图像检测-5噪声抑制的.pptVIP

第五章 图像噪声的抑制;5.1 图像噪声的基本概念;高斯噪声 ;5.2 均值滤波器;5.2.1 均值滤波器;5.2.2 加权均值滤波器;5.3 中值滤波器;数值排序;例： 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： ;3. 二维中值滤波模板： 与均值滤波类似，做3?3的模板，对9个数排序，取第5个数替代原来的像素值。;例：;因为中值滤波的原理是取合理的邻近像素值来替代噪声点，所以只适合于椒盐噪声的去除，不适合高斯噪声的去除。;中值滤波器与均值滤波器的比较;对于高斯噪声，均值滤波效果比均值滤波效果好。 原因： 高斯噪声是幅值近似正态分布，但分布在每点像素上。 因为图像中的每点都是污染点，所以中值滤波选不到合适的干净点。 因为正态分布的均值为0，所以根据统计数学，均值可以消除噪声。 （注意：实际上只能减弱，不能消除。思考为什么？）;5.4 边界保持平滑滤波器;5.4.1 边界保持平滑滤波器设计思想;5.4.2 K近邻(KNN)平滑滤波器;5.4.3 K近邻(KNN)平滑滤波器算法;5.4.4 KNN平滑滤波例题;5.4.5 KNN平滑滤波器的效果分析;5.4.6 KNN中值滤波器;5.4.7 SNN对称近邻（均值滤波器) ;找到12对对称点为(2,9)，(1,9)，(4,8)，(3,7)，(3,6)，(10,8)，(2,8)，(3,0)，(4,7)，(4,5)，(2,6)，(6,8)； 找出与灰度值相近的点为[9,9,8,7,6,10,8,3,7,5,7,8] 求均值得 ;补充:代数运算 (图像间运算: + - ? ?);相加;照相B门的运用，（长时间曝光可以看成多幅图迭加），生成特效照片：;相加;相减;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;相减：检测运动物体;打造影剂前成一幅图像，打造影剂后成一幅图像，因造影剂只随血流在血管中扩散。两幅图相减得到血管的增强图像。 ;相乘;相除遥感多光谱图像相除抵消入射分量i(x,y)。; 作 业 （共2题）;均值滤波器的效果（椒盐噪声）;均值滤波器的效果（高斯噪声）;加权均值滤波器的效果;加权均值滤波器的效果(H0);加权均值滤波器的效果（H1）;加权均值滤波器的效果(H2);加权均值滤波器的效果(H3);加权均值滤波器的效果(H4);中值滤波器的效果（椒盐噪声）;中值滤波器的效果（高斯噪声）;中值滤波与均值滤波效果比较（椒盐噪声）;中值滤波与均值滤波效果比较（高斯噪声）;KNN均值滤波器的效果（椒盐噪声）;KNN均值滤波器的效果（高斯噪声）;KNN中值滤波器的效果（椒盐噪声）;KNN中值滤波器的效果（高斯噪声）;图像的噪声示意图