第四章图像增强2-平滑滤波

图像处理技术的图像增强与滤波方法图像处理技术是指通过对图像进行各种算法和技术处理，以改善图像的质量、增强图像的特定特征或者提取出图像中有用的信息。

图像增强和滤波是图像处理技术中的两个重要方面，它们都是为了改善图像质量和提取图像信息而进行的。

图像增强是指通过一系列算法和技术手段对图像进行处理，以使得图像更加鲜明、清晰、易于分析和解读。

图像增强方法主要包括亮度调整、对比度增强、颜色增强和锐化等。

其中，亮度调整可以通过调整图像的灰度级分布来改变图像的明暗程度，从而提高图像的观看效果。

对比度增强可以通过调整图像的灰度级变化幅度来增强图像的对比度，使得图像中的细节更加清晰可见。

颜色增强则是通过增加或减少图像中的色彩饱和度和色彩对比度来增强图像的鲜艳程度和色彩层次感。

锐化是通过增强图像的高频成分，突出图像的边缘和细节，从而使得图像更加清晰锐利。

图像滤波是指通过一系列滤波器对图像进行滤波操作，以抑制或增强图像中的某些频率成分。

图像滤波方法主要分为线性滤波和非线性滤波两种。

线性滤波是一种基于图像卷积的滤波方法，常见的线性滤波器有均值滤波器、高斯滤波器和中值滤波器等。

均值滤波器通过计算邻域内像素的均值来平滑图像，从而减少噪声。

高斯滤波器则是通过计算邻域内像素的加权平均值来平滑图像，其加权系数符合高斯分布，因此可以有效地去除噪声的同时保留图像细节。

中值滤波器则是将邻域内像素的中值作为输出值，适用于去除椒盐噪声等脉冲噪声。

非线性滤波是一种基于排序统计的滤波方法，常见的非线性滤波器有最大值滤波器、最小值滤波器和中值滤波器等。

最大值滤波器通过选择邻域内像素的最大值作为输出值，可以有效地强调图像中的亮区域特征。

最小值滤波器则选择邻域内像素的最小值作为输出值，适用于强调图像中的暗区域特征。

中值滤波器也可以用作非线性滤波器，在去除椒盐噪声的同时保留图像细节。

除了上述常见的增强和滤波方法外，还有一些更高级的图像增强和滤波方法，如小波变换、退化模型和图像复原等。

第四章图像增强很多时候，我们采集到的图像并不理想，含有许多噪声、非目标区域、杂点、未完整等等，面对这种情况，进行图像处理时，如果不对原始图像进行增强处理，那么对测量结果会的精度会产生一些影响，例如寻找边缘，如果需要拟合成线的点很离散，那么，拟合出来的线很可能会“漂”的很厉害。

因此，许多情况下，我们需要对原始图像进行增强，以达到更加理想的效果。

如图4-1所示。

图4-1 图像增强函数在图像处理中的应用在图4-1中，我们应用了一个简单的例子，寻找一条边缘。

采集图像后，我们对原始图像创建了一个ROI（Region of Interest：兴趣区域、目标区域，图中的绿色框），并对此ROI 进行滤波处理，从图中可以看到，绿色框中经过婆婆的图像与外面的图像是不一样的。

这就是图像增强的效果。

当然，例子中的原始图像效果相对较好，增强的效果显现不明显。

下面我们来看一下，图像增强函数选板具体的函数及其使用方法。

图4-2 图像增强选板增强图像中，共有六个可用函数。

利用此六个函数，我们可以在分析图像前，对图像进行预先处理，以提高图像质量。

1. Vision Assistant：Enhances image features，filters noise，extracts colors planes，and more.第一个函数为视觉助手。

在VBAI中也有一个视觉助手，不过这个视觉助手并不像NI视觉开发模块中的视觉助手功能强大，只是包含了一些图像增强的功能。

因为VBAI其它的函数选板中含有大量的分析测量函数，所以，在这个视觉助手中并没有分析测量类的函数。

利用视觉助手可以增强图像特征、过滤噪声、提取颜色平面、图像计算、形态学处理等。

因为其中的函数过多，将会在后面章节中加以详细解释，这里就一笔带过。

2. Filter Image：Prepares an image for processing so that you can extract only the information you need for processing.第二个函数为图像滤波：准备一幅图像，提取需要用于处理的信息为后面图像处理。

第四章 图像增强1. 图像增强的目的是什么？它包含哪些内容？图像增强的目的在于：1.采用一系列技术改善图像的视觉效果，提高图像的清晰度；2.将图像转换成一种更适合于人或机器进行分析处理的形式。

