Chapter05 - 副本.ppt

均值滤波器总结 算术均值滤波器和几何均值滤波器适合于处理高斯或均匀噪声 谐波均值滤波器适合于处理脉冲噪声 缺点：必须事先知道噪声是暗噪声还是亮噪声，以便于选择合适的Q符号 5.3.2 顺序统计滤波器 （中值滤波器） 在相同尺寸下，比均值滤波器引起的模糊少 对单极或双极脉冲噪声非常有效 顺序统计滤波器 （最大值滤波器） 用于发现图像中的最亮点 可以有效过滤“胡椒”噪声 顺序统计滤波器 （最小值滤波器） 用于发现图像中的最暗点 可以有效过滤“盐”噪声 顺序统计滤波器 （中点滤波器） 结合了顺序统计以及求平均 对于高斯和均匀随机分布这类噪声有最好的效果 顺序统计滤波器 （修正后的阿尔法均值滤波器） 在Sxy邻域内去掉g(s, t)最高灰度值的d/2和最低灰度值的d/2； gr(s, t)代表剩余的mn-d个像素； 当d=0，退变为算术均值滤波器； 当d=(mn-1)，退变为中值滤波器； 当d取其它值时，适用于包括多种噪声的情况下，如高斯噪声和椒盐噪声混合的情况。 顺序统计滤波器举例（中值滤波器） Pa =Pb =0.1的脉冲噪声 3×3的中值滤波器 第三次中值滤波器处理，全部噪声消除 第二次中值滤波器处理 顺序统计滤波器举例（最大值滤波器/最小值滤波器） “胡椒”噪声干扰图像 “盐”噪声干扰图像 最小值滤波器处理 最大值滤波器处理 顺序统计滤波器举例（修正后的阿尔法均值滤波器） 脉冲噪声的存在使得算术均值和几何均值滤波器效果不好 均值为0，方差为800的噪声 算术均值 滤波器× 几何均值 滤波器× 中值滤波器 d=5,规格为5×5的修正后的阿尔法均值滤波器 √ Pa=Pb=0.1的椒盐噪声叠加 5.3.3 自适应滤波器 行为变化基于由m×n矩形窗口Sxy定义的区域内图像的统计特性。 与前述滤波器相比，性能更优，但也增加了算法复杂性。 包括: *自适应、局部噪声消除滤波器 *自适应中值滤波器 自适应、局部噪声消除滤波器（1） 滤波器响应基于以下4个量： 滤波器的预期性能如下： 如果 ＝0，滤波器返回g(x, y)的值。因为g(x, y)在零噪声的情况下等同于f(x, y)。 2. 如果局部方差 比 高，滤波器返回一个g(x, y)的近似值。通常高局部方差与边缘有关。 3. 如果 ，滤波器返回区域Sxy上像素的算术均值。这样局部噪声用求平均mL来降低。 自适应、局部噪声消除滤波器（2） 基于上述假定的自适应表达式： 唯一需要知道或估计的未知量是噪声方差 其它参数可以从Sxy中的像素计算出来 自适应、局部噪声消除滤波器（3） 均值为0，方差为1000 7×7的算术均值滤波器 的高斯噪声 7×7的几何均值滤波器 7×7的自适应滤波器 更加尖锐 5.3.3 自适应中值滤波器（1） 传统中值滤波器只能处理空间密度不大的冲激噪声(pa , pb 0.2), 而自适应中值滤波器可以处理具有更大概率的冲激噪声。 在平滑非冲激噪声时保存细节，而传统中值滤波器无法做到。 自适应中值滤波器：定义下列符号： zmin=Sxy中灰度级的最小值 zmax=Sxy中灰度级的最大值 zmed=Sxy中灰度级的中值 zxy =在坐标（x, y）上的灰度级 Smax=Sxy允许的最大尺寸 主要目的：去除 “椒盐”噪声（冲激噪声）； 平滑其它非冲激噪声； 减少物体边界细化或粗化等失真。 自适应中值滤波器（2） Zmed 自适应中值滤波器举例 * 第5章 图像复原 Image Restoration 主要内容 5.1 图像退化/复原过程的模型 5.2 噪声模型 5.3 仅有噪声时的空间滤波复原 5.4 频率域滤波复原（削减周期噪声） 5.5 线性位置不变的退化 5.6 估计退化函数 5.7 逆滤波器 5.8 最小均方误差滤波（维纳滤波） 5.9 约束最小二乘方滤波 5.10 几何均值滤波 5.11 由投影重建图像 5.1 图像退化/复原过程的模型 什么是退化？ 成像过程中的“退化”，是指由于成像系统各种因素的影响，使得图像质量降低。 引起图像退化的原因 成像系统的散焦 成像设备与物体的相对运动 成像器材的固有缺陷 外部干扰等 5.1 图像退化/复原过程的模型 图像复原概述 与图像增强相似，图像复原的目的也是改善图像质量 图像增强主要是一个主观过程，而图像复原主要是一个客观过程 图像增强被认为是一种对比度拉伸，提供给用户