第7章数字图像/视频处理技术;
7.1图像的低层视觉处理;
图像增强方法按作用域可分为空域法和频域法两类。空域法直接对图像中像素灰度值进行操作。常用的空域法包括图像的灰度变换、直方图修正、空域平滑、锐化处理和彩色增强等，本节重点介绍空域滤波增强。频域法是在图像的变换域中，对图像的变换值进行操作，然后经逆变换获得所需的增强结果。常用的方法包括低通滤波、高通滤波以及同态滤波等。;
7.1.2空域滤波增强
空域滤波是在图像空间中借助模板进行邻域操作完成的，根据其特点一般可分为线性和非线性两类。线性系统的转移函数和脉冲函数或点扩散函数构成傅里叶变换对，所以线性滤波器的设计常常基于对傅里叶变换的分析。非线性空间滤波器则一般直接对邻域进行操作。另外，各种空域滤波器根据功能又主要分成平滑的和锐化的。平滑可用低通滤波实现。;
平滑的目的又可分为两类：一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小间断连接起来；另一类是消除噪声。锐化可用高通滤波实现。锐化的目的是为了增强被模糊的细节。空间滤波器的工作原理可借助频域进行分析。它们的基本特点是让图像在傅里叶空间某个范围内的分量受到抑制而让其他分量不受影响，从而改变输出图像的频率分布，以达到增强的目的。;
图像增强中用到的空间滤波器主要有两类。一类是平滑(低通)滤波器，它能减弱或消除傅里叶空间的高频分量，但不影响低频分量。因为高频分量对应图像中的区域边缘等灰度值变化较大较快的部分，滤波器将这些分量滤去可使图像平滑。另一类是锐化(高通)滤波器，它能减弱或消除傅里叶空间的低频分量，但不影响高频分量。;
1.平滑滤波器
1)邻域平均法
邻域平均法是经典的线性滤波器方法。我们知道，图像中的大部分噪声是随机噪声，其对某一像素点的影响可以看成是孤立的。因此，噪声点与该像素点的邻近各点相比，其灰度值有显著的不同(突跳变大或变小)。基于这一事实，可以采用邻域平均的方法来判定图像中每一像素点是否有噪声，并用适当的方法来减弱或消除该噪声。;
;
;
邻域平均能很大程度上削弱噪声，但同时会引起失真，具体表现为图像中目标物的边缘或细节变模糊。图像邻域平均示例如图7-2所示。;
2)中值滤波法
中值滤波法是经典的非线性滤波方法。我们知道，低通滤波器在消除噪声的同时会使图像中的一些细节变模糊。在含噪图像中，噪声往往以孤立点的形式出现，尤其是干扰脉冲和椒盐噪声。这些噪声所占的像素很少，而图像则是由像素数目较多、面积较大的块组成的。如果既要消除噪声又要保持图像的细节，可以使用中值滤波器。由于它在实际运算中并不需要图像的统计特性，因此比较方便。在一定的条件下，中值滤波法可以克服线性滤波器所带来的图像细节模糊问题，而且对滤除脉冲干扰及图像扫描噪声最为有效。但是对一些细节多的图像，特别是点、线、尖顶细节多的图像不宜采用中值滤波的方法。;
中值滤波法的原理是：对一个窗口(记为W)内的所有像素灰度值进行排序，取排序结果的中间值作为W中心点处像素的灰度值。用公式表示为;
通常W内像素个数选为奇数，以保证有一个中间值。而若W内像素数选为偶数，则取中间两个值的平均值作为中值。
中值滤波的作用是：抑制干扰脉冲和点噪声，并且能较好地保持图像边缘。
中值滤波的依据是：噪声以孤立点的形式出现，这些点对应的像素数很少，而图像则由像素数目较多、面积较大的块构成。;
中值滤波的关键是：选择合适的窗口形状和大小，因为不同形状和大小的滤波窗会带来不同的滤波结果。一般要根据噪声和图像中目标物细节的情况来选择。常用的中值滤波窗口有线状、十字形、X状、方形、菱形和圆形等。对于有缓慢变化的较长轮廓线物体的图像，采用方形或圆形窗口为宜，对于包括尖顶角物体的图像，适宜用十字形窗口。使用二维中值滤波最值得注意的是保持图像中有效的细线状物体。;
中值滤波法与平均滤波法的对比：已知原始图像块(包含点噪声)为f(m，n)，加权平均法用模板M1处理，结构为g1(m，n)；中值滤波法用模板M2处理，结构为g2(m，n)；用矩阵可分别表示为;
图7-3给出了图像平均滤波和中值滤波的对比结果。从图中可以看出，加权平均法在滤掉点噪声的同时，使目标物的边缘变模糊；中值滤波法在滤掉点噪声的同时，保留了目标物的边缘。;
;
相对于平均滤波，中值滤波对于椒盐噪声及干扰脉冲有很好的滤除作用，同时还能保持目标物的边缘，但这要在合适的应用场合和合适的滤波窗口形状和大小的情况下，因为滤波的目的是既要滤除噪声和干扰，又要保持图像中目标物的细节。因此，在使用中值滤波时，要注意以下事项：①中值滤波适合滤除椒盐噪声和干扰脉冲，尤其适合目标物形状是块状时的图像滤波；②具有丰富尖角几何结构的图像，一般采用十字