《HALCON數(shù)字圖像處理》課件-第6章 圖像增強

6.06.16.26.36.46.56.6概述圖像的對比度增強圖像的直方圖修正圖像平滑圖像銳化圖像的同態(tài)濾波圖像的彩色增強第6章 圖像增強HALCON數(shù)字圖像處理一、什么是圖像增強？圖像增強是對圖像進行加工，以得到對具體應(yīng)用來說視覺效果更“好”，或更“有用”的圖像的技術(shù)。二、為什么要增強圖像？圖像在傳輸或者處理過程中會引入噪聲或使圖像變模糊，從而降低了圖像質(zhì)量，甚至淹沒了特征，給分析帶來了困難。HALCON數(shù)字圖像處理6.0 概 述6.0 概 述三、目的：1.改善圖像的視覺效果，提高圖像的清晰度；2.將圖像轉(zhuǎn)換成一種更適合于人或機器分析處理的形式。注意：在圖像增強的過程中，沒有新信息的增加，只是通過壓制一部分信息，從而突出另一部分信息。HALCON數(shù)字圖像處理6.0 概 述四、

圖像增強方法分類和方法過程空域法：直接對圖像的像素灰度值進行操作。包括圖像的灰度變換、直方圖修正、平滑和銳化處理、彩色增強等。f(m,

n)

修正h(m,

n)

g(m,

n)

=

f(m,

n)oh(m,

n)頻域法：在圖像的變換域中，對圖像的變換值進行操作，然后經(jīng)逆變換獲得所需的增強結(jié)果。常用的方法包括低通濾波、高頻提升濾波以及同態(tài)濾波法等f(m,

n)

正變換

F

(u

,

v)

修正H(u,

v)

G(u

,v)

反變換g(x,

y

)

=

T

-1

G

(u

,

v)

,

G

(u

,

v)

=

H

(u

,

v)F

(u

,

v),

F

(u

,

v)

=

T

f(x,

y

)

g(m,n)HALCON數(shù)字圖像處理6.1 圖像的對比度增強圖像對比度增強定義采用圖像灰度值變換的方法，即改變圖像像素的灰度值，以改變圖像灰度的動態(tài)范圍，增強圖像的對比度。設(shè)原圖像為f(m,n)，處理后為g(m,n)，則對比度增強可表示為g(m,

n

)

T

[ f (

m

,

n

)]其中，T

[i]

表示增強圖像和原圖像的灰度變換關(guān)系（函數(shù)）。HALCON數(shù)字圖像處理灰度線性變換灰度的線性變換：設(shè)原圖像灰值 線性變換后的的取值g

(m,

n)

[c,

d

]

，則線性變換如圖6.1-1所示。變換關(guān)系式為6.1 圖像的對比度增強f

(m,

n)

[a,

b]g

(m

,

n

)

c

k

[

f

(m

,

n

)

a

]其中

k

d

c

稱為變換函數(shù)（直線）的斜率。b

aHALCON數(shù)字圖像處理6.1 圖像的對比度增強bacdbadcg

(m

,

n

)f(m,

n)g

(

m

,

n

)灰度線性變換關(guān)系（a）圖6.1.1（b）。（a）

k

d

c

0 （b）k

d

c

0b

a b

aHALCON數(shù)字圖像處理，則變換后灰度動態(tài)范圍根據(jù)[a,b]和[c,d]的取值大小可有如下幾種情況：（1）擴展動態(tài)范圍：若

[a,

b]

[c,

d

]，即

k

1

，則結(jié)果會使圖像灰度取值的動態(tài)范圍展寬，這樣就可改善曝光不足的缺陷，或充分利用圖像顯示設(shè)備的動態(tài)范圍。（2）改變?nèi)≈祬^(qū)間：若

k

1

，即d

c

b

a不變，但灰度取值區(qū)間會隨a和c的大小而平移。（3）縮小動態(tài)范圍：若[c,

d

]

[a

,

b

]

，即

0

k

1，則變換后圖像動態(tài)范

圍會變窄。（4）反轉(zhuǎn)或取反：若 k

0

，即對于b

a

，有d

c則變換后圖像的灰度

值會反轉(zhuǎn)，即原亮的變暗，原暗的變亮。在k

1時，g

(m,

n)

即為f

(m,

n)