2. 直方图修正有哪两种方法？二者有何主要区别与联系？直方图修正方法通常有直方图均衡化及直方图规定化两类。

区别与联系：直方图均衡化是通过对原图像进行某种变换使原图像的灰度直方图修正为均匀的直方图的。

直方图规定化是使原图像灰度直方图变成规定形状的直方图而对直方图做出修正的增强方法。

在做直方图规定化时首先要将原始图像作均衡化处理。

直方图均衡化是直方图规定化的一个特例，而规定化是对均衡化的一种有效拓展。

3.在直方图修改技术中对变换函数的基本要求是什么？直方图均衡化处理采用何种变换空间域点运算 局部运算灰度变换直方图修正法局部统计法均衡化规定化图像平滑图像锐化频率域高通滤波低通滤波同态滤波增强彩色增强伪彩色增强彩色图像增强常规处理假彩色增强彩色平衡彩色变换增强代数运算图像增强函数？什么情况下采用直方图均衡法增强图像？T(r)为变换函数，应满足下列条件：（1）在0 ≤r ≤1内为单调递增函数；（2）在0≤r ≤1内，有0≤T(r)≤1。

s=T(r)=∫ p r (r)dr 原始图像灰度分布在较窄区间，引起图像细节不够清晰。

直方图均衡化减少图像灰度级，对比度扩大。

4. 何谓图像平滑？试述均值滤波的基本原理。

为抑制噪声、改善图像质量所进行的处理称为图像平滑或去噪。

均值滤波的基本原理：用均值代替原图像中的各个像素值，即对待处理的当前像素点（x ，y ），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x ，y ），作为处理后图像在该点上的灰度个g （x ，y ），即个g （x ，y ）=1/m ∑f （x ，y ） m 为该模板中包含当前像素在内的像素总个数。

5. 何谓中值滤波？有何特点？中值滤波是对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心像素的灰度值的滤波方法，是一种非线性的平滑法。

第四章图像增强很多时候，我们采集到的图像并不理想，含有许多噪声、非目标区域、杂点、未完整等等，面对这种情况，进行图像处理时，如果不对原始图像进行增强处理，那么对测量结果会的精度会产生一些影响，例如寻找边缘，如果需要拟合成线的点很离散，那么，拟合出来的线很可能会“漂”的很厉害。

因此，许多情况下，我们需要对原始图像进行增强，以达到更加理想的效果。

如图4-1所示。

图4-1 图像增强函数在图像处理中的应用在图4-1中，我们应用了一个简单的例子，寻找一条边缘。

采集图像后，我们对原始图像创建了一个ROI（Region of Interest：兴趣区域、目标区域，图中的绿色框），并对此ROI进行滤波处理，从图中可以看到，绿色框中经过婆婆的图像与外面的图像是不一样的。

这就是图像增强的效果。

当然，例子中的原始图像效果相对较好，增强的效果显现不明显。

下面我们来看一下，图像增强函数选板具体的函数及其使用方法。

图4-2 图像增强选板增强图像中，共有六个可用函数。

利用此六个函数，我们可以在分析图像前，对图像进行预先处理，以提高图像质量。

1. Vision Assistant：Enhances image features，filters noise，extracts colors planes，and more.第一个函数为视觉助手。

在VBAI中也有一个视觉助手，不过这个视觉助手并不像NI视觉开发模块中的视觉助手功能强大，只是包含了一些图像增强的功能。

因为VBAI其它的函数选板中含有大量的分析测量函数，所以，在这个视觉助手中并没有分析测量类的函数。

利用视觉助手可以增强图像特征、过滤噪声、提取颜色平面、图像计算、形态学处理等。

因为其中的函数过多，将会在后面章节中加以详细解释，这里就一笔带过。

2. Filter Image：Prepares an image for processing so that you can extract only the information you need for processing.第二个函数为图像滤波：准备一幅图像，提取需要用于处理的信息为后面图像处理。

第四章 图像增强图像增强处理的目的，是突出图像中的有用信息，扩大不同影像特征（例如灰度或不同的颜色）之间的差别，以便提高对图像的解译和分析能力，使之更适合实际应用。

图像中的各种信息或影像特征是由亮度值或灰度的差别反映出来的，因而最基本的增强方法是扩大不同亮度值之间的差别，一般多达到256个等级，而人眼能够识别的灰度等级比这个数目要小得多。

