度值将高度相关。因此，可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。这就是灰度最相近的K个邻点平均法。
较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。
实验证明，对于3×3的窗口，取K=6为宜。 7.2.4 最大均匀性平滑
为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。
7.2.5 有选择保边缘平滑法
该方法对图像上任一像素(x,y)的5×5邻域，采用9个掩模，其中包括一个3×3正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模区的灰度均值就是像素（x,y) 的输出值。
该方法以方差作为各个区域灰度均匀性的测度。若区域含有尖锐的边缘，它的灰度方差必定很大，而不含边缘或灰度均匀的区域，它的方差就小，那么最小方差所对应的区域就是灰度最均匀区域。因此有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。另外，五边形和六边形在（x,y）处都有锐角，这样，即使像素（x,y）位于一个复杂形状区域的锐角处，也能找到均匀的区域。从而在平滑时既不会使尖锐边缘模糊，也不会破坏边缘形状。
7.2.6 空间低通滤波法
邻域平均法可看作一个掩模作用于图像f(x,y)的低通空间滤波，掩模就是一个滤波器，它的响应为H(r,s)，于是滤波输出的数字图像g(x,y)用离散卷积表示为
g(x,y)?r??ks??l??f(x?r,y?s)H(r,s)
kl7.2.7 中值滤波
中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。
对中值滤波法来说，正确选择窗口尺寸的大小是很重要的环节。一般很难事先确定最佳的窗口尺寸，需通过从小窗口到大窗口的中值滤波试验，再从中选取
- 36 -
最佳的。
7.3 图像空间域锐化
在图像的识别中常需要突出边缘和轮廓信息。图像锐化就是增强图像的边缘或轮廓。图像平滑通过积分过程使得图像边缘模糊，图像锐化则通过微分而使图像边缘突出、清晰。
7.3.1 梯度锐化法
图像锐化法最常用的是梯度法。 对于图像f(x，y)，在(x，y)处的梯度定义为
?fx'???f(?xx,y)?grad(x,y)??'????f(x,y)? ??fy?????y??梯度是一个矢量，其大小和方向为
grad(x,y)??1'yfx'?fy'?(?f(?xx,y))2?(?f(?xy,y))2'x?1?f(x,y)?y22??tg(f/f)?tg(7.3.2 Laplacian增强算子
/?f(x,y)?x )Laplacian 算子是线性二阶微分算子。即
▽2f(x，y)=
?2f(x,y)?x2??2f(x,y)?y2 对离散的数字图像而言，二阶偏导数可用二阶差分近似，可推导出Laplacian算子表达式为
▽2f(x，y)= f(x+1，y)+f(x-1，y)+ f(x，y+1)+f(x，y-1)-4f(x，y) Laplacian增强算子为： g(x，y)=f(x，y)- ▽2f(x，y)
=5f(x，y)-[ f(x+1，y)+ f(x-1，y)+f(x，y+1)+ f(x，y-1)] 7.3.3 高通滤波法
高通滤波法就是用高通滤波算子和图像卷积来增强边缘。常用的算子有：
7.4图像的频率域增强
- 37 -
图像增强的目的主要包括：①消除噪声，改善图像的视觉效果；②突出边缘，有利于识别和处理。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像g(x,y)。
频率域增强的一般过程如下：
7.4.1频率域平滑
图像的平滑除了在空间域中进行外，也可以在频率域中进行。由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u,v)来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。常用的频率域低滤波器H(u,v)有四种： 1．理想低通滤波器 2．Butterworth低通滤波器 3．指数低通滤波器 4. 梯形低通滤波器 7.4.2 频率域锐化
图像的边缘、细节主要位于高频部分，而图像的模糊是由于高频成分比较弱产生的。频率域锐化就是为了消除模糊，突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱，再经逆傅立叶变换得到边缘锐化的图像。常用的高通滤波器有： 1）理想高通滤波器 2）巴特沃斯高通滤波器 3）指数滤波器 4）梯形滤波器 7.5 彩色增强技术
彩色增强技术是利用人眼的视觉特性，将灰度图像变成彩色图像或改变彩色图像已有彩色的分布，改善图像的可分辨性。彩色增强方法可分为伪彩色增强和
- 38 -
假彩色增强两类。 7.5.1 伪彩色增强
伪彩色增强是把黑白图像的各个不同灰度级按照线性或非线性的映射函数变换成不同的彩色，得到一幅彩色图像的技术。使原图像细节更易辨认，目标更容易识别。
伪彩色增强的方法主要有密度分割法、灰度级一彩色变换和频率域伪彩色增强三种。 7.5.2 假彩色增强
假彩色增强是对一幅自然彩色图像或同一景物的多光谱图像，通过映射函数变换成新的三基色分量，彩色合成使感兴趣目标呈现出与原图像中不同的、奇异的彩色。
假彩色增强目的：一是使感兴趣的目标呈现奇异的彩色或置于奇特的彩色环境中，从而更引人注目；一是使景物呈现出与人眼色觉相匹配的颜色，以提高对目标的分辨力。 作业:
1、图像滤波的主要目的是什么？主要方法有哪些？ 2、图像噪声有哪些主要类型？主要特点是什么？ 3、什么是图像平滑？试述均值滤波与中值滤波的区别。 4、什么是图像锐化？图像锐化有几种方法？ 教学总结：
本次课程要求使学生熟悉一维傅立叶变换和二维傅立叶变换，掌握空间域图像增、频率域图像增强的原理、方法、特点以及实现过程，其中教学重点是教导学生掌握直方图修正方法，空间域平滑、锐化和彩色增强技术。
- 39 -
第9讲
课 题：图像分割
目的要求：1.掌握图像分割的概念和边缘检测的原理与方法；2.掌握Hough变换检测直线原理,了解Hough变换检测曲线方法；3.掌握最简单图像区域分割,了解区域生长和分裂合并法。
重 点：图像分割的概念与方法分类 难 点：Hough变换检测直线原理 教学课时：4课时
教学方法：授课为主、鼓励课堂交流
1 概述
（1）图像分析的概念：对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息，从而建立对图像的描述 （2）图像分析系统的基本构成
（3）图像分析的步骤
1）把图像分割成不同的区域或把不同的对象分开 2）找出分开的各区域的特征
3）识别图像中要找的对象或对图像进行分类
4）对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构
（4）图像分割(image segmentation )的概念
Ⅰ把图像分成互不重叠的区域并提取感兴趣目标的技术
Ⅱ根据需要将图像划分为有意义的若干区域或部分的图像处理技术。 （5）图像分割的基本策略
1）分割算法基于灰度值的两个基本特性：不连续性和相似性
- 40 -