减少噪声的方法可以在空间域或频率域处理,即：空间域.docVIP

图像平滑的主要目的是减少图像噪声（来自系统内部或外部）。减少噪声的方法可以在空间域或频率域处理，即：空间域中，方法是求像素的平均值或中值；频域中，方法是低通滤波技术。以下为对空域或频域中各种方法的验证和效果比较。 一.邻域平均法 邻域平均是对含有噪声的原始图像的每个像素取一个邻域，在此邻域中计算所有像素的平均值，作为被处理像素的值. 首先编写一个用于邻域平均的函数 [X]=lypj(I1,h) 它可以对任一幅图像I1进行任意邻域h的滤波。返回滤波过后的图像。只是编写函数时为对边缘点作处理。检验时，选取了一幅140140的’bear.jpg’,然后分别选取了三个邻域 h1=[1 1 1;1 1 1;1 1 1];h2=[1 1 1 1 1;1 1 1 1 1;1 1 1 1 1; 1 1 1 1 1;1 1 1 1 1]; h3=[1 2 1;2 4 2;1 2 1];分别来对等权值下的邻域大小以及同样邻域大小下的非等权值的平滑效果进行比较. 程序见 pj.m. 结果如下: 分析: 由上述结果可看出,在相等权值下, 邻域选取的越大, 图像就越平滑, 图像表现得越模糊, 图像的细节丢失的很严重, 对于等邻域大小而权值不同时, 等权值的平滑效果不如非等权值的效果. 非等权值时,像素各邻域对平滑的效果贡献不一,越远离像素,贡献越小.图片边缘有一些黑点是由于lypj.m未对边缘像素加以考虑,可以改进. 二.中值滤波法 为了能在消除噪声的同时,保留图像的细节,防止边缘模糊,采用中值滤波法.基本 想是选取像素邻域中灰度的中间值赋予像素. 编程时编写了两个函数. search1.m 采用冒泡法选取矩阵中中间值. zhlb.m 返回中值滤波后的图像.编程方法与lypj.m类似,让一个矩形块在图像矩阵中移动,然后选取适当的值赋予当前像素. 程序中未考虑边缘像素. 编写zh.m, 对图像’bear.jpg’ 进行邻域为33及55的邻域的中值滤波. 运行结果如下: 分析: 由于中值滤波是选取的周围邻域的灰度的中间值, 对于加入的椒盐噪声来说,很容易就可以滤掉,因为椒盐噪声的灰度值为255或0. 因此,相同邻域大小的情况下,中值滤波的效果要比邻域平均好得多. 在中值滤波中, 若选用的邻域越大,则图像就模糊的越厉害, 如5*5邻域中小熊的嘴不如3*3种小熊的嘴清楚. 三.空间低通 空域中实现低通滤波是用离散卷积,输出图像为,输入为,冲及响应H , 选取三种H, h1=1/9*[1 1 1;1 1 1;1 1 1];h2=1/10*[1 1 1;1 2 1;1 1 1];h3=1/16*[1 2 1;2 4 2;1 2 1]; 来对’bear.jpg’作空域低通,并与中值滤波的效果作比较. 程序见 kylpf.m. 运行结果如下: 分析:算子阵列的不同,滤波效果也不一样, 算子h1的平滑效果最好,但是图像相对于后两个算子丢失了大量的细节. 算子h3能够保存一些细节,是处理后的图像最大程度上与原图像类似,但平滑的效果不佳,算子h2的平滑效果位于h1和 h3之间. 但是与中值滤波相比,效果仍然相差很远. 中值滤波与邻域低通相比,也有较好的效果(对于椒盐噪声的处理来说).可见,中值滤波是一种很简单但是效果有很好的滤波方法. 四.频域低通 对于图像来说,频域低通可以滤掉图像中的高频成分,保留图像中的低频成分,从而使图像的细节及突变部分受到削弱,整体情况得到保存. 常用的低通滤波器有 理想低通(ILPF),butterworth低通(BLPF),指数型低通(ELPF),梯形低通(TLPF).以下为对各种低通的性能检验, 为了显示方便起见,以及draw.m,用于画图像的频谱fft. 所有的滤波器滤波效果都在flpf.m,以下逐个介绍: 为便于对比,把原图像及加入噪声后的图像及其频谱显示在下: ILPF 理想低通的传递函数是 H(u,v)=1(只有当D(u,v)=D0),对于上述140*140图像来说,取截止频率为25,对加有椒盐噪声的图像处理得如下效果: 分析:经过如左图截止频率为25的低通后,图像得到了平滑,平滑后图像频谱也被限制 在截止频率以内, 但此处理效果并不佳,因为此时图像太模糊,较原图像变化太大,高频也就是细节部分丢失太多.如果对低通滤波作Ifft的话,就会发现有振铃效应(实际为sa函数). TLPF传递函数为 假设D1=15,D2=30 ,仍然对上述同一幅图像进行处理，得结果如下： 分析：由滤波过后图像的频谱可得，频谱的边缘不是陡降的，而是缓慢变化的，充分 说明了TLPF的滤波特性，由于频域上的非陡降，因