数字图像处理及工程应用第6篇 章 图像去噪.pptVIP

Digital Image Processing * 第*页 第6章 图像去噪 6.1 图像噪声 1、图像噪声的基本概念 图像噪声即图像中各种妨碍人们对其信息接受及理解的因素，噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。图像噪声可以理解为图像在获取或传输时所受到的随机干扰信号，通常用概率分布函数和概率密度分布函数对图像噪声进行描述。 * 第*页 第6章 图像去噪 2、噪声的分类 （1）按噪声产生的原因分类 来自内部的噪声，如电气设备、天体放电现象等引起的噪声；来自外部的噪声，如摄像机的热噪声、电气机械运动而产生的抖动噪声等。 （2）按噪声和信号的关系分类 加性噪声、乘性噪声。 （3）按噪声幅度的分布形状（概率密度函数）分类 高斯噪声、椒盐（脉冲）噪声、 瑞利噪声、指数分布噪声等。 * 第*页 图像中高斯噪声的产生一般源于电子电路噪声和由低照明度或高温带来的传感器噪声，脉冲噪声主要表现在成像中的短暂停留(例如错误的开关操作)，这两种噪声比较常见，在数字图像中常采用这两种噪声给图像做加噪处理。 第6章 图像去噪 3、常用噪声模型 ? * 第*页 第6章 图像去噪 （2）脉冲噪声 脉冲噪声的概率分布函数为： ? * 第*页 图像中大部分噪声是随机的，其对某一像素点的影响可以看作是孤立的。因此，噪声点与该像素点的邻近点相比，其灰度值会有显著变化。基于这一事实，可以采用邻域操作的方法来判定图像中某一像素点是否含有噪声，并用适当的方法来减弱或消除该噪声。 第6章 图像去噪 6.2 空域去噪法 1、邻域平均法 （1）邻域平均法 计算公式： * 第*页 第6章 图像去噪 计算公式： 式中，T是事先设定的阈值。当某些点的灰度值与各邻点灰度的均值差别大于阈值T时，它必然是噪声点，则取其邻域平均值作为该点的灰度值；否则保留原灰度值不变。 (3)模板平滑法 邻域平均法是通过邻域操作完成的，实现的方式相当于利用模板对图像进行卷积运算的图像平滑方法。 * 第*页 第6章 图像去噪 4-邻域平均模板： 8-邻域平均模板： 若设3×3的模板W（比例因子为C）为： * 第*页 第6章 图像去噪 ? ? * 第*页 对于整幅图像来讲，模板与图像的卷积运算可以按照下面的步骤进行： (1) 将模板在图像中从上到下、从左到右游历，模板中各个位置点会与图像中的某个像素邻域重合； (2) 将模板每个位置上的系数与它所重合的像素灰度值相乘； (3) 将所有乘积求和； (4) 把求和的结果赋给图像中与模板中心重合的像素。 第6章 图像去噪 * 第*页 一些常用的平滑模板: 3×3 Box模板： 高斯模板： 第6章 图像去噪 4-邻域加权平均模板： 8-邻域加权平均模板： * 第*页 第6章 图像去噪 2、中值滤波法 中值滤波是一种非线性处理技术，它也是一种邻域运算，但它计算的不是加权和，而是把邻域中的像素按灰度值大小重新排序，然后选择该有序序列的中间值作为输出像素值。这种方法对于干扰脉冲以及椒盐类噪声的抑制是最有效的，可以克服线性平均滤波器所带来的图像细节模糊问题。中值滤波刚开始是在一维信号处理中应用，后来又被应用在二维图像信号处理技术中。 （1）一维中值滤波原理 ? * 第*页 数学表达式： 第6章 图像去噪 式中，Med[]表示提取序列的中间值，Z为自然数集合。 例如：设模板长度为5，模板序列为{5，3，20，4，7}，则中值滤波重新排序后的序列为{3，4，5，7，20}，中间的值是5，即： （2）二维中值滤波原理 将一维中值滤波理论推广到二维离散数字图像中去，就能得到二维中值滤波原理。对图像进行二维中值滤波处理，首先要确定一个滤波窗口（记为W），窗口的大小为N*N，一般选取3×3、5×5或7×7。对窗口内的所有像素灰度值按大小进行排序，取有序序列的中间值作为W中心点处像素的灰度值。 * 第*页 计算公式 第6章 图像去噪 常用的几种二维中值滤波窗口形状： * 第*页 （3）中值滤波组要特征 第6章 图像去噪 A、中值滤波的去噪性能：中值滤波通常用来抑制脉冲干扰和随机干扰，但由于中值滤波是非线性运算，因此对随机性质的噪声输入，数学分析是相当复杂的。 B、对某些特定信号的不变性：由于某些输入信号的特殊性，中值滤波处理后的输出信号与输入信号保持不变。 （4）改进的中值滤波算法 一种具体的改进方法为：逐行扫描图像，在处理每一个像素时，首先判断该像素是否是滤波窗口覆盖下的邻域像素的极大值或极小值，噪声点一般都是邻域像素的极值，而图像的边缘细节往往不是。如果是，则采用正常 * 第*页 的中值滤波方法处理