1 平滑空间滤波器
两个平滑滤波器
Digital Image Processing, 3rd ed.
一个单值单调上升 的灰度变换函数。
灰度变换函数采用的是累积概率分布函数：
sk T (rk ) pr (rj )
j 0 j 0
k
k
nj n
k 0,1,2 L 1
Digital Image Processing, 3rd ed.
直方图均衡的表解
例：64×64*23bits灰度图象 n=64×64, 灰度级 范围[0，L-1],
增强暗部 s c lg(1 r ) 增强亮部 s cr
其中c, r和γ为正数
Digital Image Processing, 3rd ed.
例 Digital Mammogram 一
数字乳房X线照片
s L 1 r
a. 原照片 b. 反转照片,其中小病变和乳房组织更清晰
Digital Image Processing, 3rd ed.

【精选】数字图像处理第3章

【精选】数字图像处理第3章

设定加权因子 ai 和 bi 的值，可以得到不同的变换。例如，当选定
a2 b1 切。
1 ，b2

0.1
，a1

a0
b0

0
，该情况是图像剪切的一种列剪
（a）原始图像
Digital Image Processing
（b）仿射变换后图像
3.1 图像的几何变换
◘透视变换 :
把物体的三维图像表示转变为二维表示的过程，称为透视 变换，也称为投影映射，其表达式为:

a2

b2
a1 b1
a0
b0


y

1
平移、比例缩放和旋转变换都是一种称为仿射变换的特殊情况。
仿射变换具有如下性质：
（1）仿射变换有6个自由度（对应变换中的6个系数），因此，仿射变换后 互相平行直线仍然为平行直线，三角形映射后仍是三角形。但却不能
保 证将四边形以上的多边形映射为等边数的多边形。
1D-DFT的矩阵表示 ：
F (0)

F (1)


WN00 WN10

F (2)

WN20

F (N 1)
W
(N N
1)0
WN01 WN11 WN21
WN(N 1)1

W
0( N
N
1)
WN1(N 1)

第3章 图像变换
◆ 3.1 图像的几何变换 ◆ 3.2 图像的离散傅立叶变换 ◆ 3.3 图像变换的一般表示形式 ◆ 3.4 图像的离散余弦变换 ◆ 3.5 图像的离散沃尔什－哈达玛变换 ◆ 3.6 K-L变换 ◆ 3.7 本章小结

数字图像处理与机器视觉-基于MATLAB实现 第3章 MATLAB数字图像处理基础

数字图像处理与机器视觉-基于MATLAB实现 第3章 MATLAB数字图像处理基础
第3章 MATLAB数字图像处理基础
➢ 3.1 图像的基本概念 ➢ 3.2 图像的数字化及表达 ➢ 3.3 图像的获取与显示 ➢ 3.4 像素间的基本关系 ➢ 3.5灰度直方图 ➢ 3.6图像的分类
第三章 数字图像处理基础知识
数字图像处理技术历经70余年的发展已经取得了长足的进步，在许多应用领域受 到广泛重视并取得了重大的开拓性成就，如：航空航天、生物医学工程、工业检测、 机器人视觉等，使图像处理成为一门引人注目、前景远大的新型学科。
一般来说，采样间隔越大，所得图像像素数越少，空间分辨率越低，质量差， 严重时出现马赛克效应；采样间隔越小，所得图像像素数越多，空间分辨率越高， 图像质量好，但数据量大。同时采样的孔径形状，大小与采样方式有关。如图3-6所 示。
图3-6 图像采样示意图
3.3 图像的获取与显示
3.3.2 采样点的选取
图3-8 灰度级的量化
3.3 图像的获取与显示
一幅数字图像中不同灰度值的个数称为灰度级数。一幅大小为M×N，灰度级数 为的图像，其图像数据量为M×N×g（bit），量化等级越多，图像层次越丰富，灰 度分辨率越高，图像质量就越好，数据量大；反之，量化等级越少，图像层次欠丰 富，灰度分辨率越低，会出现假轮廓现象，图像质量就越差，数据量小。如图3-9所 示（但由于减少灰度级可增加对比度，所以在极少数情况下，减少灰度级可改善图 像质量）。所以量化等级对图像质量至关重要，在对图像量化时要根据需求选择合 适的量化等级。
2022年6月5日10时44分长征2号运载火箭托举着神舟十四号载人飞船从酒泉卫星 发射中心拔地而起奔赴太空，这是中国人的第9次太空远征。神舟载人飞船返回舱是 航天员在飞船发射、交会对接以及返回地面阶段需要乘坐的飞船舱。与在轨的空间站 不同，返回舱和地面之间的通信链路资源极其有限，传统的视频通信技术影响返回舱 图像的分辨率和画质。如图3-1所示，在神舟十三号及以前的飞船中，返回舱图像的 有效分辨率仅为352×288，难以适应目前高分辨率、大屏显示的画面要求。

