数字图像讲义第4章.pptVIP

高斯白噪声 如果噪声的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。 热噪声和散粒噪声是高斯白噪声。 椒盐噪声 是图像中经常见到的一种噪声，它是一种随机的白点或者黑点 是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。 卷积和滤波 滤波：一个电信号中有若干种成分，把其中一部分交流信号过滤掉就叫滤波。 卷积和滤波的区别：卷积是一种数学运算，滤波是一种信号处理的方法。滤波最终是由乘法来实现的。 空间频率主要是指图像的平滑或粗糙程度。一般可认为，高空间频率区域称“粗糙”，即图像的亮度值在小范围内变化很大，而“平滑”区，图像的亮度值变化相对较小，如平滑的水体表面等。 低通滤波主要用于加强图像中的低频成分，减弱高频成分，而高通滤波则正好相反，加强高频细节，减弱低频细节，简单地讲：高通滤波处理过的图像更加“粗糙”。高通滤波顾名思义就是让频率高的通过，使图像具有锐化效果；低通滤波则恰好相反了，它是使低频通过，使图像具有平滑的效果。 几种常用模板 4.4.3 中值滤波 中值滤波是一种非线性信号处理方法，与其对应的中值滤波器也就是一种非线性滤波器。中值滤波器于1971年提出并应用在一维信号时间序列分析中， 后来被二维图像信号处理技术所引用。它在一定条件下，可以克服线性滤波器（如邻域平滑滤波等）所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。在实际运算过程中并不需要图像的统计特性，这也带来不少方便。但是对一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波。 由于中值滤波是一种非线性运算，对随机输入信号的严格数学分析比较复杂，下面采用直观方法简要介绍中值滤波的原理。 1. 中值滤波原理 中值滤波就是用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。假设窗口内有五点，其值为80、 90、 200、 110和120， 那么此窗口内各点的中值即为110。 设有一个一维序列f1, f2, …, fn，取窗口长度（点数）为m（m为奇数），对其进行中值滤波，就是从输入序列中相继抽出m个数fi-v, …, fi-1, fi, fi+1, …, fi+v（其中fi为窗口中心点值，v=(m-1)／2）， 再将这m个点按其数值大小排序，取其序号为中心点的那个数作为滤波输出。用数学公式表示为 (4-18) 例如，有一序列{0, 3, 4, 0, 7}，重新排序后为{0,0,3,4,7}， 则Med{0,0,3,4,7}=3。此列若用平滑滤波，窗口也是取5，那么平滑滤波输出为（0+3+4+0+7）／5=2.8。? 图4-20使用内含5个像素的窗口对离散阶跃函数、斜坡函数、 脉冲函数以及三角形函数进行中值滤波和平均值滤波的示例。左边一列为原波形，中间为平均值滤波结果，右边为中值滤波结果。可以看出， 中值滤波器不影响阶跃函数和斜坡函数。周期小于m/2（窗口之半）的脉冲受到抑制，另外三角函数的顶部变平。 图4-20 中值滤波和平均值滤波比较 （a） 阶跃；（b）斜坡；（c）单脉冲；（d）双脉冲；（e）三脉冲； （f）三角波 二维中值滤波可由下式表示： 式中：A为窗口； {fij}为二维数据序列。 二维中值滤波的窗口形状和尺寸对滤波效果影响较大，不同的图像内容和不同的应用要求，往往采用不同的窗口形状和尺寸。常用的二维中值滤波窗口有线状、方形、圆形、十字形以及圆环形等。窗口尺寸一般先用3×3，再取5×5逐渐增大， 直到滤波效果满意为止。就一般经验来讲，对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜。对于包含有尖顶物体的图像， 用十字形窗口， 而窗口大小则以不超过图像中最小有效物体的尺寸为宜。如果图像中点、线、尖角细节较多，则不宜采用中值滤波。 2. 中值滤波主要特性 1） 对某些输入信号中值滤波的不变性 对某些特定的输入信号，如在窗口内单调增加或单调减少的序列， 中值滤波输出信号仍保持输入信号不变，即：fi-n≤…≤fi≤…≤fi+n或fi-n≥…≥fi≥…≥fi+n，则 {yi}={fi}。 一维中值滤波这种不变性可以从图4-20中(a)和(b)上看出来。二维中值滤波的不变性如图4-21所示。它不但与输入信号有关， 而且还与窗口形状有关。一般与窗口对顶角连线垂直的边缘线保持不变性。利用这个特点，可以使中值滤波既能去除图像中的噪声，又能保持图像中一些物体的边缘。 图4-21 中值滤波不变性示例 (a) 原始图像； (b) 中值滤波输出 对于一