的取反。6.1 圖像的對比度增強HALCON數(shù)字圖像處理灰度分段線性變換（1）擴展感興趣的，犧牲其它對于感興趣的[a,b]區(qū)間，采用斜率大于1的線性變換來進行擴展，而把其它區(qū)間用a或b來表示。變換函數(shù)為a ;b ;

d

cg(m,

n)

c

b

a

[

f

(m,

n)

a];f

(m,

n)

aa

f(m,n)

b

f

(m,

n)

b6.1 圖像的對比度增強ad-

cb

-

a（2）擴展感興趣的，壓縮其它在擴展感興趣的[a,b]區(qū)間的同時，為了保留其它區(qū)間的灰度層次，也可以采用其它區(qū)間壓縮的方法，即有擴有壓。變換函數(shù)為cf

(m,

n) ; 0

f(m,n)

ag(m,n)

c

[

f

(m,

n)

a]; a

f(m,n)

b

d

N

d[f(m,n)

b]; b

f(m,n)

MM

bHALCON數(shù)字圖像處理bacdbaMcNdg

(m,

n)f(m,

n)g

(m,

n)f(m,

n)6.1 圖像的對比度增強圖6.1.2 灰度分段線性變換關(guān)系（a）擴展感興趣的，犧牲其它；（b）擴展感興趣的，壓縮其它。HALCON數(shù)字圖像處理6.1 圖像的對比度增強圖6.1.3圖像灰度的線性變換示例（a）原圖像；（b）擴展動態(tài)范圍；（c）圖像取反；（d）有擴有壓。HALCON數(shù)字圖像處理6.1 圖像的對比度增強灰度的非線性變換

灰度的非線性變換：常用的灰度非線性變換方法包括1. 對數(shù)變換對數(shù)變換的一般表達式為g(

m,n

)

log

(1

f (

m

,

n

))其中λ為一個調(diào)節(jié)常數(shù)，用它來調(diào)節(jié)變換后的灰度值，使其符合實際要求。對數(shù)變換的作用是擴展圖像的低灰度范圍，同時壓縮高灰度范圍，使得圖像灰度分布均勻，與人的視覺特性相匹配。HALCON數(shù)字圖像處理6.1 圖像的對比度增強圖6.1.4

對數(shù)變換應(yīng)用示例。（a）圖像；（b）圖像的傅立葉譜；（c）圖(b)的對數(shù)變換效果；（d）對數(shù)變換關(guān)系(λ=1)HALCON數(shù)字圖像處理6.1 圖像的對比度增強2. 指數(shù)變換與對數(shù)變換的效果相反，指數(shù)變換使得高灰度范圍得到擴展，而壓縮了低灰度范圍，其一般表達式為g

(

m

,

n

)

(

f

(

m

,

n

)

)

其中λ和γ為常數(shù)。為避免時底數(shù)為0的情況，增加偏移量ε。γ值的選擇對于變換函數(shù)的特性有很大影響，當(dāng)γ＜1時會將原圖像的灰度向高亮度部分映射，當(dāng)γ＞1時向低亮度部分映射，而當(dāng)γ=1時相當(dāng)于正比變換。灰度指數(shù)變換的圖像示例如圖6.1.5所示。HALCON數(shù)字圖像處理圖6.1.5

取不同γ值的指數(shù)變換結(jié)果對比。（a）原圖像；（b）γ=0.7時的變換結(jié)果；（c）γ=1.7時的變換結(jié)果。6.1 圖像的對比度增強HALCON數(shù)字圖像處理概述

定義：灰度直方圖定義為數(shù)字圖像中各灰度級與其出現(xiàn)的頻數(shù)間的統(tǒng)計關(guān)系，可表示為：且其中，k為圖像的第k級灰度值，是中灰度值為k的像素個數(shù)，n是圖像的總像素個數(shù)，L是灰度級數(shù)。

性質(zhì)：1.

