数字图像处理--降噪.pptVIP

数字图像处理之图像噪声及降噪滤波器 图像的“噪声” 噪声是个源自信号处理的概念。 可以简单的定义为:妨碍人们的感觉器官正确理解所接收的信源信息的因素。 图像的噪声与信号噪声一样，是不受欢迎的、随机的。差别仅仅在于，图像噪声是二维随机过程，而一般信号噪声是一维的。 图像的退化模型： g(x,y)是信号f(x,y)经过信道最终输出的结果。 h(x,y)是一个退化函数（也可叫做乘性噪声） η(x,y)是随机噪声（也叫加性噪声） 只有加性噪声时，可以完全靠空间滤波去除。此时图像恢复与图像增强没有实质区别。 常见的图像噪声的产生原因 外因： 其他设备或自然物产生的电磁干扰 经由电源串进系统内部的干扰 数码相机几乎不会遇到由外因引起的噪声 内因： 由光电粒子随机运动特性导致的噪声（数码相机主要的噪声源） 电器机械运动引发的噪声（如镜筒伸缩）。 电器内部的机械运动可能使得电路的连接部抖动，从而引起的微小的电流变化，引入噪声 系统内部设备电路引起的噪声 如电源部分引入交流声，电阻发热导致热噪声等等 常见的图像噪声—彩色图片的噪声及处理 有噪声的彩色图片 降噪之后的模糊图片 锐化后的最终结果 图像噪声的分类 平稳噪声与非平稳噪声 以噪声的统计特性是否随时间的变化而变化来划分 平稳噪声可以通过预置的固定算法减弱或消除 按照振幅分布形状划分 高斯噪声（正态噪声） 瑞利噪声 指数分布噪声 椒盐噪声（脉冲噪声） 按照频率特性划分 白噪声（均匀频谱分布。类比白光） 三角噪声（频谱与频率平方成正比） 降噪时常用的滤波器—空间滤波 均值滤波器 几个约定： 是指中心坐标在(x,y)处，尺寸为m*n的矩形图像子集。 是需要被复原的图像在(x,y)点处的值 ， 是经滤波器复原后的图像(x,y)点处的值 算数均值滤波器： 算数均值滤波器简单的平滑了图像，减少噪声的同时也模糊了图像。 几何平均值滤波器： 几何平均值滤波器可以达成与算术平均值滤波器相似的平滑程度，但减少了图像细节的损失。 逆谐波均值滤波器： ，Q称为滤波器阶数 这种滤波器适合用来处理椒盐噪声。Q为正数时，可以去除胡椒噪声（黑点）；当Q为负数时可以去除盐噪声（白点）。但无法同时处理两种噪声。 降噪时常用的滤波器—空间滤波 顺序统计滤波器 中值滤波器 中值滤波器对多种随机噪声都有很好的去噪能力，且比相同尺寸的线性平滑滤波器引起的模糊少。 最值滤波器 可以有效处理椒盐噪声（最大值滤波器滤除胡椒噪声，最小值滤波器滤除盐噪声） 中点滤波器（最大值和最小值的平均值） 结合和平均值滤波器和顺序统计滤波器的优点，最适合处理高斯噪声和均匀随机分布噪声。 修正后的α均值滤波器 适合处理复合型噪声 以上所说的滤波器，都是平滑滤波器。用于模糊处理和减小噪声。 平滑滤波其实就是积分滤波。 降噪时常用的滤波器—空间滤波 拉普拉斯算子—二阶微分 梯度算法—一阶微分 以上所说的滤波器，都是锐化滤波器。用于突出图像中的细节或还原被模糊了的细节。锐化滤波其实就是微分滤波。 降噪时常用的滤波器—频域滤波器 平滑滤波器—低通滤波器 理想低通滤波器 巴特沃斯低通滤波器 高斯低通滤波器 n=2 D0上的点即所谓的截止频率。在半径在D0的圆内，所有信号无衰减的通过，在这个圆外，所有信号都不能通过。 理想滤波器，电路无法实现。但可仿真。 当D(u,v)=D0时，变换函数H(u,v)=50% 。即信号衰减到50%时，视为截止。 当D(u,v)=D0时，变换函数H(u,v)=60.7% 。即信号衰减到60.7%时，视为截止。 降噪时常用的滤波器—频域滤波器 锐化滤波器—高通滤波器 理想高通滤波器 巴特沃斯高通滤波器 高斯高通滤波器 n=2 D0上的点即所谓的截止频率。在半径在D0的圆外，所有信号无衰减的通过，在这个圆内，所有信号都不能通过。 理想滤波器，电路无法实现。但可仿真。 当D(u,v)=D0时，变换函数H(u,v)=50% 。即信号衰减到50%时，视为截止。 当D(u,v)=D0时，变换函数H(u,v)=39.3% 。即信号衰减到39.3%时，视为截止。 降噪时常用的滤波器—频域滤波器 用来减少周期噪声的特殊滤波器 带阻滤波器 带通滤波器 带陷滤波器 修正后的α均值滤波器：去掉n个最高分，去掉n个最低分，剩下取平均 * D(u,v):点(u,v)到原点的距离。D0：可以通过的频率范围。H(u,v)：变换函数，通过率函数。 N：滤波器阶数 * * 修正后的α均值滤波器：去掉n个最高分，去掉n个最低分，剩下取平均 * D(u,v):点(u,v)到原点的距离。D0：可以通过的频率范围。H