第5讲 图像增强之平滑处理.pptxVIP

数字图像处理技术-2016-01;;成像噪声;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。 ;;5.1.1 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。 ;; 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。 ;;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。 ;模板操作和卷积运算;5.2.1 邻域平均法（Neighborhood Averaging）;;习题练习 对如下图像用3×3滑动平均模板进行降噪处理，计算平均降噪后图像蓝色区域的像素值。;实例一：;(a) 原图像;(a) 原图像;5.2.2 中值滤波法（Median Filtering）;习题练习 对如下图像用3×3滑动模板进行中值滤波降噪处理，计算中值滤波降噪后图像绿色区域的像素值。;实例一：;(a) 原图像;(a) 原图像; 一幅有噪声的图像f(x, y), 可以看作是由原始无噪声图像g(x, y)和噪声n(x, y)叠加而成（加性噪声），即 f(x, y)=g(x, y)+n(x, y) 若叠加在图像上的噪声n(x, y)是非相关、具有零均值的随机噪声时，那么，把针对一目标物(景物)在相同条件下，把作M次重复摄取的图像相加，取平均值作为输出图像，便可对图像中的噪声进行平滑。 ;; 这种方法是一种频域处理法。在分析图像信号的频率特性时，一幅图像的边缘、跳跃部分以及颗粒噪声代表图像信号的高频分量，而大面积的背景区则代表图像信号的低频分量。用滤波的方法滤除其高频部分就能去掉噪声，使图像得到平滑。 ;利用卷积定理， 可得： ;常???的低通滤波器有如下几种： ;一个理想的二维低通滤波器的传递函数由下式表示： ;一个 n 阶巴特沃斯低通滤波器的传递函数由下式表示 ; 巴特沃斯低通滤波器剖面图 ;;指数低通滤波器传递函数;; 梯形低通滤波器传递函数剖面图 ; 用低通滤波器进行平滑处理可以使噪声伪轮廓等寄生效应减低到不显眼的程度，但是由于低通滤波器对噪声等寄生成分滤除的同时，对有用高频成分也滤除，因此，这种去噪的美化处理是以牺牲清晰度为代价而换取的。;1.图像噪声形成原因有哪些？有哪些类型的噪声？; 理想低通滤波器、巴特沃斯低通滤波器、指数低通滤波器、梯形低通滤波器。