彩色图像滤波题库.pptVIP

彩色图像滤波 传统的彩色图像滤波理论方法 彩色图像滤波的目标就是同时达到下面三个目的：削弱噪声，保持色调和保护边缘或细节信息。 假设滤波器窗口大小为 N (N 为奇数)，将滤波器窗口内的样本像素(矢量)从上到下、从左到右排列，写成： x( N+1) 2 为正在考虑的中心像素。另外，我们还写出像素x i和xj的Euclidean 距离D (x i,xj)和夹角距离 A (x i,xj)： 彩色图像滤波基础 颜色空间 RGB 颜色空间 CIE XYZ 及均匀颜色空间(CIELAB, CIELUV) Munsell 颜色空间 噪声模型 冲击噪声 冲击噪声可分成二种：椒盐冲击噪声和随机冲击噪声 加性噪声 加性噪声一般服从均值为 0 的高斯分布或其他分布，其模型是： 混合噪声 经典的矢量滤波器 经典的矢量滤波器包括：矢量中值滤波器VMF 、基本矢量方向滤波器 BVDF 和距离方向滤波器 DDF. 矢量中值滤波器 VMF 也可采用另外一种形式－基于样本降维排序的方式来定义。假设长度为N 的滤波器窗口所包含的样本矢量为Γ ={ x1 x2, ,...,xN}，我们为样本矢量xk 定义如下的聚集距离dk ： VMF 能有效地去除在矢量的模上相差很大的噪声，如冲击噪声和指数噪声.但对于加性噪声，效果不理想。 矢量方向滤波器 与基于矢量模距离的矢量中值滤波器VMF不同，BVDF是基于角度距离的，它来自于输入矢量方向的最大可能性估计，能有效地去除色调相差较大的噪声像素。 距离方向滤波器 混合方向滤波器 加权的矢量滤波器 虽然经典的矢量滤波器(VMF、BVDF、DDF)和混合方向滤波器 HDF能很好地去除冲击噪声，但是它们经常摧毁图像边缘或细节信息。这是因为它们在滤波时，引进了最大数量的平滑(对每个像素都进行固定的平滑)。 选择加权的矢量滤波器 SWVF 上述公式给出的只是加权的矢量滤波器的一般框架，但不实用，因为它需要确定滤波器窗口内所有像素的权值。 中心加权的矢量中值滤波器 CWVMF 定义中心加权的 Euclidean 聚集距离 (关于像素xl)： 改进型的中心加权的矢量中值滤波MCWVMF 定义如下的聚集距离： 对于 CWVMF，W0 的优化值取 4.5；对于 MCWVMF，W0 取 0.6。 开关型矢量滤波器 开关型矢量滤波器 SVF 的一般形式如下： 基于空间距离加权的矢量滤波算法 基于空间距离加权的自适应型矢量滤波器: ADWVMF ADWBVDF ADWDDF 基本加权公式 算法原理 参数的自适应计算 分布密度d 的确定： 具有细线保护能力的开关型矢量滤波器 提出四个方向算子来估算当前中心像素和周边邻域像素的平均色差，从而去判断当前的中心像素是否为噪声像素。 基于 CIELAB 空间的开关型矢量中值滤波器 LABSVMF 基于 RGB空间的开关型矢量中值滤波器 RGBSVMF 基于 CIELAB 空间的开关型矢量中值滤波器 使用空间中的二个点p1( L1*, a1* ,b1*)、 p2( L2*, a2* ,b2*)之间的 Euclidean 距离来表示相应两种颜色的色差： 定义四个方向算子： 用 Γk ( k =1,2,3,4)表示上面四个算子 构造下面的公式来检测qij是否为噪声并产生新的滤LABSVMF 的输出y( LABSVMF) ： 基于 RGB 空间的开关型矢量中值滤波器 直接在 RGB 空间中计算二个彩色像素q1(R1,G1,B1)、q2(R2,G 2,B2)的色差： 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * * * *