图像的噪声抑制VIP免费

11第五章图像的噪声抑制22任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。平滑可以抑制高频成分，但也使图像变得模糊33所谓的图像噪声，是图像在摄取时或是传输时所受到的随机干扰信号。常见的有椒盐噪声和高斯噪声。图像噪声的概念44椒盐噪声的特征:出现位置是随机的，但噪声的幅值是基本相同的。高斯噪声的特征：出现在位置是一定的（每一点上），但噪声的幅值是随机的。图像噪声的概念55图像噪声的描述均值:表明图像中噪声的总体强度。方差：表明图像中噪声分布的强弱差异。加性和乘性噪声模型：g(x,y)=f(x,y)+n(x,y)MxNyyxnNMyxnEn11),(1)],([21122]),([1]),([nyxnNMnyxnEMxNyn66设计噪声抑制滤波器，在尽可能保持原图信息的基础上，抑制噪声。均值滤波器中值滤波器边界保持类滤波器图像噪声的抑制方法77(,)(,)(,)gxyfxynxy设有一幅数字有噪图像:(,)(,)(,)111(,)(,)(,)(,)ijSijSijSgxygijfijnijMMM经局部平均处理后，得到平滑图像为：均值滤波器f(x,y)为原始图，n(x,y)为噪声，S：点(x,y)邻域内的点集，M：S内总点数。2),(2),(1),(1),(1nSjiSjiMjinDMjinMD平滑后噪声方差：88均值滤波器——原理在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。99(x-1,y-1)(x-1,y)(x-1,y+1)(x,y-1)(x,y)(x,y+1)(x+1,y-1)(x+1,y)(x+1,y+1)11111,,9ijgxyfxiyj则平滑化后的图像为：1010109111111111H以模板运算系数表示即：12143122345768957688567891214312234576895768856789344456678C=6.6316C=5.5263均值滤波器——处理方法待处理像素示例边框保留不变的效果示例1111均值滤波器的改进——加权均值滤波均值滤波器的缺点是，会使图像变的模糊，原因是它对所有的点都是同等对待，在将噪声点分摊的同时，将景物的边界点也分摊了。为了改善效果，就可采用加权平均的方式来构造滤波器。1212均值滤波器的改进——加权均值滤波1111211111011H1212421211612H111101111813H0010041414141214H如下，是几个典型的加权平均滤波器。示例示例示例示例1313中值滤波器——问题的提出虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。即使是加权均值滤波，改善的效果也是有限的。为了有效地改善这一状况，必须改换滤波器的设计思路，中值滤波就是一种有效的方法。1414中值滤波器——设计思想因为噪声（如椒盐噪声）的出现，使该点像素比周围的像素亮（暗）许多。如果在某个模板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。1515中值滤波器——原理示例数值排序m-2m-1mm+1m+2610258mm+1m-2m+2m-16102582661616中值滤波器——处理示例例：模板是一个1*5大小的一维模板。原图像为：22621244424处理后为：22(1,2,2,2,6)2(1,2,2,2,6)2(1,2,2,4,6)2244444(2,4,4)1717中值滤波器——滤波处理方法与均值滤波类似，做3*3的模板，对9个数排序，取第5个数替代原来的像素值。1818中值滤波器——例题12143122345768957688567891214312234576895768856789234566678C=6.6316C=5.5263示例1919中值滤波器与均值滤波器的比较对于椒盐噪声，中值滤波效果比均值滤波效果好。2020中值滤波器与均值滤波器的比较原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。中值滤波是选择适当的点来替代污染点的值，所以处理效果好。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。2121中值滤波器与均值滤波器的比较对于高斯噪声，均值滤波效果比...