图像平滑.ppt

思考 你让工人为你工作7天，回报是一根金条，这个金条平分成相连的7段，你必须在每天结束的时候给他们一段金条。如果只允许你两次把金条弄断，你如何给你的工人付费? 第四章 图像的噪声抑制 图象在传输过程中，由于传输信道、采样系统质量较差，或受各种干扰的影响，而造成图象毛糙，此时，就需对图象进行平滑处理。 噪声 外部噪声和内部噪声。 光电基本性质引起的噪声 机械运动导致的噪声 元器件噪声 系统内部电路噪声 平稳噪声和非平稳噪声 图像噪声的概念 所谓的图像噪声，是图像在摄取时或是传输时所受到的随机干扰信号。 常见的有椒盐噪声和高斯噪声。 图像噪声的概念 椒盐噪声的特征: 出现位置是随机的，但噪声的幅值是基本相同的。 高斯噪声的特征： 出现在位置是一定的（每一点上），但噪声的幅值是随机的。 图像噪声的抑制方法 设计噪声抑制滤波器，在尽可能保持原图信息的基础上，抑制噪声。 均值滤波器 中值滤波器 边界保持类滤波器 频域的滤波方法 均值滤波器 —— 原理 在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。 Image_smooth---均值平滑 /*--------------------------------------Image_smooth---均值平滑-------------- A:输入图像数据 B:输出图像数据 row:图像宽度，高度，行数 col:图像长度，列数 ------------------------------------------------------------------------*/ for i=2:row-1 for j=2:col-1 buf=A1(i-1,j-1)+A1(i-1,j)+A1(i-1,j+1) +A1(i,j-1)+A1(i,j)+A1(i,j+1) +A1(i+1,j-1)+A1(i+1,j)+A1(i+1,j+1); B(i,j)=buf/9; end end Image_smooth---N可调 /*--------------------------------------Image_smooth---均值平滑-------------- A:输入图像数据 B:输出图像数据 row:图像宽度，高度，行数 col:图像长度，列数 ------------------------------------------------------------------------*/ function txsmoothN(N) A=imread(J:\Fig58.bmp); [row,col]=size(A); A1=double(A); N2=floor(N/2); for i=N2+1:row-N2 for j=N2+1:col-N2 buf=0; for m=-N2:N2 for n=-N2:N2 buf=buf+A1(i+m,j+n); end end B(i,j)=buf/(N*N); end end B=uint8(B); subplot(1,2,1),imshow(A),title(original image); subplot(1,2,2),imshow(B),title(new image); 补充说明 在命令行窗口中调用 txsmoothN(5)； 均值滤波器滤椒盐噪声的效果 画面边框保留效果 均值滤波器的缺点是，会使图像变的模糊，原因是它对所有的点都是同等对待，在将噪声点分摊的同时，将景物的边界点也分摊了。 为了改善效果，就可采用加权平均的方式来构造滤波器。 均值滤波器的改进 —— 加权均值滤波 超限像素平滑法 中值滤波器 —— 问题的提出 虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。即使是加权均值滤波，改善的效果也是有限的。 为了有效地改善这一状况，必须改换滤波器的设计思路，中值滤波就是一种有效的方法。 中值滤波器 —— 设计思想 因为噪声（如椒盐噪声）的出现，使该点像素比周围的像素亮（暗）许多。 如果在某个模板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。