数字图像处理第4章 图像增强与平滑.ppt

常用的频率域低通滤波器有：理想低通滤波器（ILPF）、 巴特沃思低通滤波器（BLPF）、指数低通滤波器（ELPF）。这三种频率域低通滤波器的频率特性比较如图4-27所示。 图4-27 ILPF、 BLPF、 ELPF特征曲线 (a) ILPF特征曲线； (b) BLPF特征曲线； (c) ELPF特征曲线 按噪声和信号之间的关系可分为加性噪声和乘性噪声。 假定信号为S(t)，噪声为n(t)，如果混合叠加波形是S(t)+n(t)形式，则称其为加性噪声； 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。 图4-16 有噪声的图像 图像系统噪声特点: 噪声在图像中的分布和大小不规则; 噪声与图像之间具有相关性; 噪声具有叠加性。 4.4 去 除 噪 声 改善降质图像的方法有两类： 图像增强：不考虑图像降质的原因，只将图像中感兴趣的部分加以处理或突出有用的图像特征，故改善后的图像并不一定要去逼近原图像。主要目的是要提高图像的可懂度。 图像恢复或图像复原技术：针对图像降质的具体原因，设法补偿降质因素，使改善后的图像尽可能地逼近原始图像。 图像增强处理的方法基本上可分为两大类： 空间域法：在原图像上直接进行数据运算，对像素的灰度值进行处理。它又分为两类： 点运算：对图像作逐点运算。 局部运算：在与处理像点邻域有关的空间域上进行运算。 频域法：在图像的变换域上进行处理， 增强感兴趣的频率分量， 然后进行反变换， 得到增强了的图像。 4.4.1 模板操作和卷积运算 模板操作是数字图像处理中常用的一种运算方式，图像的平滑、锐化以及后面将要讨论的细化、边缘检测等都要用到模板操作。 例，将原图中的一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值作为新图像中该像素的灰度值。可用如下方法来表示该操作： 如果将原图中一个像素的灰度值和它右下相邻近的8个像素值相加，然后将求得的平均值作为新图像中该像素的灰度值，模板为： 模板操作实现了一种邻域运算，即某个像素点的结果不仅和本像素灰度有关，而且和其邻域点的值有关。模板运算的数学含义是卷积（或互相关）运算。图4-17说明了卷积的处理过程。 卷积运算中的卷积核就是模板运算中的模板，卷积就是作加权求和的过程。邻域中的每个像素分别与卷积核中的每一个元素相乘，乘积求和所得结果即为中心像素的新值。卷积核中的元素称作加权系数，卷积核中的系数大小及排列顺序， 决定了对图像进行区处理的类型。 改变卷积核中的加权系数，会影响到总和的数值与符号， 从而影响到所求像素的新值。 图4-17 卷积运算示意图 在模板或卷积的加权运算中，注意： 图像边界问题，当在图像上移动模板（卷积核）至图像的边界时，在原图像中找不到与卷积核中的加权系数相对应的像素，即卷积核悬挂在图像缓冲区的边界上， 这种现象在图像的上下左右四个边界上均会出现。解决方法： 忽略图像边界数据； 在图像四周复制原图像边界像素的值，从而使卷积核悬挂在图像四周时可以进行正常的计算。实际应用中，多采用第一种方法。 计算出来的像素值的动态范围问题。 4.4.2 邻域平均法 邻域平均法是一种利用Box模板对图像进行模板操作（卷积运算）的图像平滑方法，所谓Box模板是指模板中所有系数都取相同值的模板， 常用的3×3和5×5模板如下： Box模板对当前像素及其相邻的的像素点都一视同仁，统一进行平均处理， 这样就可以滤去图像中的噪声。例如，用3×3 Box模板对一幅数字图像处理结果： 图4-18 3×3Box模板平滑处理示意图 图4-19 图像的领域平均法 邻域平均法的思想是通过一点和邻域内像素点求平均来去除突变的像素点，从而滤掉一定的噪声，其主要优点是算法简单，计算速度快， 但其代价是会造成图像一定程度上的模糊。 邻域平均法的平滑效果与所采用邻域的半径（模板大小）有关。半径愈大， 则图像的模糊程度越大。 为解决邻域平均法造成图像模糊的问题，可采用阈值法、K邻点平均法、梯度倒数加权平滑法、 最大均匀性平滑法、小斜面模型平滑法等。 4.4.3 中值滤波 中值滤波器于1971年提出并应用在一维信号时间序列分析中， 后来被二维图像信号处理技术所引用。 中值滤波是一种非线性信号处理方法，它在一定条件下，可以克服线性滤波器（如邻域平滑滤波等）所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。 但对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波。 1.