数字图像处理数字图像与视频处理技术.

数字图像处理数字图像与视频处理技术.
•教学目标
通过本章的学习，要求掌握多媒体技术中有关 图像、视频数字化的基本概念、方法、技术与应用 等知识。
*
教学内容
1 基本概念 2 数字图像数据的获取与表示 3 图像的基本属性 4 图像处理软件Photoshop 应用举
例
5 视频的基本知识
9/ 12/ 2019
3
教学内容
6 视频的数字化 7 数字视频标准 8 视频信息的压缩编码 9 Windows 中的视频播放软件 10 数字视频的应用9/Fra bibliotek12/ 2019
11
3.2 数字图像数据的获取与表示
3.2.2 数字图像的表示
9/ 12/ 2019
图3.2 彩 色 图 像 的 表 示
红色 分量
绿色 分量
蓝色 分量
12
3.3 图像的基本属性
3.3.1 分辨率
分辨率有两种：显示分辨率和图像分辨率。 1. 显示分辨率 它是指显示屏上能够显示出的像素数目。例如，显 示分辨率为840×480表示显示屏分成480行，每行显 示840个像素，整个显示屏就含有307200个显像点。 屏幕能够显示的像素越多，说明显示设备的分辨率 越高，显示的图像质量也就越高。
9/ 12/ 2019
20
3.4 图像处理软件Photoshop 应用举例
3.4.1 图像处理软件Photoshop简介
2、 PhotoShop运行在Windows图形操作环境中，可支 持TIF、TGA、PCX、GIF、BMP、PSD、JPEG等各种
流行的图像文件格式。 3、 PhotoShop能方便地与如文字处理，图形应用，桌 面印刷等软件或程序交换图像数据。 4、PhotoShop支持的图像类型除常见的黑白、灰度、 索引16色、索引256色和RGB真彩色图像外，还支持 CMYK、HSB以及HSV模式的彩色图像。

数字图像处理：第3章 图像处理中的正交变换第一讲

数字图像处理：第3章 图像处理中的正交变换第一讲
132离散傅里叶变换的性质1线性如果时间序列xn2对称性如果3时间移位如果序列向右或向左移动k4频率移位如果3405周期性如果6偶函数如果奇函数如果卷积定理如果相关定理如果10帕斯维尔定理如果14快速傅里叶变换fft随着计算机技术和数字电路的迅速发展在信号处理中使用计算机和数字电路的趋势愈加明显
数字图像处理
F (u, v) R2 (u, v) I 2 (u, v)
(u, v) arctg I (u, v)
R(u, v)
E(u, v) R2 (u, v) I 2 (u, v)
(3—11) (3—12)
(3—13)
式中： F(u,v) 是幅度谱； (u,v) 是相位谱； E(u,v) 是能量谱。
N n0
(3—48) (3—49）
将正变换式（3—48）展开可得到如下算式
X (0) x(0)W00 x(1)W01 x( N 1)W0(N 1)
X (1) x(0)W10 x(1)W11 x( N 1)W1(N 1)
X (2) x(0)W20 x(1)W21 x( N 1)W2(N 1)
F * (u,v) 是 f (x, y) 傅里叶变换的
共轭函数， 那么
F(u, v) F * (u,v)
（４） 旋转性
如果空间域函数旋转的角度为 0 ，那么在变
换域中此函数的傅里叶变换也旋转同样的角度， 即
f (r, 0 ) F(k , 0 )
（５） 比例变换特性
如果 F(u, v) 是 f (x, y) 的傅里叶变换。a和b分 别为两个标量，那么
叫相位谱。
傅里叶变换广泛用于频谱分析。
例：求图3—1所示波形 f(x) 的频谱。
f(x) A
X
-

