基于matlab的图像平滑算法实现及应用说明书.doc

目录 1.3 图像噪声 一幅图像在获取和传输等过程中，会受到各种各样噪声的干扰，其主要来源有三：一为在光电、电磁转换过程中引入的人为噪声；二为大气层电（磁）暴、闪电、电压、浪涌等引起的强脉冲性冲激噪声的干扰；三为自然起伏性噪声，由物理量的不连续性或粒子性所引起，这类噪声又可分成热噪声、散粒噪声等。一般在图像处理技术中常见的噪声有：加性噪声、乘性噪声、量化噪声、“盐和胡椒”噪声等。下面介绍两种主要的噪声。 1、高斯噪声 这种噪声主要来源于电子电路噪声和低照明度或高温带来的传感器噪声,也称为正态噪声,是在实践中经常用到的噪声模型。高斯随机变量z 的概率密度函数(PDF)由下式给出: 其中, z 表示图像像元的灰度值;μ表示z 的期望;σ表示z 的标准差。 2、椒盐噪声 主要来源于成像过程中的短暂停留和数据传输中产生的错误。其PDF 为： 如果b a, 灰度值b 在图像中显示为一亮点,a 值显示为一暗点。如果Pa 和图像 均不为零,在图像上的表现类似于随机分布图像上的胡椒和盐粉微粒,因此称为椒盐噪声。当Pa 为零时,表现为“盐”噪声;当Pb 为零时,表现为“胡椒”噪声。 图像中的噪声往往是和信号交织在一起的尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边缘轮廓‘线条等模糊不清，从而使图像质量降低。 、图像平滑方法 2.1 空域低通滤波 将空间域模板用于图像处理，通常称为空间滤波，而空间域模板称为空间滤波器。空间域滤波按线性和非线性特点有：线性、非线性平滑波器。 线性平滑滤波器包括领域平均法（均值滤波器），非线性平滑滤波器有中值滤波器。 2.1.1 均值滤波器对一些进行线性滤波可以去除图像中某些类型的噪声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的中的颗粒噪声。邻域平均法是空间域平滑技术。 式中： x,y=0,1,2,…，N-1；s为（x，y）点领域中点的坐标的集合，但不包括（x，y）点；M为集合内坐标点的总数。 领域平均法有力地抑制了噪声，，。为了尽可能地减少模糊失真，也可采用阈值法减少由于领域平均而产生的模糊效应。其公式如下： 上述方法也可称为算术均值滤波器，除此之外还可以采用几何均值滤波器、谐波均值滤波器和逆谐波均值滤波器。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的细节。谐波均值滤波器对“盐”噪声效果更好，但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声，但它有个缺点，就是必须要知道噪声是暗噪声还是亮噪声，以便于选择合适的滤波器阶数符号，如果阶数的符号选择错了可能会引起灾难性的后果。中值滤波器一种常用的非线性平滑滤波，其基本。 式中：A为滤波窗口 为二维数据序列。其主要功能是让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘，从而获得较满意的复原效果，而且，在实际运算过程中不需要的统计特性，这也带来不少方便，但对一些细节多，特别是点、线、尖顶细节较多的不宜采用中值滤波的方法。如果希望强调中间点或距中间点最近的几个点的作用，则可采用加权中值滤波。其基本原理是改变窗口中变量的个数，可以使一个以上的变量等于同一点的值，然后对扩张后的数字集求中值。这种方法比简单中值滤波性能更好地从受噪声污染的图像中恢复出阶跃边缘以及其他细节。另有一种可以处理具有更大概率的冲激噪声的是自适应中值滤波器，在进行滤波处理时，能依赖一定条件而改变领域的大小。其优点是在平滑非冲激噪声时可以保存细节，所以既能除去“椒盐”噪声，平滑其他非冲激噪声，还能减少诸如物体边界细化或粗化等失真F(u,v)是含噪图像的傅立叶变换，G(u,v)是平滑后图像的傅立叶变换，H (u,v)是传递函数。利用H(u,v)使F(u,v)的高频分量得到衰减，得到G(u,v)后再经过反变换就得到所希望的图像g(u,v)了。低通滤波平滑图像的系统框图如下所示： 图3-1 图像频域低通滤波流程框图 低通滤波法又分为以下几种： (1) 理想低通滤波器(ILPF) 一个理想的低通滤波器的传递函数由下式表示： 式中D0是一个规定的非负的量，它叫做理想低通滤波 器的截止频率。D(u,v)代表从频率平面的原点到（u ,v）点的距离，即： 理想低通滤波器在处理过程中会产生较严重的模糊和振铃现象。 (2) 巴特沃思低通滤波器（BLPF） n 阶巴待沃思滤波器的传递系数为 DLPF与ILPF不同，它的通带与阻带之间没有明显的不连续性，因此它没有“振铃”现象发生，模糊程度减少，但从它的传递函数特性