直方圖的位置缺失性直方圖與圖像的一對多特性直方圖的可疊加性6.2 圖像的直方圖修正P(k)

nk

, k

0,1,…

,

L

1nL

1k

0P(k)

1

HALCON數(shù)字圖像處理6.2 圖像的直方圖修正直方圖與圖像清晰性的關(guān)系：直方圖反映了圖像的清晰程度，當(dāng)直方圖均勻分布時，圖像最清晰。由此，我們可以利用直方圖來達到使圖像清晰的目的。直方圖均衡化直方圖均衡化就是通過原始圖像的灰度非線性變換，使其直方圖變成均勻分布，以增加圖像灰度值的動態(tài)范圍，從而達到增強圖像整體對比度，使圖像變清晰的效果。圖像灰度變換函數(shù)條件：（1）對

0

r

1，

s

T[r]是單調(diào)增函數(shù)；（2）對

0

r

1，

0

s

T

[r]

1。同理，反變換r

T

1[s] 應(yīng)也滿足單調(diào)增。HALCON數(shù)字圖像處理6.2 圖像的直方圖修正?計算變換后圖像的直方圖：。直方圖均衡化的計算過程如下：?列出原始圖像和變換后圖像的灰度級：i,

j

0,1,…,

L

1，其中L是灰度級數(shù)；?統(tǒng)計原圖像各灰度級的像素個數(shù)

ni ；

jk

0?計算累積直方圖：Pj

P(k

)

；?利用灰度變換函數(shù)計算變換后的灰度值，并四舍五入取整：

j

INT

[(L

1)Pj

0..5]?確定灰度變換關(guān)系 f

(m,

n)

i

，據(jù)此將原圖像的灰度值修正為g

(m,

n)

j ；?統(tǒng)計變換后各灰度級的像素個數(shù)nj

；jnnP(j)

HALCON數(shù)字圖像處理6.2 圖像的直方圖修正[例6-1] 設(shè)有一幅大小為，包含灰度值是的8個灰度級的數(shù)字圖像，其各灰度級的像素個數(shù)見表6-1所示，要求對其進行直方圖均衡化，求出灰度變換關(guān)系和變換后的直方圖。表6-1 圖像各灰度級的像素個數(shù)灰度級（i）01234567像素個數(shù)（ni）786102085265033324513080HALCON數(shù)字圖像處理6.2 圖像的直方圖修正5,6,77

0

1 1

3 2

5 3,4

66777665315n步驟計算方法或公式計算結(jié)果1列出圖像灰度級（i或j）012345672統(tǒng)計原圖像各灰度級像素個數(shù)ni78610208526503332451308030.190.250.210.160.080.060.030.02P(i)=

ni4 P=

P(k) 0.190.440.650.810.890.950.981.00j

=

INT[(L

-

1)Pj

+0.5jnP(j)

=n計算累積直方圖： jk=0計算變換后的灰度值：確定灰度變換關(guān)系：

i

j7統(tǒng)計變換后各灰度級的像素個數(shù)

nj786102085298345580.190.250.210.240.11計算變換后圖像的直方圖：計算原始直方圖：iHALCON數(shù)字圖像處理圖6.2.3給出了直方圖均衡化的示意圖。從圖和表中可以看出，由于數(shù)字圖像灰度取值的離散性，通過四舍五入使變換后的灰度值出現(xiàn)了歸并現(xiàn)象，而使變換后的直方圖并非完全均勻分布，但相比于原直方圖要平坦得多。圖6.2.3 直方圖均衡化的示意圖（a）原始直方圖P(i)；（b）累計直方圖Pi

；（c）均衡化后的直方圖P(j)。6.2 圖像的直方圖修正HALCON數(shù)字圖像處理6.2 圖像的直方圖修正（a）（b）（c）（d）圖6.2.4 直方圖均衡化的示例均衡化前均衡化后HALCON數(shù)字圖像處理直方圖規(guī)定化（匹配）直方圖均衡化能自動增強整個圖像對比度，結(jié)果得到全局均勻化直方圖，但實際應(yīng)用中有時要求突出感興趣灰度范圍，即修正直方圖使其具有要求的形式。（a）（b）（c）（d） （e）圖6.2.5

幾種給定形狀的直方圖（a）原直方圖；（b）正態(tài)擴展直方圖；（c）均勻化直方圖；（d）暗區(qū)擴展直方圖；（e）亮區(qū)擴展直方圖。6.2 圖像的直方圖修正HALCON數(shù)字圖像處理數(shù)字圖像直方圖規(guī)定化的方法步驟如下：（1） 對原直方圖均衡化，即求其累計直方圖

：ik

0Pi

Pr

(k

),i

0,1,

2,…,

L

1jl

0Pj

Pz(l),j

0,1,

2,…,

L

1（3）按

Pj

Pi

最靠近的原則進行

i

j 的變換；（4）求出

i

j

的變換函數(shù)，對原圖像進行灰度變換j

T

[

i

] 。其中，Pr

(i)