(完整版)数字图像处理第三章答案

3.1 a 为正常数的指数式ear -2对于构造灰度平滑变换函数是非常有用的。

由这个基本函数开始，构造具有下图形状的变换函数。

所示的常数是输入参数，并且提出的变换必须包含这些参数的特定形式（为了答案曲线中的L 0不是所要求的参数）。

解：由（a ）图所示，设e ar A r T -=2)(,则 在r=0时，T(r)=A 在r=L 0时，T(r)=A/2 联立，解得L L a 0693.002ln 22≈=则C rLC D r T s e K+--==-)1)(()(22由（b ）图所示，可以由(a)图翻转得到，所以（b ）图的表达式 s=)1()(220693.0rLB r T e --=（c ）图是（b ）图沿y 轴平移得到，所以（c ）图的表达式CrL C D r T s e K+--==-)1)(()(2203.19 (a)在3.6.2节中谈到，分布在图像背景上的孤立的亮和暗的像素团块，当它们小于中值滤波器区域的一半时，经过中值滤波器处理后会被滤除（被其邻值同化）。

假定滤波器尺寸为n n ⨯,n 为奇数，解释这种现象的原因？个像素小于或者等于ξ，其它的大于或等于ξ。

当其中孤立的亮或者有群集点包含过滤屏蔽的极端情况下，没有足够的在其中任何一个集群点等于中值。

如果在区域的中心点是一个群集点，它将被设置为中位数值，而背景的阴影将“淘汰”出集群。

这一结论适用于当集群区域包含积分少集群的最大规模的较极端情况下。

（b ）考虑一副有不同像素团块的图像，假设在一个团块的所有点都比背景凉或者暗（但不是同时既比背景亮又比背景暗），并且每个团块的尺寸不大于22n 。

试求当n 符合什么条件时，有一个或多个这样的团块像（a ）中所说的那样被分离出来？答：在A 的结论下，我们考虑的团块的像素个数不可能超过2)1(2-n，两个相近的或亮或暗的团块不可能同时出现在相邻的位置。

在这个n n ⨯的网格里，两个团块的最小距离至少大于)1(2-n ，也就是说至少在对角线的区域分开跨越（n-1）个像素在对角线上。

数字图像处理第3章PPT课件


首先对原始图像进行直方图均衡化处理，即求变Pr换(r)函数：Pz (z)
s T (r)
r 0
Pr
()d
第35页/共128页
• 对目标图像用同样的变换函数进行均衡化处理，即: z
u G(z) P ( )d • 两幅图像做了同样的均衡化处0理,所z 以Ps(s)和Pu(u)具有同样的均匀密度 .变换函
设r和s分别表示原图像灰度级和经直方图均衡化 后的图像灰度级。为便于讨论，对r 和s进行归一化， 使：0≤r，s≤1.
第23页/共128页
对于一幅给定的图像，归一化后灰度级分布在0≤r≤l范围 内。对[0，1]区间内的任 一个r值进行如下变换： s=T(r) .变换函数s=T(r)应满足下列条件： • 在0≤r≤1的区间内,T(r)单值单调增加。保证图像的灰度级从白到黑的次序不变 • 对于0≤r≤1,有0≤T(r)≤1。保证映射变换后的像素灰度值在允许的范围内。
数的逆过程为: • 从原始图像得到的均匀灰度级s来代替逆过程中的u，结果灰度级就是所要求的
z G (u) 概率密度函数Pz(z) 1的灰度级。
z G1(u) G1(s)
第36页/共128页
5. 直方图规定化的计算步骤及实例
64×64像素图像，灰度级为8。其直方图如图(a)所示，(b)是规定的 直方图，(c)为变换函数，(d)为处理后的结果直方图。原始直方图和 规定的直方图的数值分别列于表3-2和表3-3中，经过直方图均衡化
第19页/共128页
3.2.2直方图变换增强
直方图是多种空间域处理技术的基础。直方图操作能有效地用于图像增强。 1.灰度直方图
灰度直方图是灰度值的函数，它描述了图像中各灰度值的像素个数。 通常用横坐标表示像素的灰度级别，纵坐标表示对应的灰度级出现的频率（像素的

