2平滑 ●●● ●●●● ●●●●● ●●●● ●●●0● 2)高斯滤波( Gaussian Filters) ●●●0 °采用高斯函数作为加权函数。 ●原因一:二维高斯函数具有旋转对称性,保证滤浪 时各方向平滑程度相同; 原因二:离中心点越远权值越小确保边缘细节不 被模糊。 2 2σ
2 平滑 ⚫ 2）高斯滤波（Gaussian Filters） ⚫ 采用高斯函数作为加权函数。 ⚫ 原因一：二维高斯函数具有旋转对称性，保证滤波 时各方向平滑程度相同； ⚫ 原因二：离中心点越远权值越小。确保边缘细节不 被模糊。 ( ) 2 2 2 2 2 x y r G x,y e e 2 2 + − − = =
2平滑 ●●● ●●●● ●●●●● ●●● ●●●0● ●设计离散高斯滤浪器的方法 ●●●0 设定σ和n,确定高斯模板权值。如σ2=2和 n=5: 2 0 2 201050287013502870105 028706060.7790.6060.287 0 01350.779 07790.135 028706060.7790.6060287 20105028701350.2870105
2 平滑 ⚫ 设计离散高斯滤波器的方法： ⚫ 设定σ 2和n，确定高斯模板权值。如σ 2 =2和 n=5： [i,j] -2 -1 0 1 2 -2 0.105 0.287 0.135 0.287 0.105 -1 0.287 0.606 0.779 0.606 0.287 0 0.135 0.779 1 0.779 0.135 1 0.287 0.606 0.779 0.606 0.287 2 0.105 0.287 0.135 0.287 0.105
2平滑 ●●● ●●●● ●●●●● ●●●● ●●●0● ●整数化和归一化后得 ●●●0 2 2 21232 246 036763 124642 2321 2 2
2 平滑 ⚫ 整数化和归一化后得： [i,j] -2 -1 0 1 2 -2 1 2 3 2 1 -1 2 4 6 4 2 0 3 6 7 6 3 1 2 4 6 4 2 2 1 2 3 2 1
2平滑 ●●● ●●●● ●●●●● ●●● ●●●0● ●●●0 通过下郐域平帕后的朱家盤过高斯滤波后的朱家角风 角风光 光
2 平滑 经过高斯滤波后的朱家角风 光 通过T 5邻域平均后的朱家 角风光
3中值滤浪 ●●● ●●●● ●●●●● ●●●● ●●●0● 1)什么是中值滤浪 ●●●0 与加权平均方式的平湑滤波不同,中值滤波用一个含有奇 数点的滑动窗口,将邻中的像素按灰度级排序,取其中 间值为输出像素。 2)中值滤波的要素 ●中值滤浪的效果取决于两个要素:邻的空间范围和中值 计算中涉及的像素数。(当空间范围较大时,一般只用某 个稀疏矩阵做计算) ·3)中值滤波的优点 ●中值滤浪能够在抑制随机噪声的同时不使边缘模糊。但对 于线、尖顶等细节多的图像不宜采用中值滤浪
3 中值滤波 ⚫ 1）什么是中值滤波 ⚫ 与加权平均方式的平滑滤波不同，中值滤波用一个含有奇 数点的滑动窗口，将邻域中的像素按灰度级排序，取其中 间值为输出像素。 ⚫ 2）中值滤波的要素 ⚫ 中值滤波的效果取决于两个要素：邻域的空间范围和中值 计算中涉及的像素数。（当空间范围较大时，一般只用某 个稀疏矩阵做计算）。 ⚫ 3）中值滤波的优点 ⚫ 中值滤波能够在抑制随机噪声的同时不使边缘模糊。但对 于线、尖顶等细节多的图像不宜采用中值滤波