图像噪声抑制锐化处理VIP免费

3图象的平滑(去噪声)、锐化 3.1 平滑 先举个例子说明一下什么是平滑(smoothing)，如下面两幅图所示：可以看到，图3.2比图3.1柔和一些(也模糊一些)。是不是觉得很神奇？其实实现起来很简单。我们将原图中的每一点的灰度和它周围八个点的灰度相加，然后除以9，作为新图中对应点的灰度，就能实现上面的效果。 MSITStore:H:\200541352851453.chm::/6.files/image001.gif" width="170" vshapes="_x0000_i1043" alt=""/> 图3.1 原图 MSITStore:H:\200541352851453.chm::/6.files/image003.gif" width="168" vshapes="_x0000_i1042" alt=""/> 图3.2 经过平滑处理后的图 这么做并非瞎蒙，而是有其道理的。大概想一想，也很容易明白。举个例子，就象和面一样，先在中间加点水，然后不断把周围的面和进来，搅拌几次，面就均匀了。 用信号处理的理论来解释，这种做法实现的是一种简单的低通滤波器(low pass filter)。哇，好深奥呀！不要紧，这些理论的内容并不多，而且知道一些理论也是很有好处的。在灰度连续变化的图象中，如果出现了与相邻象素的灰度相差很大的点，比如说一片暗区中突然出现了一个亮点，人眼能很容易觉察到。就象看老电影时，由于胶片太旧，屏幕上经常会出现一些亮斑。这种情况被认为是一种噪声。灰度突变在频域中代表了一种高频分量，低通滤波器的作用就是滤掉高频分量，从而达到减少图象噪声的目的。 为了方便地叙述上面所说的“将原图中的每一点的灰度和它周围八个点的灰度相加，然后除以9，作为新图中对应点的灰度”这一操作，我们采用如下的表示方法： MSITStore:H:\200541352851453.chm::/6.files/image005.gif" width="92" vshapes="_x0000_i1044" alt=""/> (3.1) 这种表示方法有点象矩阵，我们称其为模板(template)。中间的黑点表示中心元素，即，用哪个元素做为处理后的元素。例如[2. 1]表示将自身的2倍加上右边的元素作为新值，而[2 1.]表示将自身加上左边元素的2倍作为新值。 通常，模板不允许移出边界，所以结果图象会比原图小，例如模板是MSITStore:H:\200541352851453.chm::/6.files/image007.gif" width="51" vshapes="_x0000_i1045" alt=""/>，原图是MSITStore:H:\200541352851453.chm::/6.files/image009.gif" width="119" vshapes="_x0000_i1046" alt=""/>，经过模板操作后的图象为MSITStore:H:\200541352851453.chm::/6.files/image011.gif" width="120" vshapes="_x0000_i1047" ...