数字图像处理及应用(MATLAB)第3章

反 转 后 图 像
程序运行结果如图（c）所示。
4.灰度非线性变换 当用某些非线性函数，例如平方、对数、指数函数等作为 映射函数时，可实现图像灰度的非线性变换。灰度的非线性 变换简称非线性变换，是指由这样一个非线性单值函数所确 定的灰度变换。 （1）对数变换 对数变换常用来扩展低值灰度，压缩高值灰度，这样可以使低值灰 度的图像细节更容易看清，从而达到增强的效果。对数非线性变换
[例] 假设一个图像由一个4×4大小的二维数值矩阵构成，如图（a）
所示，试写出图像的灰度分布，并画出图像的直方图。
灰度直方图计算示意图
经过统计图像中灰度值为0的像素有1个，灰度值为1的 像素有1个，…，灰度值为6的像素有1个。由此得到图像的 灰度分布如表所示，由表可得灰度直方图如图（b）所示。 图像的灰度分布
3.1.2 (rk)代表概 率密度函数，并且有下式成立：
nk Pr (rk ) 0 rk 1 n k 0,1,2,l 1
式中nk为图像中出现rk这种灰度的像素数，n是图像中像素 总数，nk/n就是概率论中的频数，l是灰度级的总数目。在直 角坐标系中作出rk与P(rk)的关系图形，就得到直方图
图 不同的图像其直方图却是相同的
图 直方图的叠加性质
由以上可知，尽管直方图不能表示出某灰度级的像素在什么位
置，更不能直接反映出图像内容，但是却能描述该图像的灰度分布
特性，使人们从中得到诸如图像的明亮程度、对比度等，成为一些 处理方法的重要依据。通常一幅均匀量化的自然图像由于其灰度直
方图分布集中在较窄的低值灰度区间，引起图像的细节看不清楚，
（a）反变换关系
（b） 原图 图像反转的效果
（c）变换后的图像
由直线方程截斜式可知当k =-1，b=L-1时，其表达式为：

(数字图像处理)第三章图像的基本运算

非线性点运算相对于线性点运 算来说计算较为复杂，但能够 实现更加灵活和多样的图像处 理效果。
点运算的应用场景
点运算在图像处理中具有广泛的应用，例如在医学影像处理中，可以通过点运算来 调整图像的对比度和亮度，提高医学影像的清晰度和可读性。
在遥感图像处理中，点运算可以用于校正和增强遥感图像，提高遥感数据的准确性 和可靠性。
图像基本运算的重要性
01
图像基本运算是图像处理的基础 ，是实现复杂图像处理算法的基 石。
02
掌握基本运算有助于深入理解图 像处理原理，提高图像处理技能 。
02
图像的点运算
线性点运算
线性点运算是指通过线性变换对图像的像素值进行 操作，常见的线性点运算包括加法、减法、乘法和 除法等。
线性点运算可以用于增强图像的对比度、调整图像 的亮度、改变图像的色彩等。
总结词
旋转操作用于将图像围绕一个点旋转一定角度，同时改变像 素的位置。
详细描述
旋转操作用于将图像中的像素按照指定的角度进行旋转，同 时像素值保持不变。这种操作常用于纠正倾斜的图像、实现 特定视角的观察等。
图像的剪切
总结词
剪切操作用于从图像中删除一部分区域，只保留所需部分。
详细描述
剪切操作用于从图像中删除指定的区域，只保留所需的像素部分。这种操作常 用于裁剪照片、去除背景等。剪切操作可以快速有效地去除不需要的区域，突 出显示所需的细节或主题。
图像的缩放
总结词
缩放操作用于改变图像的大小，可以通过放大或缩小像素值来实 现。
详细描述
缩放操作用于改变图像的尺寸，可以通过放大或缩小像素值来实 现。放大图像时，像素值会被插值计算以填充新的像素空间；缩 小图像时，像素值可能会被平均或选择性地丢弃。这种操作常用 于调整图像大小、视窗变换等。
  1. 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
13 计算机科学与工程系
数字图像处理
3.3 直方图处理与函数绘图
3.3.2 直方图均衡化
sk T (r k )
k k

