06第四章图像增强2—平滑滤波.pptVIP

图 像 平 滑 技术分类和实现原理 平滑滤波和锐化滤波的特点 1、平滑滤波 减弱或消除图像中的高频分量，但不影响低频分量。 2、锐化滤波 减弱或消除图像中的低频分量，但不影响高频分量。 图 像 平 滑 一、图像噪声 二、图像平滑／去除噪声 １、概述 　　任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。 　　噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。　　 ２、图像噪声分类 按其产生的原因可分为：外部噪声和内部噪声。 从统计特性可分为：平稳噪声和非平稳噪声。 按噪声和信号之间的关系可分为：加性噪声和乘性噪声。 按其产生的原因 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。 主要外部干扰如下：  由光和电的基本性质所引起的噪声。 电器的机械运动产生的噪声。 元器件材料本身引起的噪声。 系统内部设备电路所引起的噪声。 按统计特性 平稳噪声：统计特性不随时间变化的噪声。 非平稳噪声：统计特性随时间变化的噪声。 按噪声和信号之间的关系 　加性噪声：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； 　乘性噪声：如果叠加波形为S(t)［1+n(t)］形式， 则称其为乘性噪声。 图像中的脉冲噪声 用各种尺寸的模版平滑图像 ３、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 二、图像平滑 １、基本概念 ２、常用的基本方法 基本概念 １、模板：如下图有点类似于矩阵的式子，大小有３＊３、５＊５、９＊９等。带星号的数据表示该元素为中心元素，即这个元素是将要处理的元素。 ２、模板操作（模板运算）：按照一定的模板进行运算，如上图的模板进行的操作即为，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。 基本概念 卷积核：即模板运算中的模板。核中的元素称为加权系数（卷积系数）。 卷积（或互相关）运算：模板运算的数学含义。作加权求和的过程。邻域的中每个像素，分别与卷积核中的元素相乘，乘积求和所得结果即为中心像素的新值。 卷积运算过程见下页 卷积运算 模板卷积 模板卷积的在空域实现的主要步骤： 1、将模板在图中漫游，并将模板中心与图中某个像素位置重合； 2、将模板上的各个系数与模板下的各对应像素的灰度值相乘； 3、将所有乘积相加； 4、将上述运算结果赋给模板中心位置的像素。 二、图像平滑／去除噪声 1、邻域平均法 2、中值滤波 3、其他去噪技术 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。 Box模板：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： 邻域平均法 数学表达：设有一幅N×N的图像f(x,y)，若平滑图像为g(x,y),则有 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。 邻域平均法的思想: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。 例如，用3×3 Box模板对一幅数字图像处理结果，如图4-18所示（计算结果按四舍五入进行了调整，对边界像素不进行处理）。 主要优点：算法简单，计算速度快。 缺点：降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。 邻域平均法的改进 为克服简单局部平均法的弊病，目前已提出许多保边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参加平均的点数以及邻域各点的权重系数等，下面简要介绍一种算法（超限邻域平均法 ） 超限邻域平均法 邻域平均法 可以看到“超限邻域平均法”比一般邻域平均法的效果要好，在操作中对窗口的大小及门限的选择要慎重，T太小，噪声消除不干净；T太大，易使图像模糊。 在实际应用中我们一般用3×3窗口，而且还可以对邻域中各个像素乘以不同的权重然后再平均，以下给出常用的几种加权矩阵。 二、 非线性平滑滤波 1、原理及优缺点 2、中值滤波与平均值滤波的比较 3、二维中值滤波 4、复合型中值滤波 1、 中值滤波原理 中值滤波： 是对一个奇数点滑动窗口内的像素灰度值排序，用中值代替窗口中心像素的原来灰度值。因此它是一种非线性的图像平滑法。 优点：对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。 缺点：对点、线等细节较多的图像却不太合适。 3、二维中值滤波 常用的二维中值滤波窗口有线状、方形、圆形、十字形以及圆环形等（如图）