计算机图像处理之滤波原理.docVIP

  1. 1、本文档共13页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
计算机图像处理之滤波原理,图像滤波原理,图像维纳滤波原理,图像低通滤波原理,图像中值滤波原理,图像滤波的基本原理,图像处理滤波,卡尔曼滤波图像处理,数字图像处理中值滤波,维纳滤波图像处理

计算机图像处理结课论文 浅析数字图像滤波原理及方法 学院班级:*** 学号:*** 姓名:*** 电话: 邮箱: 浅析数字图像滤波原理及方法 滤波原理 图像滤波,即在尽量保留图像细节特征的条件下对目标像的噪声(包括高斯噪声、椒盐 噪声、随机噪声)进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。 由于成像系统、传输介质和记录设备等的不完善,数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外,在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立象素点或象素块。一般,噪声信号与要研究的对象不相关它以无用的信息形式出现,扰乱图像的可观测信息。对于数字图像信号,噪声表为或大或小的极值,这些极值通过加减作用于图像象素的真实灰度值上,在图像造成亮、暗点干扰,极大降低了图像质量,影响图像复原、分割、特征提取、图识别等后继工作的进行。要构造一种有效抑制噪声的滤波机必须考虑两个基本问题能有效地去除目标和背景中的噪声;同时,能很好地护图像目标的形状、大小及特定的几何和拓扑结构特征。 滤波方式 (1)中值滤波: 中值滤波由Turky在1971年提出,最初用于时间序列分析,后来被用于图像理,并在去噪复原中取得了较好的效果。中值滤波器是基于次序统计完成信号恢的一种典型的非线性滤波器,其基本原理是把图像或序列中心点位置的值用该域的中值替代,具有运算简单、速度快、除噪效果好等优点,曾被认为是非线波的代表。然而,一方面中值滤波因不具有平均作用,在滤除诸如高斯噪声之非冲激噪声时会严重损失信号的高频信息,使图像的边缘等细节模糊;另一方中值滤波的滤波效果常受到噪声强度以及滤波窗口的大小和形状等因素的制约了使中值滤波器具有更好的细节保护特性及适应性,人们提出了许多中值滤波器的改进算法!标准中值滤波算法的基本思想是将滤波窗口内的最大值和最小值均视为噪声,用滤波窗口内的中值代替窗口中心像素点的灰度,在一定程度上抑制了噪声。实际上在一定邻域范围内具有最大或最小灰度值这一特性的,除了噪声点,还包括图像中的边缘点、线性特征点等。中值滤波以此作为图像滤波依据,其滤波结果不可避免地会破坏图像的线段、锐角等信息。因此,要找到一种既能实现有效滤除噪声,又能完整保留图像细节的滤波机制,仅考虑噪声的灰度特性是难以实现的 原理图示 滤波步骤 1、将模板在图中漫游,并将模板中心与图中某个像素位置重合; 2、读取模板下各对应像素的灰度值; 3、将这些灰度值从小到大排成一列; 4、找出这些值的中间值; 5、将这个值赋给对应模板中心位置的像素。 效果展示: 噪声图像 中值滤波3x3 (2)均值滤波: 均值滤波也称为线性滤波,其采用的主要方法为领域平均法(还有加权平均法)。线性滤波的基本原理是用均值代替原图像中的各个像素值,即对待处理的当前像素点(x,y),选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点(x,y),作为处理后图像在该点上的灰度个g(x,y),即个g(x,y)=1/m ∑f(x,y) m为该模板中包含当前像素在内的像素总个数。 例如: 3×3模板: 1 2 1 2 4 2 1 2 1 加权平均模版: 例如3*3模版处理过程: 实际中处理效果如下: 噪声图像 均值滤波图像 (3)高斯滤波: 高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。 高斯滤波的具体操作是:用一个模板(或称卷积、掩模)扫描图像中的每一个像素,用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。 若使用3×3模板,则计算公式如下: g(x,y)={f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+[f(x-1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/16; 其中,f(x,y)为图像中(x,y)点的灰度值,g(x,y)为该点经过高斯滤波后的值。 椒盐噪声图像 3*3高斯滤波图像 (4)K近邻均值滤波 其算法步骤为: 1) 以待处理像素为中心,作一个m*m的作用模板

文档评论(0)

wdhao + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档