為原數(shù)字圖像的直方圖，Pz

(

j)為規(guī)定直方圖，i和j分別為原圖像和期望圖像的灰度級，且具有相同的取值范圍，即i,

j

0,1,

2,…,

L

1。6.2 圖像的直方圖修正Pi（2） 對規(guī)定直方圖均衡化，即求其累計直方圖Pj：HALCON數(shù)字圖像處理6.2 圖像的直方圖修正[例6-2] 對例6-1所給的圖像進行直方圖規(guī)定化處理。給定

的規(guī)定直方圖如表6-3所示。表6.3 規(guī)定直方圖圖6.2.6給出了直方圖規(guī)定化的示意圖。從圖6.2.6可看出，經(jīng)直方圖規(guī)定化變換后的圖像的直方圖（稱為匹配直方圖），并非完全與規(guī)定直方圖相同，但相比于原直方圖，匹配直方圖要更接近于規(guī)定直方圖。圖像灰度級

j01234567規(guī)定直方圖00000.20.30.30.2HALCON數(shù)字圖像處理步驟計算方法計算結(jié)果1列出圖像灰度級i，j012345672計算原始直方圖Pr(i)0.190.250.210.160.080.060.030.023列出規(guī)定直方圖Pz(j)00000.20.30.30.24計算原始累計直方圖Pi0.190.440.650.810.890.950.981.005計算規(guī)定累計直方圖Pj00000.200.500.801.06按照Pj→Pi找到i對應(yīng)的j456677777確定變換關(guān)系i→j0

41

52,

3

64,5,6,

7

78求變換后的匹配直方圖P(j)00000.190.250.370.196.2 圖像的直方圖修正HALCON數(shù)字圖像處理6.2 圖像的直方圖修正圖6.2.6直方圖規(guī)定化的示意圖（a）原圖像直方圖；（b）規(guī)定直方圖；（c）變換后的匹配直方圖。HALCON數(shù)字圖像處理6.2 圖像的直方圖修正（a）原圖像（b）直方圖均衡化后的圖像(c)直方圖規(guī)定化后的圖像（d）原圖像的直方圖 （e）均衡化后的直方圖圖6.2.7

直方圖均衡化（規(guī)定化）的示例。(f)規(guī)定直方圖HALCON數(shù)字圖像處理6.3 圖像平滑目的：去除或衰減圖像中噪聲和假輪廓；方法分類：空域和頻域方法。一、 空域平滑法（一）鄰域（局部）平均法定義：用某點鄰域的灰度平均值來代替該點的灰度值；公式：(i,

j

)

SNg(m,n)=favg

=

1

f(i,

j)4-鄰域平均：

(i,

j

)

S4414g(m,n)=favg

=

1

f(i,

j)= f(m

-

1,

n)

+

f(m,

n

-

1)

+

f(m,

n

+

1)

+

f(m

+

1,

n)HALCON數(shù)字圖像處理8-鄰域平均：(i,

j

)

S88g(m,n)=favg

=

1

f(i,

j)=

1

[f(m

-

1,

n

-

1)

+

f(m

-

1,

n)

+

f(m

-

1,

n

+

1)8+f(m,

n

-

1)

+

f(m,

n

+

1)

+

f(m

+

1,

n

-

1)

+

f(m

+

1,

n)+f(m

+

1,

n

+

1)]6.3 圖像平滑3. 特性（1）假定：① 圖像由許多灰度級相近（恒定）的小塊組成；② 噪聲η(m,n)是加性、均值為0，方差為

σ2

，且與圖像不相關(guān)的白噪聲。HALCON數(shù)字圖像處理（2）含噪聲圖像f’=

f+η,則上式第 2 項的

E{·}=0，D{·}=，故減少了噪聲。（3）帶來問題：使目標(biāo)物輪廓或細節(jié)（邊緣）變模糊。NNsN

1

N(i,

j

)

S (i,

j

)

Sg(m,n)

1

1

f(i,j)

f(i,j)

1

fs(i,j)

(i,j)

(i,

j

)

S

(i,

j)

