图像平滑处理幻灯片.pptVIP

图像平滑处理 *********** wangx 图像噪声 数字图像往往要经过采集、处理、存储、传输等一系列加工变换，而由电气系统和外界引入的图像噪声也将在这些过程中随之引入，可能严重影响图像的质量。 图像噪声 图像噪声消除或减低在航空航天、生物医学等领域的图像预处理中的地位显得十分重要，如遥感图像在去噪，去模糊等处理中遗留或产生的影像辐射噪声将影响判读解译的精度，低强度X射线影像系统中的降噪对疾病诊断具有重要意义。 图像噪声的分类 按产生的原因：分为外部噪声和内部噪声 按统计特性是否随时间变化：分为平稳噪声和非平稳噪声 按噪声幅度随时间分布形状来定义:分为高斯噪声、瑞利噪声、泊松噪声 按噪声频谱形状来分类：分为加性噪声和乘性噪声 MATLAB为图像加噪声的函数 MATLAB中为图像加噪声的函数形式为 J=imnoise(I,type,parameters) 其中，I为原图像的灰度矩阵，J为加噪声后图像的灰度矩阵。type为噪声种类，parameters是允许修改的参数，可以默认。 图像平滑处理 图像平滑主要目的是减少噪声。图像中的噪声种类很多。对图像信号幅度和相位的影响十分复杂。 图像中的噪声往往和信号交织在一起，如果平滑不当，就会使图像本身的细节如边界轮廓，线条等变得模糊不清，从而使图像降质；所以图像平滑过程总是要付出一定的细节模糊代价。 图像平滑处理 邻域平均法 邻域平均法是一种直接在空间域上进行平滑的技术。该技术是基于这样一种假设：图像由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则相对独立，基于如上假设，可以将一个像素及其邻域内的所有像素的平均灰度值赋给平滑图像中对应的像素，从而达到平滑的目的，又称均值滤波或局部平滑法。 非加权邻域分析法 假设待处理的图像为f(x,y),处理后图像为g(x,y)，领域平均法图像平滑处理的数学表达可表示为： M为领域内所包含的像素总数，S为事先确定的领域，该领域不包括(x,y)点。 平滑处理的图像g(x,y)中的每个像素的灰度值由包含在(x,y)的预定邻域中的f(x,y)几个像素的灰度平均值来决定。 非加权邻域分析法 用模块系数表示： 在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。 非加权邻域分析法 加权邻域平均法 对于一副M*N的图像，经过一个m*n的加权均值滤波的过程可用下式给出： 非加权邻域平均法 加权邻域平均法 中值滤波法 虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。即使是加权均值滤波，改善的效果也是有限的。 为了有效地改善这一状况，必须改换滤波器的设计思路，中值滤波就是一种有效的方法。 中值滤波在消除噪声的同时还能保持图像中的细节部分，防止边缘模糊 取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。 ————中值滤波 n 中值滤波法 设增强图像在（x，y）的灰度值为f（x，y），增强图像在对应位置（x，y）的灰度值为g（x，y），则有： 　　g(x,y)=median{f(x-k,y-l),k,l?W} 式中，W为选定窗口大小 取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。 ————中值滤波 图像对比 邻域平均法→ ←中值滤波法 图像对比