因此，增强是相对的和有选择性的，就是说用某种方法增强某些信息的同时，另一些信息实际上被压缩了。

图像增强处理方法的选择和应用，取决于研究的对象、目的和要解决的问题以及图像本身的信息特征。

一种增强处理方法的效果与图像的数据特征（如统计特征、空间频谱特征等）有直接关系。

图像增强处理有多种不同的方法，根据增强的目的不同可选择不同的方法。

增强的目的有：改变灰度等级．提高对比度；消除噪声．平滑图像;突出边缘，锐化图像；形成彩色图像；减少波段图像个数（特征选择），突出某些信息特征。

可以选择的增强技术主要有。

空间域（又称图像域）增强、频率域增强、彩色增强及多光谱图像增强等。

4.1灰度变换 对比度增强是增强技术中比较简便但又十分重要的一种方法。

这种处理只是逐点修改输入图像中每一像素的灰度，图像中各像素的位置并不改变，是一种输入与输出像素间一对一的运算，是一种点运算。

4.1.1 线性变换 为了改善图像的对比度，作像元灰度值的变换，如果变换函数是线性的就称为线性变换。

如图4-1所示，变换前图像对比度较差，灰度范围窄，表示在X a 轴上最小灰度值为1a ，最大灰度值为2a ，变换后图像对比度提高、灰度范围扩大，表示在x b 轴上，最小值为1b ，最大值为2b 。

因为变换关系是直线，变换方程可写为：()],[],,[2121121121b b x a a x a a a x b b b x b a a b ∈∈−−=−−于是111212)(b a x a a b b x a b+−−−=通过直线方程（4-1）可以把[1a ，2a ]范围内任一a x 值交换成b x，从而使原来较窄的直方图（图4-1b ）变化成范围较宽的直方图（图4-1c ），有时称之为直方图拉伸。

锐化滤波和平滑滤波锐化滤波和平滑滤波是数字图像处理中常用的两种滤波方法。

它们可以用来提高图像质量、减少噪声或者改变图像外观。

本文将详细介绍这两种滤波方法的原理和应用。

一、锐化滤波锐化滤波是一种增强图像细节和边缘的方法。

它是通过加强图像的高频部分来实现的。

在数字图像中，高频部分指的是像素值变化幅度较大的区域，也就是图像中的边缘和细节。

我们可以使用一些特定的算子来实现锐化滤波。

这些算子一般被称为锐化滤波器或者边缘增强算子。

常见的锐化滤波器包括拉普拉斯算子、索贝尔算子、普瑞瓦特算子等。

这些算子可以通过卷积运算来实现。

卷积运算是指将一个算子和图像中的每一个像素做乘积，并将相邻像素的乘积相加。

具体来说，假设我们需要使用一个3x3的拉普拉斯算子：0 101 -4 10 10对一个灰度图像进行锐化滤波。

我们需要将该算子与图像中的每一个像素进行卷积运算。

运算公式为：f(x,y) = ∑g(i,j)h(x-i,y-j)其中，f(x,y)表示卷积运算后的像素值，g(i,j)表示图像中位置为(i,j)的像素值，h(i,j)表示拉普拉斯算子中位置为(i,j)的元素值。

在运用锐化滤波器时需要注意，过强的锐化可能会使图像出现噪点。

此外，图像中一些边缘和细节可能会被误认为噪声而被消除，从而使图像质量降低。

二、平滑滤波平滑滤波又称为模糊滤波，是一种减少图像噪声和平滑图像细节的方法。

它是通过对图像进行低频滤波来实现的。

低频部分指的是像素值变化比较缓慢或者连续性比较强的区域，也就是图像中的平滑区域或者背景。

我们可以使用一些特定的算子来实现平滑滤波。

这些算子一般被称为平滑滤波器或者模糊滤波器。

常见的平滑滤波器包括均值滤波器、中值滤波器、高斯滤波器等。

这些滤波器也可以通过卷积运算来实现。

均值滤波器就是最简单的平滑滤波器之一。

它是将像素周围的值取平均数，用平均值来代替该像素的值。

假设我们需要使用一个3x3的均值滤波器：1 1 11 1 11 1 1对一个灰度图像进行平滑滤波。

平滑滤波原理
平滑滤波是一种数字图像处理中常用的图像滤波技术，其原理是通过对图像中的像素进行平均计算来消除图像中的噪声，从而使图像变得更加平滑。

平滑滤波通常可以通过以下两种方式实现：
1. 均值滤波：均值滤波是一种简单的滤波方法，它将每个像素的值替换为其周围像素值的平均值。

具体而言，对于图像中的每个像素点，将其周围像素的灰度值进行求平均，然后将这个平均值作为该像素点的新值，从而实现图像的平滑。

2. 高斯滤波：高斯滤波是一种常用的平滑滤波方法，它在滤波过程中采用了高斯函数进行权重分配。

具体而言，对于图像中的每个像素点，高斯滤波会计算该像素点周围所有像素的权重，其中离该像素点越近的像素权重越高。

然后，通过将周围像素的权重与其灰度值相乘，并将所有结果相加，得到该像素点的新值。

无论是均值滤波还是高斯滤波，平滑滤波的核心思想都是利用邻域像素的信息对当前像素进行修复，从而实现图像的平滑。

通过选择适当的滤波器和参数，平滑滤波能够在一定程度上去除噪声，提升图像的视觉质量。