S

(i,

j)N

1

26.3 圖像平滑(a)原圖（d）8鄰域平均（b）加噪圖像 （c）4鄰域平均HALCON數(shù)字圖像處理圖6.3.3

圖像鄰域平均示例（二）閾值平均法為克服鄰域平均使圖像變模糊的缺點，可以采用加門限的方法來減少這種模糊。具體計算公式是：差。但實際應(yīng)用中，門限T要利用經(jīng)驗值和多次試驗來獲得。這種方法對抑制椒鹽噪聲比較有效，同時也能較好地保護僅有微小變化差的目標(biāo)物細節(jié)。|f(m,n)

favg|

Tg(m,

n)

favg

；f

(m,

n)；

else其中的門限T通常選擇為T

k

f

表示圖像的均方，

f6.3 圖像平滑HALCON數(shù)字圖像處理（三）加權(quán)平均法用鄰域內(nèi)灰度值及本點灰度加權(quán)值來代替該點灰度值1.公式：2.加門限的加權(quán)平均法3. 特點：既平滑了噪聲，又保證邊緣不至于模糊。6.3 圖像平滑HALCON數(shù)字圖像處理（四）模板平滑法 ： 以上方法可歸結(jié)為消噪掩模法（1）鄰域平均4-鄰域平均：8-鄰域平均：（2）加權(quán)平均4-鄰域加權(quán)平均：8-鄰域加權(quán)平均：（權(quán)值M=1)（權(quán)值M=2）（權(quán)值M=1）（權(quán)值M=2）6.3 圖像平滑HALCON數(shù)字圖像處理1. 根據(jù)實際需要，我們可以設(shè)計其它具有不同特性的平滑模板，如：用模板對原圖像從第 2 行第 2 列開始逐漸移法計算。（注：圖像四周邊界一般不處理（不考慮））平滑模板特點：模板內(nèi)系數(shù)全為正，表示求和；所乘的小于1的系數(shù)表示取平均；模板系數(shù)之和為1，表示對常數(shù)圖像（常數(shù)）處理前后不變，而對一般圖像而言，處理前后平均亮度基本保持不變。6.3 圖像平滑HALCON數(shù)字圖像處理(a)原始圖像

(b)加噪圖像(c)處理后圖像結(jié)論：鄰域平均法有效地平滑了噪聲HALCON數(shù)字圖像處理6.3 圖像平滑（五）多圖像平均法1. 條件：在相同條件下，得到同一目標(biāo)物的若干幅圖像；2. 公式：設(shè)，則

f

(m,

n)

{

f1

(m,

n),

f2

(m,

n),…,

fM

(m,

n)}fi

(m,

n)

fs

(m,

n)

i

(m,

n)6.3 圖像平滑(a)含噪圖（d）16幅圖像平均（b）4幅圖像平均 （c）8幅圖像平均圖6.3.4

多圖像平均法消弱隨機噪聲的示例HALCON數(shù)字圖像處理二、頻域低通濾波法1.空域模板平滑法等效于頻域低通濾波法[證] 若選用平滑模板則平滑公式為1 1g(m,n)=1

f(m-i,n-

j)9i=-1j=

-1即

g(m,n)=1/9[f(m-1,n-1)+f(m-1,n)+f(m-1,n+1)+f(m,n-1)+f(m,n)+f(m,n+1)f(m+1,n-1)+f(m+

,n)+f(m+1,n+1)]6.3 圖像平滑HALCON數(shù)字圖像處理圖6.3.5頻域低通波法的處理過程可寫出對應(yīng)的Z變換式:圖6.3.6

加權(quán)平均模板的頻率響應(yīng)得到傅立葉變換式:

1 1i jm nm n m ni=-1

j=-1G(Z ,Z)

=F(Z

,

Z

)Z

Z19-1-1m n mm nnm n1H(Z ,Z

)=G(Zm,Zn)

= (1

+

Z+

Z

)(1

+

Z

+

Z

)F(Z

,

Z

)

9以Zm n=

ejωm

和

Z=

ejωn

代入上式,16.3 圖像平滑時，具有最小值0，即高頻得到最大程度的抑制。H(ωm

,

ωn

)=

9

(1

+

2cosωm

)(1

+

2cosωn

)當(dāng)

ωm=

ωn

=0 時，|

H

|

具有最大值1，這說明“直流”分量即圖像的灰度平均值處理前后不變；當(dāng)

ωm

或nω =2

π3HALCON數(shù)字圖像處理(a)

