圖像處理與圖像識(shí)別第5章噪聲抑制

《圖像處理與圖像識(shí)別第5章噪聲抑制》由會(huì)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(kù)。

1、第五章圖像的噪聲抑制所謂的圖像噪聲，是圖像在攝取時(shí)或是傳輸時(shí)所受到的隨機(jī)干擾信號(hào)。這些干擾信號(hào)的抑制稱為圖像的噪聲抑制。5.1均值濾波器所謂的均值濾波是指在圖像上，對(duì)待處理的像素給定一個(gè)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(lái)替代原來(lái)的像素值的方法。均值濾波可以用來(lái)對(duì)椒鹽噪聲和高斯噪聲進(jìn)行濾波。5.1.1均值濾波器以模塊運(yùn)算系數(shù)表示即：121431223457689576885678912143122345768957688567893444566785.1.2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。5.2中值濾波器1.問(wèn)題的提出我們看到，

2、雖然均值濾波器對(duì)噪聲有抑制作用，但同時(shí)會(huì)使圖像變得模糊。為了改善這一狀況，必須尋找新的濾波器。中值濾波就是一種有效的方法。5.2中值濾波器2.中值濾波器的設(shè)計(jì)思想因?yàn)樵肼暤某霈F(xiàn)，使該點(diǎn)像素比周圍的像素亮（暗）許多，給出濾波用的模板，如下圖所示是一個(gè)一維的模板，對(duì)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(gè)模板中排在中間位置上的像素的灰度值。5.2中值濾波器m-2m-1mm+1m+2mm+1m-2m+2m-1數(shù)值排序5.2中值濾波器例：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)5

3、.2中值濾波器3.二維中值濾波模板：與均值濾波類似，做3*3的模板，對(duì)9個(gè)數(shù)排序，取第5個(gè)數(shù)替代原來(lái)的像素值。5.2中值濾波器例：121431223457689576885678912143122345768957688567892345666785.2中值濾波器因?yàn)橹兄禐V波的原理是取合理的鄰近像素值來(lái)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(duì)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(lái)替代污染點(diǎn)的值，所以處理效果好。因?yàn)樵肼暤木挡粸?，

4、所以均值濾波不能很好地去除噪聲點(diǎn)。中值濾波器與均值濾波器的比較對(duì)于高斯噪聲，均值濾波效果比均值濾波效果好。原因：高斯噪聲是幅值近似正態(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(jì)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？）5.3邊界保持平滑濾波器1.問(wèn)題的提出：前面的處理結(jié)果可知，經(jīng)過(guò)平滑（特別是均值）濾波處理之后，圖像就會(huì)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。5.3.1邊界保持平滑濾波器設(shè)計(jì)思想在進(jìn)行平滑處理時(shí)，首先判別當(dāng)前像素是否為邊界上的點(diǎn)

5、，如果是，則不進(jìn)行處理，如果不是，則進(jìn)行平滑處理。5.3.2K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3個(gè)與點(diǎn)1或點(diǎn)2灰度值最相近的點(diǎn)進(jìn)行計(jì)算，不影響效果。換句話說(shuō)，對(duì)非邊界點(diǎn)的影響不是很大，但是對(duì)邊界點(diǎn)的影響就非常大。125.3.3K近鄰(KNN)平滑濾波器算法1)以待處理像素為中心，作一個(gè)m*m的作用模板。2）在模板中，選擇K個(gè)與待處理像素的灰度差為最小的像素。3）將這K個(gè)像素的灰度均值（中值）替換掉原來(lái)的像素值。由此，獲得KNN均值濾波的結(jié)果和KNN中值濾波的結(jié)果。5.3.4K

6、NN平滑濾波例題例：3*3模板，k=5121431223457689576885678912143122345768957688567892236787681,1,2,2,21,2,2,2,32,3,3,4,45,6,6,7,76,6,7,7,86,8,8,8,96,6,7,7,76,6,6,7,77,8,8,8,8作業(yè)（共1題）1.已知圖像為：請(qǐng)對(duì)其進(jìn)行邊界保持的中值和均值濾波，并判斷哪一點(diǎn)為噪聲點(diǎn)。（用3*3模板，取k=5）均值濾波器的效果（椒鹽噪聲）均值濾波器的效果（高斯噪聲）加權(quán)均值濾波器的效果加權(quán)均值濾波器的效果(H0)加權(quán)均值濾波器的效果（H1）加權(quán)均值濾波器的效果(H2)加

7、權(quán)均值濾波器的效果(H3)加權(quán)均值濾波器的效果(H4)中值濾波器的效果（椒鹽噪聲）中值濾波器的效果（高斯噪聲）中值濾波與均值濾波效果比較（椒鹽噪聲）中值濾波與均值濾波效果比較（高斯噪聲）KNN均值濾波器的效果（椒鹽噪聲）KNN均值濾波器的效果（高斯噪聲）KNN中值濾波器的效果（椒鹽噪聲）注：這種情況用KNN效果不明顯KNN中值濾波器的效果（高斯噪聲）注：這種情況用KNN效果不明顯圖像的噪聲示意圖(a)椒鹽噪聲(b)高斯噪聲椒鹽噪