数字图像处理 第4章图像平滑.pptVIP

* 第四章 图像增强与平滑 4.4 图 像 噪 声 4.4.1 概述  噪声：“妨碍人们感觉器官对所接收的信源信息理解的因素”。理论上可以定义为“不可预测， 只能用概率统计方法来认识的随机误差”。因此，将图像噪声看成是多维随机过程是合适的，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。 4.4.2 图像噪声分类 图像噪声按其产生的原因可分为外部噪声和内部噪声。 图像噪声从统计特性可分为平稳噪声和非平稳噪声两种。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。  4.4.3 图像系统噪声特点 1. 噪声在图像中的分布和大小不规则； 2. 噪声与图像之间具有相关性； 3. 噪声具有叠加性。 有噪声的图像 4.5 图像平滑处理－去 除 噪 声 图像去噪的基本方法： 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。 点运算：对图像作逐点运算。 局部运算：在与处理象素点邻域有关的空间域上进行运算。 频率域法——在图像的频率域上进行处理， 然后进行反变换， 得到去除噪声后的图像。 4.5.1 空间滤波基础 某些邻域处理工作是操作邻域的图像像素值以及相应的与邻域有相同维数的子图像的值。这些子图像可以被称为滤波器(filter) 、模板(template)或核、掩模(mask) ，在滤波器子图像中的值是系数值，而不是像素值。 空间滤波的机理 该处理就是在待处理图像中逐点地移动掩模。在每一点(x，y)处，滤波器在该点的响应通过事先定义的关系来计算 。 线性空间滤波是掩模系数与直接在掩模下的相应像素的乘积之和。 4.5.2 模板操作和卷积运算 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。 卷积是一种用途很广的算法，可用卷积来完成各种处理变换。 卷积运算示意图 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。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。 模板或卷积的加权运算中存在的具体问题： 图像边界问题。 卷积结果是否参与运算问题。 4.5.3 平滑空间滤波器 1. 邻域平均法（平滑线性滤波、均值滤波） Box模板法（Box Filter）: 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（图中计算结果按四舍五入进行了调整，对边界像素不进行处理）。 3×3Box模板平滑处理示意图 Box模板法的数学含义可用下式表示： 式中：x, y = 0, 1, …, N-1；S是以(x, y)为中心的邻域的集合，M是S内的点数。 Box模板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。 主要优点是算法简单，计算速度快。 缺点是会造成图像一定程度上的模糊。采用邻域的半径（模板大小）愈大， 则图像的模糊程度越大。 Box模板法的优缺点： 加权平均模板法： Gaussian Filter : 数学含义：用不同的系数乘以像素，权值不同，像素的重要性不同——该方法可以减小平滑处理中的模糊现象。 图像的邻域平均法 (a) 原始图像； (b) 邻域平均后的结果 a. 大小为500×500象素的原图像 b-f. 用大小为3，5，9，15，35的方形均值滤波模板平滑的结果 为了对感兴趣物体得到一个粗略的描述而模糊一幅图像，这样使那些较小物体的强度与背景混合在一起了，较大物体变得像“斑点”而易于检测。 2. 中值滤波（Median Filter） 中值滤波是一种非线性运算，与其对应的中值滤波器也就是一种非线性滤波器，属于统计排序滤波器的一种。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。