原圖；

(b)

頻譜（r=5,11,45,68）；(c)-(f)低通濾波(r=5,11,45,68)HALCON數(shù)字圖像處理6.3 圖像平滑2. 用于圖像濾波的幾種低通濾波器（1）理想低通濾波器（ILPF）傳遞函數(shù)理想低通濾波特性曲線：（a） （b） （c） （d）圖6.3.8

不同截止頻率的理想低通濾波結(jié)果比較。（a）原圖像；（b）、（c）和（d）分別為截止頻率半徑是15、30和80的ILPF濾波結(jié)果。6.3 圖像平滑H(u,v)10.50D(u,

v)D0HALCON數(shù)字圖像處理（2）Butterworth低通濾波器（BLPF）傳遞函數(shù)Butterworth低通濾波器的特性曲線6.3 圖像平滑HALCON數(shù)字圖像處理20406080

100

120

140-5000501001502002503002040

6080

100

120

140-500050100150200250300020406080

100

120-500501001502002503002040

6080

100

120140140

-500050100150200250300(a) (b) (c) (d) (e)圖6.3.10

不同階數(shù)BLPF低通濾波器中心的灰度級剖面圖（a）原圖像；（b）~（e）所用BLPF的階數(shù)分別為1，2，5，30(a) (b) (c) (d)圖6.3.11

不同截止頻率的Butterworth濾波結(jié)果比較（a）加噪原圖像；（b）~（d）為二階BLPF濾波結(jié)果，截止頻率半徑分別取15,30,80

6.3 圖像平滑HALCON數(shù)字圖像處理（3）指數(shù)低通濾波器（ELPF）傳遞函數(shù)指數(shù)低通濾波器的特性曲線(a) (b) (c) (d)圖6.3.14

不同截止頻率的指數(shù)濾波結(jié)果比較（a）含噪原圖像；（b）~（d）為ELPF濾波結(jié)果，截止頻率半徑分別取15，30，806.3 圖像平滑HALCON數(shù)字圖像處理（4）梯形低通濾波器（TLPF）傳遞函數(shù)梯形低通濾波器的特性曲線：1010

D

(u

,v)

D

D

D1H

(u,

v)

1 ; D(u,

v)

D0; D0

D(u,v)

D1;D(u,

v)

D6.3 圖像平滑H(u,v)1D(u,v)D0D10HALCON數(shù)字圖像處理三、中值濾波法（非線性平滑濾波法）中值濾波法的原理：對一個窗口（記為W）內(nèi)的所有像素灰度值進行排序，取排序結(jié)果的中間值作為W中心點處像素的灰度值。g(m,

n)

=

med{f(m

-

i,

n

-

j),

(i,

j)

W}

中值濾波的作用：對干擾脈沖和點噪聲有良好抑制作用，而對圖象邊緣能較好地保持的非線性圖象增強技術(shù)。中值濾波的依據(jù)：噪聲以孤立點的形式出現(xiàn)，這些點對應(yīng)的像素數(shù)很少，而圖像則是由像素數(shù)較多、面積較大的塊構(gòu)成。6.3 圖像平滑HALCON數(shù)字圖像處理三、中值濾波法中值濾波常用窗口:（a）線狀；（b）十字形；（c）X狀；（d）方形；（e）菱形；（f）圓形6.3 圖像平滑（a）（b）(d）（c）(e)(f)HALCON數(shù)字圖像處理已知原圖象塊（包含點噪聲）（1）

加權(quán)平均法：用模板M1處理，結(jié)果為g1(m,n):（2）

中值濾波法：用模板M2處理，結(jié)果為g2(m,n):（3）

結(jié)論：（1）加權(quán)平均法在濾掉點噪聲的同時，使目標(biāo)物邊緣變模糊；（2）中值濾波法在濾掉點噪聲的同時，保留了目標(biāo)物邊緣。HALCON數(shù)字圖像處理6.3 圖像平滑中值濾波的重要特性（1）對離散階躍信號和斜升（或斜降）信號不產(chǎn)生影響；HALCON數(shù)字圖像處理中值濾波的重要特性（2） 連續(xù)個數(shù)小于窗口寬度一半的離散脈沖將被濾除；窗寬

