[工学]第04章图像增强-2.pptVIP

第四章　图像增强（2） 4.4 平滑 4.4.2 邻域平均法 大部分的噪声都可以看作是随机信号，它们对图像的影响可以看作是孤立的。对于某一像素而言，如果它与周围像素点相比，有明显的不同，我们就认为该点被噪声感染了。 设当前待处理像素为f(m,n) ，给出一个处理模板，大小为3×3，如图4.13所示。 处理后的图像设为 ，则处理过程可描述为 其中Z={-1,0,1}， 称为门限，它可以根据对误差容许的程度，选为图像灰度均方差的 若干倍，或者通过实验得到。 这种邻域平均的方法也可以用另一种形式来表示，把平均处理看作是图像通过一个低通空间滤波器后的结果，设该滤波器的冲激响应为 ，于是滤波器输出的结果 可以表示成卷积的形式，即 决定了所选邻域的大小 ，为加权函数，又被称为掩模(Mask)或模板,常用的模板还有很多，如下所示： 【例4.4】分别采用上述4种模板对图像进行处理 解：程序如下： 图4.8显示了处理前的图和4种模板处理后的结果图。 4.3.2 中值滤波 在邻域平均法中，在去噪的同时也使边界变得模糊了，中值滤波是非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。 首先选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。即 例如选择滤波用的窗口W如图4.9所示，是一个一维的窗口，待处理像素的灰度取这个模板中灰度的中值，滤波过程为： 除上述窗口外，常用的窗口还有方形、十字形、圆形和环形等等，如图4.10所示。 中值滤波是一种非线性运算。它对于消除孤立点和线段的干扰十分有用。特别是对于二进噪声尤为有效，对于消除高斯噪声的影响效果不佳。对于一些细节较多的复杂图像，还可以多次使用不同的中值滤波，然后通过适当的方式综合所得的结果作为输出，这样可以获得更好的平滑和保护边缘的效果。 【例4.5】选用3×3的窗口进行中值滤波。 解：程序如下： I1 = imread(blood1.tif); I=imnoise(I1,salt pepper,0.02); imshow(I); K = medfilt2(I); %中值滤波 figure,imshow(K); 图4.11显示了中值滤波的结果。 4.3.3 边界保持类滤波 1. K近旁均值滤波器（KNNF） 该算法的思想是：在m×m的窗口中，属于同一集合类的像素，他们的灰度值将高度相关。基于此思想，被处理的像素（对应于窗口中心的像素）可以用窗口内与中心像素灰度最接近的k个邻近像素的平均灰度来代替。 其步骤如下： （1）作一个m×m的作用模板。 （2）在其中选择K个与待处理像素的灰度差为最小的像素。 （3）用这K个像素的灰度均值替换掉原来的值。 图4.13是模板为3×3，k＝3的K近旁均值滤波器的例子。 2. K近旁中值滤波器(KNNMF) 在K近旁均值滤波器中我们不选k个邻近像素的平均灰度来代替，而选k个邻近像素的中值灰度来代替，则这个滤波器就变成了K近旁中值滤波器。 3. 最小均方差滤波器 该方法对图像上待处理的像素（m，n）选它的5×5邻域，在此邻域中采用图4.14所示的模板（其中有1个3×3正方形，4个五边形和4个六边形，共9个邻域），计算各个模板的均值和方差，按方差排序，最小方差所对应的模板的灰度均值就是像素（m，n）的输出值。 其中 是指对应的模板，N是模板中像素的数量。 该方法以方差作为各个邻域灰度均匀性的测度。若邻域含有尖锐的边缘，它的灰度方差必定很大，而不含边缘或灰度均匀的邻域，它的方差就很小，那么最小方差所对应的邻域就是灰度最均匀邻域。因此通过这样的平滑既可以消除噪声，又能够不破坏邻域边界的细节。 4.4 锐化 在图像增强中，有时候还需要加强图像中景物的边缘和轮廓。而边缘和轮廓常常位于图像中灰度突变的地方，因而我们可以直观的想到用灰度的差分对边缘和轮廓进行提取。这就是锐化处理的内容。 4.4.1 梯度锐化法 二元函数