pr (rj )
j 1

nj n
j 1
函数histeq: histeq(f, nlev) 例3.5 直方图均衡化
3.3.2 直方图匹配
生成具有指定直方图的图像的方法称为直方图匹配。 函数histeq: imhist(f, hspec) 例3.6 直方图匹配
数字图像处理
5
计算机科学与工程系
3.1 背景知识
空间域技术
空间滤波: 利用(x, y)的一个小邻域(如3×3邻域, 称为模板),
对T 进行操作. 此时, 处理后图像在某点(x0, y0)的像素值g(x0, y0)不仅与原 始图像在点(x0, y0)的像素值f(x0, y0)有直接关系, 与原始图 像在点(x0, y0)附近其他点的像素值也有直接关系. 如下式
数字图像处理
15
计算机科学与工程系
y
滤波器 掩模 滤波掩模 核, 模板 窗口 图像f (x, y) x
w(-1,-1)
w(-1,0)w(-1,1)来自w(0,-1)w(0,0)
w(0,1)
w(1,-1)
w(1,0)
w(1,1)
f(x-1,y-1) f(x-1,y) f(x-1,y+1)
f(x,y-1)
直方图方法: 利用图像亮度值的统计信息进行处理.
数字图像处理
6
计算机科学与工程系
3.2 亮度变换函数
一些基本灰度变换
数字图像处理
7
计算机科学与工程系
3.2 亮度变换函数
一些基本灰度变换
图像反转 对灰度范围为[0, L-1]的图像，表达式为 s=L-1-r 对数变换 s=clog(1 + r)
数字图像处理
19
计算机科学与工程系
3.4 空间滤波
函数colfilt
g=colfilt( f, [m, n], block_type, @fun, parameters) block_type: ‘sliding’ 表示处理过程是在输入图像中逐个像素地滑动该 m*n区域. ‘distinct’ 表示处理过程是在输入图像中互不相交的m*n 块进行. @fun引用一个函数, 符号@称为函数句柄, 它是MATLAB数 据类型. 函数fun必须分别对矩阵的每一列进行操作. parameters表示函数fun可能需要的参数.
f(x,y)
f(x,y+1)
f(x+1,y-1) f(x+1,y) f(x+1,y+1)
数字图像处理
16
计算机科学与工程系
3.4 空间滤波
3.4.1 线性空间滤波 工具箱中实现线性滤波的函数imfilter g=imfilter(f, w, filtering_mode, boundary_options, size_options) filtering_mode: ‘corr’ (默认值), ‘conv’ boundary_options: P(默认值为0), ‘replicate’, ‘symmetric’, ‘circular’ size_options: ‘full’, ‘same’ (默认值) 例3.7 使用函数imfilter
数字图像处理
11
计算机科学与工程系
3.3 直方图处理与函数绘图
3.3.1 生成并绘制图像的直方图
直方图: h(rk) = nk 归一化直方图: p(rk) = h(rk) / n =nk / n 函数imhist: imhist(f, b) 函数plot: plot(horz, v, ‘color_linestyle_mark’) 例3.4 计算并绘制图像的直方图 函数bar: axis, set, xlabel, ylabel, text, title, xlim, ylim 函数stem
3.1 背景知识
空间域技术 空间域技术直接对图像的像素进行处理. 空间域处理可定义为 g(x, y) = T [ f(x, y) ] 其中, f(x, y)为输入图像, g(x, y)为输出图像(处理后), T 是 对图像 f 进行处理的操作符. 亮度变换: 变换T 对单点操作 处理后图像在点(x0, y0)的像素值g(x0, y0)只与原始图像在 点(x0, y0)的像素值f(x0, y0)有直接关系, 与原始图像在其他 点的像素值无关. 如g(x0, y0)=a f (x0, y0)2+b f (x0, y0)+c 亮度变换可写成: s=T[r] 其中r为f(x, y)的亮度值, s为g(x, y)的亮度值
数字图像处理
21
计算机科学与工程系
3.5 图像处理工具箱的标准空间滤波器
3.5.1 线性空间滤波器 用于生成滤波掩模w的函数fspecial的语法
w=fspecial(‘type’, parameters)
表3.4列出函数fspecail支持的空间滤波器类型及参数 例3.9 使用函数 例3.10 手工指定滤波器和增强技术的比较


