第5讲噪声与去噪08解说.ppt

一、图像噪声 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。 不可预测， 只能用概率统计方法来认识的随机误差。 描述：借用随机过程及其概率分布函数和概率密度函数 通常：数字特征，即均值方差、相关函数等。 产生的原因：外部噪声和内部噪声。外部噪声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。 噪声分类 按噪声与信号之间的关系分： 加性噪声：噪声和图像信号的强度不相关，如图像在传输过程中引入的信道噪声，摄象机扫描噪声等。 g=f+n 乘性噪声：噪声和图像信号相关，往往随图像信号的变化而变化，如飞点扫描图像中的噪声、电视扫描光栅、颗粒噪声等。 g=f+ fn 量化噪声：数字图像的主要噪声源， 其大小显示出数字图像与原始图像的差异。（可采用非均匀量化降噪） 椒盐噪声：即黑图像的白点、白图像上的黑点，往往由图像切割引起。 白噪声、高斯噪声、冲激噪声 按统计特性分：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。 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（随机性） (2) 噪声与图像之间具有相关性 (3) 噪声具有叠加性 图像增强所包含的主要内容： 模板操作 卷积 模板操作： 数字图像处理中常用的一种运算方式，图像的平滑、锐化、细化、边缘检测等都要用到模板操作。 模板（Template） ：类似于矩阵，如 3×3 Box模板(所有系数都相同）平滑处理示意图 优点：算法简单，计算速度快 缺点：图像产生模糊，特别在边缘和细节处； 邻域越大，模糊程度越严重。 改进的方向： 选择邻域的大小、 形状和方向 如何选择参加平均的点数以及邻域各点的权重系数等 既能够消除噪声（方差最小），又不破坏区域边界的细节 取3X3窗口 取N=3 取N=3 取N=3 取N=3 取N=3 取N=3 编程： 用邻域平均法实现3×3、5×5的窗口的图像滤波； 实现3×3、5×5的窗口的中值滤波。 中值滤波去除噪声 例 200显然是个噪声。 中值滤波去除噪声 例 200显然是个噪声。 中值滤波去除噪声 例 200显然是个噪声。 中值滤波去除噪声 例 200显然是个噪声。 中值滤波去除噪声 例 200显然是个噪声。 中值滤波去除噪声 例 200显然是个噪声。 滤波后，200被去除。 const int M=7; const int N=7; //odd const int Th=(M*N)/2; //M*N/2; int *v =new int [M*N+1];//[N*M];//line N Column M not rect for (int i = StartPoint.y; i =EndPoint.y; i ++) { lpSrc = (unsigned char *)pDoc-m_pDib-m_lpImage + lLineBytes* (lHeight-1-i) + StartPoint.x-1; lpDst =lpNewDIBBits + lLineBytes * (lHeight - 1 - i)+ StartPoint.x-1; for (int j =StartPoint.x; j =EndPoint.x; j ++){ lpSrc++; lpDst++; if(i=M/2 ilHeight-M/2 j=N/2 jlWidth-N/2){ //Get M*N data to v[] int k=0; for(int m=-M/2;m=M/2;m++) for(int n=-N/2;n=N/2;n++){ v[k]=*(lpSrc+m*lLineBytes+n); k++; } //sort v[] for(m=0;mM*N-1;m++) for(int n=m+1;nM*N;n++) {if(v[m]v[n]){ //swap int tmp=v[m]; v[m]=v[n]; v[n]=tmp; }} *(lpDst)=(unsigned char)v[Th]; 中值滤波对持续期小于窗宽（N=5）的1/2的脉冲将进行抑制---阶跃 中值滤波对持续期小于窗宽（N=5）的1/2的脉冲将进行抑制---斜坡 中值滤波对持续期小于窗宽（N