L=5HALCON數(shù)字圖像處理6.3 圖像平滑中值濾波的重要特性（3） 三角形信號的頂部被削平；HALCON數(shù)字圖像處理排序。但③只要舉一個例子就能說明。如若窗寬取5，所以中值濾波的重要特性（4） 若C

為常數(shù)，則也有：med{C

f

(m,

n)}

C

med{

f

(m,

n)}med{C

f

(m,

n)}

C

med{

f

(m,

n)}med{

f1

(m,

n)

f2

(m,

n)}

med{

f1

(m,

n)}

med{

f2

(m,

n)}其中①和②很容易證明，因為無論乘以C還是加上C，都不改變?nèi)≈档拇笮1

=

{10,

20,

30,

40,

50}

,而由

med{f1

}

=

30和

med{f2

}

=

20

，得med{f1

}+

med{f2

}

=

30

+

20

=

50f2

=

{10,

20,

30,

20,10} 則， med{f1

+

f2

}

=

med{20,

40,

60,

60,

60}

=

60med{f1

+

f2

}

med{f1

}+

med{f2

}HALCON數(shù)字圖像處理(a)(b)(c)(d)(e)(f)圖6.3.17

一維信號的平均濾波和中值濾波比較（窗寬為5）（a）階躍信號；（b）斜升信號；（c）單脈沖信號；（d）雙脈沖信號；（e）三脈沖信號；（f）三角形信號。6.3 圖像平滑原信號中值濾波后平均濾波后HALCON數(shù)字圖像處理使用中值濾波時的注意事項中值濾波適合于濾除椒鹽噪聲和干擾脈沖，尤其適合于目標(biāo)物形狀是塊狀時的圖像濾波。具有豐富尖角幾何結(jié)構(gòu)的圖像，一般采用十字形濾波窗，且窗口大小最好不要超過圖像中最小目標(biāo)物的尺寸，否則會丟失目標(biāo)物的細小幾何特征。3

需要保持細線狀及尖頂角目標(biāo)物細節(jié)時，最好不要采用中值濾波。6.3 圖像平滑（a）椒鹽噪聲污染的圖像；

（b）平均模板的濾波結(jié)果； （c）中值濾波的結(jié)果圖6.3.18

圖像平均濾波和中值濾波的對比HALCON數(shù)字圖像處理6.4 圖像銳化

概述圖像變模糊原因：成像系統(tǒng)聚焦不好或信道過窄；平均或積分運算；使目標(biāo)物輪廓變模糊，細節(jié)、輪廓（邊緣）不清晰。目的：加重目標(biāo)物輪廓，使模糊圖像變清晰。方法分類：空域微(差)分法—模糊圖像實質(zhì)是受到平均或積分運算，故對其進行逆運算（微分），使圖像清晰；頻域高頻提升濾波法—從頻域角度考慮，圖像模糊的實質(zhì)是高頻分量被衰減，故可用高頻提升濾波法加重高頻，使圖像清晰。HALCON數(shù)字圖像處理

空域銳化法微分作為數(shù)學(xué)中求變化率的一種方法，可用來求解圖像中目標(biāo)物輪廓和細節(jié)（統(tǒng)稱為邊緣）等突變部分的變化。d2fndx2

f

''

=

f(n

+

1)

+

f(n

-

1)

-

2f(n)6.4 圖像銳化

df

f

'dx

n=

f(n

+

1)-

f(n)HALCON數(shù)字圖像處理

拉普拉斯銳化法連續(xù)圖像 f(x,y)銳化公式：數(shù)字圖像 f(m,n)二階微分：銳化公式：

2

2Laplacian 算子：

2

x

2

y

2fff

2

2

2

x

2

y

2g(x,

y)

f

(x,

y)

[

2

f

(x,

y)]''f

2

f

m

f(m

1,n)

x

2''f

2

f

n

f(m,n

1)

f(m

1,n)

2f(m,n

)f(m,n

1)

2f

(m,n)

y

2g(m,n)

f

(m,n)

f

f

(m,n)

[

f

(m

1,n)

f

(m

1,n)

f

(m,n

1)

f

(m,n

1)

4

f

(m,n)]

(1

4

)

f

(m,n)

