第4章++空域增强技术---3.pptVIP

第4章 空域增强技术 4.5 线性滤波 图像噪声的概念 所谓的图像噪声，是图像在摄取时或是传输时所受到的随机干扰信号。 常见的有椒盐噪声和高斯噪声。 椒盐噪声示例 高斯噪声示例 4.5.1 技术分类和实现原理 4.5.2 线性平滑滤波器 4.5.2 线性平滑滤波器 邻域平均法---均值滤波器 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。 画面边框保留效果 均值滤波器滤椒盐噪声的效果 均值滤波器的缺点是，会使图像变的模糊，原因是它对所有的点都是同等对待，在将噪声点分摊的同时，将景物的边界点也分摊了。 为了改善效果，就可采用加权平均的方式来构造滤波器。 4.5.2 线性平滑滤波器 4.5.2 线性平滑滤波器 加权均值滤波 模板不同，中心点或邻域的重要程度也不相同，因此，应根据问题的需要选取合适的掩模。但不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。 4.6 非线性滤波 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。 中值滤波器— 设计思想 因为噪声（如椒盐噪声）的出现，使该点像素比周围的像素亮（暗）许多。 如果在某个模板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。 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。 4.6.1 非线性平滑滤波器 中值滤波器—— 原理示例 中值滤波器—— 处理示例 例：模板是一个1*5大小的一维模板。 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 4.6.1 非线性平滑滤波器 中值滤波器与均值滤波器的比较 对于椒盐噪声，中值滤波效果比均值滤波效果好。 中值滤波器与均值滤波器的比较 原因： 椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。 中值滤波是选择适当的点来替代污染点的值，所以处理效果好。 因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。 中值滤波器与均值滤波器的比较 原因： 高斯噪声是幅值近似正态分布，但分布在每点像素上。 因为正态分布的均值为0，所以均值滤波可以消除噪声。 因为图像中的每点都是污染点，所以中值滤波选不到干净点。 中值滤波器与均值滤波器的比较 原理是子图像在N*N子块中的，令检测点的灰度为块中灰度的平均值，这种方法通过把突变点的灰度分散在其相邻点中来达到平滑效果，操作起来也简单，但这样平滑往往造成图像的模糊，N选取得约大，模糊越严重。 4.6.1 非线性平滑滤波器 4.6.1 非线性平滑滤波器 图像锐化的概念 图像锐化的目的是加强图像中景物的细节边缘和轮廓。 锐化的作用是使灰度反差增强。 因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。 对于高斯噪声，均值滤波效果比均值滤波效果好。 中值滤波平滑也在图像得N*N子块中操作,和均值平滑选择临近点得平均灰度值来作为检测点得灰度值不同,中值平滑使用临近点得中间灰度来作为检测点得灰度 。 高斯 椒盐 对椒盐噪声均值滤波后图像 3×3模板 对椒盐噪声均值滤波后图像 5×5模板 对高斯噪声均值滤波后图像 3×3模板 对高斯噪声均值滤波后图像 5×5模板 对高斯噪声中值滤波后图像3×3模板 对高斯噪声中值滤波后图像5×5模板 对椒盐噪声中值滤波后图像3×3模板 对椒盐噪声中值滤波后图像5×5模板 百分比（percentile）滤波器 中值滤波器是一个特例 最大值 最小值 中点滤波器 （一）图像锐化的目的 第*页 第4讲 章毓晋 清华大学电子工程系 100084 北京 图象工程 4.1 空域增强技术分类 4.2 图像间运算 4.3 直接灰度映射 4.4 直方图变换 4.5 线性滤波 4.6 非线性滤波 4.7 局部增强 利用象素本身以及其邻域象素的灰度关系进行增强的方法常称为滤波 4.5.1 技术分类和实现原理 模板卷积，邻域操作 4.5.2 线性平滑滤波器 减弱或消除图象中的噪声 椒盐噪声的特征: 出现位置是随机的，但噪声的幅值是基本相同的 高斯噪声的特征： 出现在位置是一定的（每一点上），但噪声的幅值是随机的。 在图象空间借助模板进行邻域操作 分类1： (1)