基于平滑滤波的图像去噪技术研究.ppt

基于平滑滤波的图像去噪技术研究 班级：070404班 姓名：朱春浩 指导教师：王昕老师 1、课题研究的意义和内容 2、典型的自适应滤波器结构图 3、实验结果及分析比较 4、总结 意义：(1)提高图像的视觉感观质量 (2)提取图像中包含的某些特殊信息或特征 (3)图像数据的变换、编码和压缩,便于图像的传输和存储。 内容：本文主要讨论数字图像的各种平滑技术，在第二章介绍了几种基本的平滑技术，有低通，均值，中值和自适应滤波方法，同时研究他们各自的工作原理，实现过程，优缺点及去噪效果。并且通过仿真实验，对这几种方法进行了比较。 2、典型性的自适应滤波器结构图 3、实验结果及分析比较 由图可以看出，均值滤波器不适合去除椒盐噪声，经均值滤波器滤波后仍然存在较多的噪声；中值滤波器对椒盐噪声的滤除有着与生俱来的优势，这点可以从椒盐噪声特点和中值滤波定义很容易推得，观察滤波前后的图像，中值滤波器对椒盐噪声滤除的比较干净，对于强度不很大的椒盐噪声，滤波后基本看不出噪声点，但是图像也变得很模糊了，细节信息丢失比较严重，其会引起图像中诸如细线、角点等包含重要细节结构的丢失和破坏；加入椒盐噪声的图像经Butterworth低通滤波器滤波后，虽然滤除了一些噪声点，但图像显得模糊不清. 由图像可以看出，均值滤波对高斯噪声比对椒盐噪声有效，明显看到均值滤波器能很大程度上滤除高斯噪声，滤波后图像中的噪声残留不是很大，用均值滤波处理过后的图像显得有点模糊不清；中值滤波对于噪声离散度较小的高斯噪声无能为力，明显看到中值滤波器不能较好的滤除高斯噪声，滤波后图像中的噪声残留很大，因为中值滤波是对某一素点的邻域点的素值按大小来排序，然后取中间值来替换原点的素值，那么噪声点离散程度较小的话势必对图像的去噪效果有很大的影响，也能看出中值滤波器明显的缺点是，虽然中值滤波器能保护部分边缘，单是观察发现去噪后的图像细节和边缘丢失比较严重；加入高斯噪声的图像经Butterworth低通滤波器滤波后，可以明显看出噪声已经得到了有效抑制，但是仍然和对椒盐噪声的滤除结果相似，图像中残留大量的噪声，图像质量改善程度不高显得模糊不清。 结 果 分 析 (1)自适应中值滤波后，它的去噪效果和常规中值滤波算法的去噪效果相比好了许多。不仅滤除了椒盐噪声,而且很好的保留了图细节。在对具有空间密度较大的椒盐噪声图进行滤波时，自适应中值滤波器较传统中值滤波器具有很大的优越性，在很大程度上降低了滤除噪声和图细节丢失之间的矛盾，对于工程实现有较好的理论参考价值。但对滤除图中的高斯噪声则没有滤除椒盐噪声的效果好，滤波后图显得有模糊不清。 (2)加权均值自适应中值滤波器去除图中加入的椒盐噪声后，图和原图的效果很接近，去噪性能非常好。但是，在去除高斯噪声时，效果就没有去除椒盐噪声那么好，滤波后图有点模糊。 (3)基于均值操作的快速自适应滤波器在保存边缘细节的基础上，对椒盐噪声和高斯噪声都有较好的抑制作用。滤波后图的效果和原图非常接近。 4、总 结 * * 提 纲 1、课题研究的意义和内容 椒盐噪声？ 边缘？ 邻点均值 直通 均值 图1、 判断椒盐噪声的自适应算法结构 此种自适应结构充分考虑了不同的噪声源和不同的图局部特征，这种算法的出发点是基于实时的图去噪，因此该算法采用的是以均值操作为主的简单运算。这种处理就是滤波器首先对椒盐噪声予以识别和滤除。 3、1 实验结果分析 实验采用256×256的一幅Lena图为例，加入密度为0.1的椒盐噪声。观察采用均值滤波、中值滤波、低通滤波的去噪效果，如图3.1所示。 (a) lena原图 (b) 加入密度为0.2的椒盐噪声图 (c) 均值滤波后图 (d) 3×3中值滤波后图 (e) Butterworth低通滤波后图 图3.1加入椒盐噪声后滤波图 再加入均值为0，方差为0.02的高斯噪声，观察上述滤波法的去噪效果，如图3.2所示。 (a) lena原图 (b) 加入高斯噪声的图 (c) 均值滤波后图 (d) 3×3中值滤波后图 (e) Butter