第五章 图像复原与重建(1).pptVIP

自适应中值滤波器matlab实现 小结： 掌握matlab生成各种噪声的方法； 掌握matlab生成常见的不同空间滤波器的方法； 掌握roipoly，find，rand，randn, statmoments的用法； 掌握自适应中值滤波的思想和实现方法 自适应局部噪声消除滤波器、自适应中值滤波器 均值滤波器 算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器 顺序统计滤波器 中值滤波器、最大值滤波器、最小值滤波器、中点滤波器、修正后的Alpha均值滤波器 自适应滤波器 5.3 空间滤波去噪复原 空间噪声滤波器的分类 几何均值滤波器 几何均值滤波相对于算术均值滤波平滑度差不多，但图像的细节丢失更少。算术均值滤波器和几何均值滤波器适于处理高斯或均匀分布噪声。 5.3 空间滤波去噪复原 谐波均值滤波器 效果：适合处理高斯和均匀等随机噪声； 谐波均值滤波器对于“盐”噪声效果好，但不适 用于“胡椒”噪声。 5.3 空间滤波去噪复原 算术均值滤波器 Sxy表示中心在(x, y)、尺寸为 m×n 的矩形子图像窗口的坐标组。 效果：平滑了一幅图像的局部变化，使图像模糊，同时减少了噪声。但复原效果最差。 白条宽7像素，高210像素，间隔17像素 9×9算术 均值滤波 7×7算术 均值滤波 3×3算术 均值滤波 5.3 空间滤波去噪复原 逆谐波均值滤波器 其中 Q 称为滤波器的阶数。当 Q 是正数时，滤波器用于消除 “椒” 噪声；当 Q 是负数时，滤波器用于消除 “盐” 噪声。但它不能同时消除这两种噪声。 当 Q = 0，逆谐波均值滤波器转变为算术均值滤波器； 当 Q = - 1，逆谐波均值滤波器转变为谐波均值滤波器。 5.3 空间滤波去噪复原 滤波效果对比 电路板的 X射线图像 高斯噪声 污染图像 (μ=0, σ2=400) 3×3几何均值滤波后的图像 3×3算术均值滤波后的图像 图像更清晰 图像变模糊 5.3 空间滤波去噪复原 “椒”噪声干扰的图像 3×3 逆谐波均值滤波的结果 (Q=1.5) “盐”噪声干扰的图像 3×3 逆谐波均值滤波的结果 (Q=-1.5) 3×3 逆谐波均值滤波的结果 (Q=-1.5) 3×3 逆谐波均值滤波的结果 (Q=1.5) 使用逆谐波均值滤波器时，选择不当的 Q 值会带来严重的问题! 暗区模糊 背景清晰 背景模糊 暗区清晰 去噪效果很好 5.3 空间滤波去噪复原 算术均值和几何均值滤波器适合于处理高斯或均匀等随机噪声；谐波均值滤波器适合于处理脉冲噪声。 均值滤波器总结： 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 空间滤波去噪复原 统计排序滤波器 顺序统计滤波器是空间域滤波器，它们的响应基于滤波器包围的图像区域中像素点的排序。滤波器在任何点的响应由排序结果决定。 中值滤波器 用该像素相邻像素的灰度中值来代替该像素的值。 特点：1）在相同尺寸下，比起均值滤波器引起的模糊少； 2) 对单极或双极脉冲 (椒盐) 噪声非常有效。 3）适于处理椒盐噪声，通过多次使用小模板，可以获得很好的去噪效果，但多次应用中值滤波器,会使图像模糊。 5.3 空间滤波去噪复原 中值滤波结果 过度重复使用中值滤波可能会对图像造成模糊 椒盐噪声干扰图像 1遍 3×3 中值滤波 2 遍 3×3 中值滤波 3 遍 3×3 中值滤波 概率密度为 Pa = Pb =0.1 5.3 空间滤波去噪复原 最大值滤波器： 特点：1) 对图像中的亮点敏感； 2) 最大值滤波器对于 “椒” 噪声具有良好消除效果。 3)最大值滤波器可以去除”胡椒”噪声，但会从黑色物体边缘移走一些黑色像素。 白条宽7像素，高210像素，间隔17像素 9×9最大值 滤波图像 7×7最大值 滤波图像 3×3最大值 滤波图像 5.3 空间滤波去噪复原 1) 对图像中的暗点敏感； 2) 最小值滤波器对于 “盐” 噪声具有良好消除效果。 3)最小值滤波器可以去除”盐”噪声,但会从亮色物体边缘移走一些白色像素。 最小值滤波器 5.3 空间滤波去噪复原 “椒” 噪声干扰图像 “盐”噪声干扰图像 3×3最小值滤波图像 3×3最大值滤波图像 概率密度为Pa = Pb =0.1 5.3 空间滤波去噪复原 在范围内计算最大值和最小值之间的算数平均值，即取中点值。 特点：这种滤波器结合了顺序统计和求平均 (均匀)，对于高斯和均匀随机分布噪声有最好的效果。 中点滤波器 5.3 空间滤波去噪复原 修正后的Alpha均值滤波器 在 Sxy邻域内去掉 g(s,t) 最高灰度值的