第6次课医学图像恢复技术解剖.pptx

医 学 图 像 处 理Medical Image Processing;主要内容：;（3）噪声图像的恢复 3）顺序统计滤波器 修正后阿尔法均值滤波器： 中值滤波器： g(x,y)=median(f(x,y)) 最大值滤波器： g(x,y)=max(f(x,y)) 最小值滤波器： g(x,y)=min(f(x,y)) 中点滤波器：g(x,y)=(1/2)*(min(f(x,y))+max(f(x,y))) ;（3）噪声图像的恢复 3）顺序统计滤波器 修正后阿尔法均值滤波器：适用于混合噪声 中值滤波器： 适用于脉冲噪声 最大值滤波器： 适用于胡椒噪声，滤除暗点 最小值滤波器： 适用于盐噪声，滤除亮点 中点滤波器：适用于高斯噪声和均匀随机分布的噪声 ;（3）噪声图像的恢复 ①修正后阿尔法均值滤波 设g(x,y)表示带噪图像，Sxy表示图像中点(x,y)的m*n邻域。对邻域Sxy的所有像素g(s,t)排序，去掉d/2个最低灰度值和d/2个最高灰度值。用gr(s,t)表示剩余的m*n-d个像素。由这些像素的平均值形成的滤波器称为修正后阿尔法均值滤波器。;（3）噪声图像的恢复 ①修正后阿尔法均值滤波 其中0dmn-1，当d=0,修正后阿尔法均值滤波退化为算术均值滤波；当d=mn-1，滤波退化为中值滤波。当d取中间的其他值时，修正后阿尔法均值滤波适用于处理包括多种噪声的混合情况。 ;①修正后阿尔法均值滤波 function f=alphatrim(g,m,n,d) g=im2double(g); f=imfilter(g,ones(m,n),symmetric); for k=1:d/2 f=imsubtract(f,ordfilt2(g,round(k),ones(m,n),symmetric)); end for k=(m*n-(d/2)+1):m*n f=imsubtract(f,ordfilt2(g,round(k),ones(m,n),symmetric)); end f=f/(m*n-d); ;（3）噪声图像的恢复 ①修正后阿尔法均值滤波 若对修正后阿尔法均值滤波稍加改变，就可以得到K邻近均值（中值）滤波。它是在Sxy中选择K个与待处理像素的灰度差为最小的像素，再用这K个像素的均值（中值）替换原来的像素，因此有mn-d=K.;（3）噪声图像的恢复 ①修正后阿尔法均值滤波 为了减少平滑后图像的模糊，在对当前像素进行平滑时，应尽量保留边界点和细节点，而选择非边界点非细节点进行平滑。修正后阿尔法均值滤波和K邻近均值（中值）滤波都是对与当前像素的灰度差较小的邻域像素进行均值或中值处理，具有一定的边界点和细节点保持效果。;（3）噪声图像的恢复 ②中值滤波器 g=medfilt2(f,[m n], symmetric); ③最大值滤波 g=ordfilt2(f,m*n,ones(m,n),symmetric); ④最小值滤波 g=ordfilt2(f,1,ones(m,n),symmetric); ;（3）噪声图像的恢复 ⑤中点滤波 g1=ordfilt2(f,1,ones(m,n),symmetric); g2=ordfilt2(f,m*n,ones(m,n),symmetric); g=imlincomb(0.5,g1,0.5,g2); ;（3）噪声图像的恢复 4）自适应滤波器 自适应中值滤波算法(Adaptive Median Filtering Algorithm, AMF)是一种中值滤波，使用一个邻域区域作为滤波窗口，在滤波过程中会根据一定的设定条件改变滤波窗口的大小。;（3）噪声图像的恢复 4）自适应滤波器 另外，自适应中值滤波算法主要通过判断当前滤波窗口的中心像素点的性质来决定滤波的输出：当判断窗口中心的像素是脉冲噪声时，将中心像素用滤波窗口中的像素排序后的中值代替；否则不改变当前的像素值，直接输出。 ;（3）噪声图像的恢复 4）自适应滤波器 自适应中值滤波算法分为两步进行：噪声检测和噪声滤波，基本步骤如下： Wij表示正被处理的、中心在(i,j)处的滤波窗口； S0为默认的初始窗口大小，Smax为允许的最大窗口大小。 fij为(i,j)处的灰度值，fmin为Wij中的最小灰度值，fmax为Wij中的最大灰度值，fmed为Wij中的灰度中值。 ;（3）噪声图像的恢复 4）自适应滤波器