資源描述:
《數(shù)字圖像處理技術(shù)、圖像增強(qiáng)之噪聲抑制.ppt》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、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)。常見(jiàn)的有椒鹽噪聲和高斯噪聲。圖像噪聲的概念椒鹽噪聲的特征:出現(xiàn)位置是隨機(jī)的,但噪聲的幅值是基本相同的。高斯噪聲的特征:出現(xiàn)在位置是一定的(每一點(diǎn)上),但噪聲的幅值是隨機(jī)的。圖像噪聲的概念設(shè)計(jì)出噪聲抑制濾波器,在盡可能保持原圖信息的基礎(chǔ)上,抑制噪聲。均值濾波器中值濾波器邊界保持類濾波器圖像噪聲的抑制方法1、均值濾波圖像平滑的目的是消除或盡量減少噪聲的影響,改善圖像質(zhì)量。在假定加性噪聲是隨機(jī)獨(dú)立分布的條件下,利用鄰域的平均或加權(quán)平均可以有效地
2、抑制噪聲干擾。鄰域的兩種類型:4鄰域和8鄰域鄰域平均法實(shí)際是在做空間域的濾波,所以這種方法也稱為均值濾波。均值濾波器——原理在圖像上,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。以模塊運(yùn)算系數(shù)表示即:12143122345768957688567891214312234576895768856789344556678待處理像素示例2均值濾波器——處理方法示例1均值濾波器的缺點(diǎn)是,會(huì)使圖像變的模糊,原因是它對(duì)所有的點(diǎn)都是同等對(duì)待,在將噪聲
3、點(diǎn)分?jǐn)偟耐瑫r(shí),將景物的邊界點(diǎn)也分?jǐn)偭?。為了改善效果,就可采用加?quán)平均的方式來(lái)構(gòu)造濾波器。均值濾波器的改進(jìn)——加權(quán)均值濾波均值濾波器的改進(jìn)——加權(quán)均值濾波如下,是幾個(gè)典型的加權(quán)平均濾波器。示例示例示例示例2、中值濾波器雖然均值濾波器對(duì)噪聲有抑制作用,但同時(shí)會(huì)使圖像變得模糊。即使是加權(quán)均值濾波,改善的效果也是有限的。為了有效地改善這一狀況,必須改換濾波器的設(shè)計(jì)思路,中值濾波就是一種有效的方法。中值濾波器——設(shè)計(jì)思想因?yàn)樵肼暎ㄈ缃符}噪聲)的出現(xiàn),使該點(diǎn)像素比周圍的像素亮(暗)許多。如果在某個(gè)模板中,對(duì)像素
4、進(jìn)行由小到大排列的重新排列,那么最亮的或者是最暗的點(diǎn)一定被排在兩側(cè)。取模板中排在中間位置上的像素的灰度值替代待處理像素的值,就可以達(dá)到濾除噪聲的目的。中值濾波器——原理示例數(shù)值排序m-2m-1mm+1m+2610258mm+1m-2m+2m-1610258266中值濾波器——處理示例例:模板是一個(gè)1*5大小的一維模板。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)中值濾波器——濾波處理方法與均值濾波類似
5、,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。中值濾波器——例題12143122345768957688567891214312234576895768856789234566678示例2示例1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。中值濾波器與均值濾波器的比較原因: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?,所以均值濾波不能很好地去除噪聲點(diǎn)。中值濾
6、波器與均值濾波器的比較對(duì)于高斯噪聲,均值濾波效果比中值濾波效果好。中值濾波器與均值濾波器的比較原因: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,所以均值濾波可以消除噪聲。中值濾波器與均值濾波器的比較噪聲特點(diǎn)方法處理后圖像椒鹽分布隨機(jī)幅值一定均值抑制噪聲,邊緣明顯模糊中值濾除噪聲,邊緣少許模糊高斯分布固定幅值不定均值濾除噪聲,邊緣明顯模糊中值噪聲無(wú)法去除,邊緣也無(wú)模糊3、邊界保持類平滑濾波器經(jīng)過(guò)平滑濾波處理之后,圖
7、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。而邊界點(diǎn)與噪聲點(diǎn)有一個(gè)共同的特點(diǎn)是,都具有灰度的躍變特性。所以平滑處理會(huì)同時(shí)將邊界也處理了。邊界保持類平滑濾波器——設(shè)計(jì)思想為了解決圖像模糊問(wèn)題,一個(gè)自然的想法就是,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),如果是,則不進(jìn)行平滑處理;如果不是,則進(jìn)行平滑處理。K近鄰(KNN)平滑濾波器——原理分析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)。點(diǎn)1模板
8、中的像素全部是同一區(qū)域的;點(diǎn)2模板中的像素則包括了兩個(gè)區(qū)域。12K近鄰(KNN)平滑濾波器——原理分析在模板中,分別選出5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,則不會(huì)出現(xiàn)兩個(gè)區(qū)域信息的混疊平均。這樣,就達(dá)到了邊界保持的目的。12K近鄰(KNN)平滑濾波器——實(shí)現(xiàn)算法1)以待處理像素為中心,作一個(gè)3*3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)像素的灰度均值替換待處理像素值K近鄰(KNN)平滑濾波器——例題例:下圖,給定3*3模板,k