幂次变换
s=cr

对比拉伸
s=T(r)=
1 1 + (m/r)E
8 计算机科学与工程系
数字图像处理
3.2 亮度变换函数
3.2.1 函数imadjust
语法 g = imadjust(f, [low_in, high_in], [low_out, high_out], gamma) 说明 low_in, high_in low_out, high_out gamma 例3.1 使用函数imadjust
g ( x 0 , y 0 ) [ f ( x 0 1, y 0 1 ) f ( x 0 1, y 0 ) f ( x 0 1, y 0 1 ) f ( x 0 , y 0 1) f ( x 0 , y 0 ) f ( x 0 , y 0 1) f ( x 0 1, y 0 1) f ( x 0 1, y 0 ) f ( x 0 1, y 0 1)] / 9

数字图像处理
9
计算机科学与工程系
3.2 亮度变换函数
3.2.2 对数和对比度拉伸变换
对数变换
S = T(r) = clog(1 + r) 例3.2 使用对数变换减少动态范围

对比拉伸 s = T(r) =
1 1 + (m/r)E
g=1./(1 + (m./(double(f) +eps)).^E)
数字图像处理
第三章 亮度变换与空间滤波
计算机科学与工程系
本章主要内容
图像增强的方法分两大类：
空间域方法 频域方法 本章主要讨论空间域图像增强的方法及其 MATLAB实现； 空间域图像增强方法 亮度变换 直方图处理 空间滤波（邻域处理或空间卷积）
数字图像处理
2
计算机科学与工程系
数字图像处理
22
计算机科学与工程系
表3.4列出函数fspecail支持的空间滤波器类型及参数 类型
‘disk’
函数与参数
fspecial(‘disk’, r) 半径为r的圆形平均值滤波器(r=5)
‘average’ fspecial(‘average’, [r, c]) 大小为r×c矩形平均值滤波器(3×3) ‘guassian’ fspecial(‘guassian’, [r, c], sig) 为r×c高斯低通滤波器(3×3, 0.5) ‘laplacian’ fspecial(‘laplacian’, alpha) 为3×3拉普拉斯滤波器([0 1], 0.5)
数字图像处理
17
计算机科学与工程系
3.4 空间滤波
3.4.2 非线性空间滤波
非线性滤波也是基于邻域操作的, 通过定义一个m*n的邻,
以其中心点滑过一幅图像的方式进行操作.
线性空间滤波基于计算乘积之和（一个线性表达式）
非线性空间滤波则基于非线性操作（非线性表达式）
工具箱提供两个执行常规非线性滤波的函数: 函数nlfilter和函数colfilt 函数nlfilter直接执行二维操作 函数colfilt以列的形式组织数据 函数colfilt占用更多的内在, 但执行比函数nlfilter
3.1 背景知识
空间域技术 空间域技术直接对图像的像素进行处理.
数字图像处理
3
计算机科学与工程系
3.1 背景知识
点的邻域
定义一个点(x, y)的邻域 的主要方法是利用中心 在(x, y)点的正方形或矩 形子图像 如1×1邻域, 3×3邻域, 5×5邻域
数字图像处理
4
计算机科学与工程系
数字图像处理
14
计算机科学与工程系
3.4 空间滤波
空间滤波（邻域处理） (1) 定义中心点(x, y); (2) 对预先定义的以(x, y)为中心点的邻域内的像素进行运算; (3) 令运算结果为该点处处理的响应; (4) 对图像中的每个点重复(1)(3)步骤. 空间滤波的分类： 线性空间滤波, 对邻域中像素的计算为线性运算. 如均值 滤波等. 非线性空间滤波,对邻域中像素的计算为非线性运算.如 统计排序滤波等
数字图像处理
12
计算机科学与工程系
3.3 直方图处理与函数绘图

函数plot: plot(horz, v, ‘color_linestyle_mark’) 函数bar:bar(horz, v, width) 函数stem:stem((horz, v) 函数axis: axis([horzmin horzmax vertmin vertmax]) 函数xlabel: xlabel(‘textstring’, ‘fontsize’, size) 函数ylabel: ylabel(‘textstring’, ‘fontsize’, size) 函数text: text(xloc, yloc, ‘textstring’, ‘fontsize’, size) 函数title: title(‘titlestring’) 函数set: set(gca, 'xtick', 0:50:255) 函数set: set(gca, 'ytick', 0:50:255) 函数ylim(‘auto’), ylim([ymin, ymax]) 函数xlim(‘auto’), xlim([xmin, xmax])