[

f

(m

1,n)

f

(m

1,n)

f

(m,n

1)

f

(m,n

1)]6.4 圖像銳化HALCON數(shù)字圖像處理

模板銳化法Laplacian 銳化模板（1）4-鄰模板W1（2）8-鄰模板W4銳化模板特點（1）模板內(nèi)系數(shù)有正有負，表示差分運算；（2）模板內(nèi)系數(shù)之和 1（ ① 對常數(shù)圖像 f(m,n)≡c，處理前后不變；② 對一般圖像，處理前后平均亮度不變）。處理方法：用模板對原圖像從第

2行第

2

列開始逐漸移法計算。（注：圖像四周邊界一般不處理（不考慮））銳化實質(zhì)銳化圖像 g(m,n) = 原圖像 f(m,n)+ 加重的邊緣（α*微分）6.4 圖像銳化HALCON數(shù)字圖像處理(a) 原始圖像(c) 銳化圖象+=(b) 加重的邊緣銳化圖像(的實質(zhì))=原圖像+加重的邊緣HALCON數(shù)字圖像處理6.4 圖像銳化6.4 圖像銳化（a）原圖像（b）α=1

圖6.4.2

不同α

取值下的銳化結(jié)果對比（c）α=2

HALCON數(shù)字圖像處理

高頻提升濾波法圖6.4-4

圖像高頻提升濾波法的處理過程空域模板銳化法等效于頻域高頻提升濾波法[證] 若選用Laplacian銳化模板則對應(yīng)的Z變換式：g(m,

n)

=

(1

+

4α)f(m,

n)

-

α[f(m

+

1,

n)

+

f(m

-

1,

n)

+

f(m,

n

+

1)

+

f(m,

n

-

1)]m nmmnG(Z ,

Z )

[(1

4

)

(Z

Z

1

Z

Z

1

)]F

(Z

,

Z

)n m nm nm nm mnnm nG(Z ,Z

)F

(Z ,Z

)H

(Z ,Z)

(1

4

)

(Z

Z

1

Z

Z

1

)6.4 圖像銳化HALCON數(shù)字圖像處理m以

Z

e

j

mn和

Z

e

j

n

代入上式，得到傅立葉變換式H

(

m

,

n

)

1

2

(1

cos

m

)

2

(1

cos

n

)圖6.4.5 拉普拉斯銳化模板的頻率響應(yīng)

當(dāng)

m

n

0

時，|H|有最小值1，這說明“直流”分量即圖像的灰度平均值處理前后不變；當(dāng)

m

n

時，|H|具有最大值為1

8

1（

0），即高頻分量得到了提升，也就是圖像的邊緣信息得到了增強。6.4 圖像銳化HALCON數(shù)字圖像處理 幾種常用的高通濾波器6.4 圖像銳化HALCON數(shù)字圖像處理圖6.4.6

高通濾波器H(u,v)的特性曲線。（a）理想高通濾波器；（b）Butterworth高通濾波器；（c）指數(shù)高通濾波器；（d）梯形高通濾波器。6.4 圖像銳化HALCON數(shù)字圖像處理6.4 圖像銳化（a）原圖像圖6.4.9

取不同截止頻率的高通濾波后圖像的比較。（b）~（d）為IHPF濾波結(jié)果，D0

分別15，30，50（e）~（g）為BHPF濾波結(jié)果，D0

分別15，30，50（h）~（j）為EHPF濾波結(jié)果，D0

分別15，30，50(b)(c)(d)(h)(i)(j)(e)(f)(g)HALCON數(shù)字圖像處理1. 平滑及銳化時，圖象四周邊界不考慮（不處理）；2. 一般處理時，僅用原圖象進行處理（即前面處理結(jié)果不影響后面處理）；3. 平滑及銳化的順序是：先平滑后銳化。平滑及銳化時，圖象四周邊界不考慮（不處理）；一般處理時，僅用原圖象進行處理（即前面處理結(jié)果不影響后面處理）；平滑及銳化的順序是：先平滑后銳化。HALCON數(shù)字圖像處理6.4 圖像銳化注意事項：只要我們能從別采取壓縮低頻、提升高頻的方法，就可達到減弱照度分量、增強反射分量，使圖像清晰的目的。圖6.5.1圖像同態(tài)濾波的處理過程6.5 圖像的同態(tài)濾波

概述一幅圖像是由光源的照度分量（也稱照度場）r(m,

n)

和目標(biāo)場的反射分量

i(m,

n)

組成，即f(m,n

)

= i(m,n)

r(m,n

)f(m,

n)

中把

i(m,

n)和

r(m,

n)分開