第五章图像噪声的抑制要点分析.ppt

第五章  图像噪声的抑制 二维中值滤波 例：取窗口大小为3X3 9 8 7 6 5 8 8 6 7 5 9 8 6 7 5 4 3 2 2 1 3 4 1 2 1 原图像 9 8 7 6 5 8 8 6 7 5 9 8 6 7 5 4 3 2 2 1 3 4 1 2 1 2 3 4 5 6 6 6 7 8 中值滤波处理后输出图像 中值滤波与邻域平均法比较 例：输入图像序列为{0，3，4，0，7}， 取窗口大小为5，则 中值滤波处理后输出图像为 {0，3，3，0，7} 邻域平均法处理后输出图像为 {0，3，2.8，0，7} 结论：此两种方法平滑噪声效果接近。 结论：中值滤波的主要功能就是让与周围像素灰度值的差比较大的像素改取与周围像素值接近的值，从而可以消除孤立的噪声点。 二、中值滤波性质： 1、非线性： 设两个一维图像信号序列f(x)、g(x) Med{ f(r)+ g(r)}? Med{ f(r) }+ Med{ g(r)} 2、对某些输入信号中值滤波不变性： ? 在窗口2n+1内单调增加或单调减少的序列，中值 滤波输出信号保持输入信号不变。 一些周期性的数据序列,如给一维周期性二值序 列： { fi }=…,+1,+1,-1,-1,+1,+1,-1,-1,… 若设窗口长度为9，则中值滤波对此序列保持不 变性。 ?对于阶跃信号，中值滤波保持不变性。 3、去噪声性能： 中值滤波主要用来减弱随机干扰和脉冲干扰。对于随机干扰，中值滤波性能要比平均值滤波差一些。对于脉冲干扰，中值滤波强一些。 4、频谱特性： 设G为输入信号频谱，F为输出信号频谱，定义中值滤波的频率响应特性： 输入信号经中值滤波后，频谱基本保持不变。 中值、均值滤波比较示例 3×1 均值滤波 中值滤波 中值、均值滤波比较示例 1×3 均值滤波 中值滤波 中值、均值滤波比较示例 4邻域 均值滤波 中值滤波 中值、均值滤波比较示例 3×3 均值滤波 中值滤波 中值、均值滤波比较示例 5×5 均值滤波 中值滤波 中值滤波效果分析 与均值滤波相比，去除椒盐噪声效果好，而且模糊轻微，边缘保留较好。 椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。 中值滤波是选择适当的点来替代污染点的值，所以处理效果好。 因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。 中值滤波效果分析 对于高斯噪声，均值滤波效果好。 高斯噪声是幅值近似正态分布，但分布在每点像素上。 因为图像中的每点都是污染点，所中值滤波选不到合适的干净点。 因为正态分布的均值为0，所以根据统计数学，均值可以消除噪声。 实际上只能减弱，不能消除。 5.4 低通滤波 目的：滤除高频成分，保留低频成分，在频域中实现平滑处理。 噪声对应于高频部分，所以去噪可以采用低通滤波。 低通滤波公式： F(u,v) 为含噪声图象频谱， G(u,v) 为平滑后图象频谱， H(u,v) 为频域低通滤波器转移函数。 下图为频率域低通滤波平滑图像的系统框图 F(u,v) G(u,v) 下面介绍常用的几种低通滤波器 * * 第5章 图像噪声的抑制 5.1 图像噪声的基本概念 5.2 均值滤波 5.3 中值滤波 5.4 低通滤波 5.5 多帧图像平均 5.6 边界保持类平滑滤波 5.1 图像噪声的基本概念 噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。 描述噪声的方法完全可以借用随机过程及其概率分布函数和概率密度函数，通常是用其数字特征，即均值方差、相关函数等进行处理。 1. 图像噪声的分类 按产生原因分类：分为外部噪声和内部噪声。 外部噪声是指系统外部干扰从电磁波或经电源传进系统内部而引起的噪声，如电气设备、天体放电现象等引起的噪声。主要外部干扰如下： （1） 由光和电的基本性质所引起的噪声。 （2） 电器的机械运动产生的噪声。 （3） 元器件材料本身引起的噪声。 （4） 系统内部设备电路所引起的噪声。 按统计特性分类：分为平稳噪声和非平稳噪声 统计特性不随时间变化的噪声称为平稳噪声； 统计特性随时间变化的噪声称为非平稳噪声。 按噪声和信号之间的关系分类： 分为加性噪声和乘性噪声。 假定信号为S(t)，噪声为n(t)， 加性噪声：如果混合叠加波形是S(t)+n(t)形式，则称其为加性噪声； 乘性噪声：如果叠加波形为S(t)［1+n(t)］形式， 则称其为乘性噪声。 为了分析处理方便，往往将乘性噪声近似认为加性噪声，而且总是假定信号和噪声是互相独立的。 2.