第7章 节 数字图像的噪音去除 数字图像处理课件.pptVIP

第七章 数字图像的噪音去除 在数字图像获取过程中，经常会产生噪音。噪音是一种错误的信号，它会干扰正常的信号。这种干扰信号一般都是随机产生的，分布不规则，大小也不规则。图像去噪是一种信号滤波的方法，目的是保留有用信号，去掉噪音信号 。 (a) 原图 (b) 3*3 (d) 7*7 (c) 5*5 7.1 邻域平均法 Def.将像素灰度值用该像素邻域内的所有像素的平均灰度值代替，从而达去除噪音的目的，这就是邻域平均法，又称均值滤波或局部平滑法。概括之就是用邻域范围内的像素点灰度值总和的平均值去替代噪声点，从而去除噪音。 邻域平均算法计算公式: 其中s是点的邻域点的集合，M是s中点的总数，是原点的灰度值，是均值滤波后点的灰度值。 7.1 邻域平均法 更具一般性的邻域平均法 ： 1．非加权邻域平均 常用的卷积模板有： （3×3） 矩形邻域 （ 3×3 ） 圆邻域 （ 5×5）矩形邻域 7.1 邻域平均法 2. 加权邻域平均 所有模板系数可以有不同的权值。 实现算法同样是利用模板的卷积取加权平均值。 图像和一个m×n模板卷积(m和n是奇数)的加权均值滤波的过程可用下式给出： 其中，a=(m-1)/2且b=(n-1)/2，分母是模板系数总和。 7.4 频域变换处理方法 离散傅里叶变换D及其逆变换能够将图像f(i,j)变换到F(u,v)。 f(i,j)和F(u,v)是一对对应的关系。如前所述，任意i,j ， f(i,j)是空域中的像素点，相应地， F(u,v)是频域中的点。 1. F(u,v)的意义 F(u,v)是(u,v)处的频谱分量。如果||(u,v)||较小，称 F(u,v)是图像的低频分量，反之，称为高频分量。 7.4 频域变换处理方法 2.低通滤波及高通滤波 设计一个函数s(u,v) ，令 F1(u,v)= F(u,v)* s(u,v) 如果||(u,v)||较小时， F1= 0。 ||(u,v)||较大时， F1=F。 则称s(u,v)是一个低通滤波器。 反之，也可以设法 使得||(u,v)||大时F1= 0 ， ||(u,v)||小时F1=F ， 此时s(u,v)称为高通滤波器。 7.4 频域变换处理方法 3.用Matlab实现Butterworth低通和高通 见本章课本程序。 (a) 原图 （b）butterworth低通滤波 （c）butterworth高通滤波 习 题 七 1.邻域平均法是如何去除噪声的？ 2.中值滤波是如何去除噪声的？ 3.邻域平均和中值滤波的区别及优缺点？ 4.试设计一种新的去噪算子。 5.编程实现Butterworth低通和高通，并阐述原理。 6.解释图7-3(b)和7-3(c)的结果。