圖像檢測-5噪聲抑制

《圖像檢測-5噪聲抑制》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、第五章圖像噪聲的抑制本章要點(diǎn):均值濾波器中值濾波器邊界保持平滑濾波器5.1圖像噪聲的基本概念所謂的圖像噪聲，是圖像在攝取時或是傳輸時所受到的隨機(jī)干擾信號。這些干擾信號的抑制稱為圖像的噪聲抑制。高斯噪聲數(shù)學(xué)期望椒鹽噪聲但數(shù)據(jù)中還存在一些沒有噪聲的點(diǎn)理想情況下，所得到的結(jié)果中不含噪聲經(jīng)過均值濾波之后，中所包含的噪聲強(qiáng)度低于5.2均值濾波器均值濾波的原理是：在圖像上，對待處理的像素給定一個模板，該模板包括了其周圍的鄰近像素。將模板中的全體像素的均值來替代原來的像素值的方法。均值濾波可以用來對椒鹽噪聲和高斯噪聲進(jìn)行濾波

2、。5.2.1均值濾波器以模塊運(yùn)算系數(shù)表示即：12143122345768957688567891214312234576895768856789344556678C=6.6316C=5.52635.2.2加權(quán)均值濾波器將以上的均值濾波器加以修正，可以得到加權(quán)平均濾波器。5.3中值濾波器1.問題的提出我們看到，雖然均值濾波器對噪聲有抑制作用，但同時會使圖像變得模糊。為了有效地改善這一狀況，必須尋找新的濾波器。中值濾波就是一種有效的方法。2.中值濾波器的設(shè)計思想因?yàn)樵肼暎ń符}）的出現(xiàn)，使該點(diǎn)像素比周圍的像素亮（暗）

3、許多，給出濾波用的一個一維的模板，對模板中的像素值由小到大排列，最終待處理像素的灰度取這個模板中排在中間位置上的像素的灰度值。數(shù)值排序m-2m-1mm+1m+2610258mm+1m-2m+2m-161025826例：原圖像為：22621244424處理后為：22(1,2,2,2,6)2(1,2,2,2,6)2(1,2,2,4,6)2244444(2,4,4)3.二維中值濾波模板：與均值濾波類似，做3?3的模板，對9個數(shù)排序，取第5個數(shù)替代原來的像素值。例：121431223457689576885678912

4、14312234576895768856789234566678C=6.6316C=5.5263因?yàn)橹兄禐V波的原理是取合理的鄰近像素值來替代噪聲點(diǎn)，所以只適合于椒鹽噪聲的去除，不適合高斯噪聲的去除。中值濾波器與均值濾波器的比較對于椒鹽噪聲，中值濾波效果比均值濾波效果好。原因：椒鹽噪聲是幅值近似相等但隨機(jī)分布在不同位置上，圖像中有干凈點(diǎn)也有污染點(diǎn)。中值濾波是選擇適當(dāng)?shù)狞c(diǎn)來替代污染點(diǎn)的值，所以處理效果好。因?yàn)樵肼暤木挡粸?，所以均值濾波不能很好地去除噪聲點(diǎn)。對于高斯噪聲，均值濾波效果比均值濾波效果好。原因：高斯噪

5、聲是幅值近似正態(tài)分布，但分布在每點(diǎn)像素上。因?yàn)閳D像中的每點(diǎn)都是污染點(diǎn)，所以中值濾波選不到合適的干凈點(diǎn)。因?yàn)檎龖B(tài)分布的均值為0，所以根據(jù)統(tǒng)計數(shù)學(xué)，均值可以消除噪聲。（注意：實(shí)際上只能減弱，不能消除。思考為什么？）5.4邊界保持平滑濾波器1.問題的提出：前面的處理結(jié)果可知，經(jīng)過平滑（特別是均值）濾波處理之后，圖像就會變得模糊。分析原因，在圖像上的景物之所以可以辨認(rèn)清楚是因?yàn)槟繕?biāo)物之間存在邊界。而邊界點(diǎn)與噪聲點(diǎn)有一個共同的特點(diǎn)是，都具有灰度的躍變特性。所以平滑處理會同時將邊界也處理了。5.4.1邊界保持平滑濾波器設(shè)計

6、思想為了解決圖像模糊問題，一個自然的想法就是，在進(jìn)行平滑處理時，首先判別當(dāng)前像素是否為邊界上的點(diǎn)，如果是，則不進(jìn)行平滑處理；如果不是，則進(jìn)行平滑處理。5.4.2K近鄰(KNN)平滑濾波器邊界保持濾波器的核心是確定邊界點(diǎn)與非邊界點(diǎn)。如圖所示，點(diǎn)1是黃色區(qū)域的非邊界點(diǎn)，點(diǎn)2是藍(lán)色區(qū)域的邊界點(diǎn)。在模板中，分別選出5個與點(diǎn)1或點(diǎn)2灰度值最相近的點(diǎn)進(jìn)行計算，不影響效果。換句話說，對非邊界點(diǎn)的影響不是很大，但是對邊界點(diǎn)的影響就非常大。125.4.3K近鄰(KNN)平滑濾波器算法1)以待處理像素為中心，作一個m?m的作用模板

7、。2）在模板中，選擇K個與待處理像素的灰度差為最小的像素。3）將這K個像素的灰度均值替換掉原來的像素值。5.4.4KNN平滑濾波例題例：3×3模板，K=512143122345768957688567891214312234576895768856789123677678(1+1+1+2+2)/5=1.4?1(1+2+2+3+4)/5=2.4?2(1+2+3+4+4)/5=2.8?3(5+5+6+6+7)/5=5.8?6(6+7+7+8+8)/5=7.1?7(6+6+8+8+9)/5=7.4?7(6+6+6+7

8、+7)/5=6.4?6(6+6+7+7+7)/5=6.6?7(7+8+8+8+9)/5=812143123445566956788567891214313444555695678856789中值濾波均值濾波5.4.5KNN平滑濾波器的效果分析首先來看一下KNN均值濾波的效果。KNN濾波器因?yàn)橛辛诉吔绫３值淖饔?，所以在去除椒鹽以及高斯噪聲時，對圖像景物的清晰度保持方面的效果非常明顯；KN