数字图像处理第5章：图像复原PPT.ppt

n阶的巴特沃思带阻滤波器 高斯带阻滤波器 5.4 频域滤波消减周期噪声 带阻滤波器 理想带阻滤波器 巴特沃思带阻滤波器 高斯带阻滤波器 5.4 频域滤波消减周期噪声 带阻滤波器 (a) 被正弦噪声污染的图像 (b) 图(a)的频谱 (c) 巴特沃思带阻滤波器 (d) 滤波效果图 5.4 频域滤波消减周期噪声 带通滤波器 带通滤波器执行与带阻滤波器相反的操作。 不直接使用，损失大量图像细节。 可利用带通滤波器提取噪声模式。 5.4 频域滤波消减周期噪声 陷波滤波器 阻止(或通过)事先定义的中心频率邻域内的频率。 理想陷波滤波器 巴特沃思陷波滤波器 高斯陷波滤波器 由于傅立叶变换是对称的,因此陷波滤波器必须以关于原点对称的形式出现。 5.4 频域滤波消减周期噪声 陷波滤波器 5.4 频域滤波消减周期噪声 直方图 直方图 直方图 指数 均匀 椒盐 唯一视觉 可见的噪 声类型 附加样本噪声图像及其直方图 5.2 噪声模型 几种典型概率密度函数示意图对比 高斯 瑞利 伽马 均匀 指数 脉冲 5.2 噪声模型 周期噪声 被不同频率的 正弦噪声干扰 了的图像 呈圆形分布 的亮点为噪 声频谱 在图像获取中从电力或机电干扰中产生. 惟一一种空间依赖型噪声. 周期噪声可以通过频率域滤波显著减少. 5.2 噪声模型 周期噪声趋向于产生频率尖峰，其参数可以通过检测图像的傅里叶谱来进行估计。 周期噪声污染 带阻滤波器 ? 5.2 噪声模型 噪声PDF参数的估计一般可以从传感器的技术说明中得知，但对于特殊的成像装置，常常有必要估计这些参数。 1、当仅有通过传感器产生的图像可以利用时，常常可以从合理的恒定灰度值的一小部分估计PDF参数 (小条带，见下图)。 ? 噪声种类 高斯噪声 瑞利噪声 均匀噪声 直方图的形状可以指出最接近的PDF匹配。 5.2 噪声模型 2、确定PDF对应的噪声种类后，就可计算灰度值的均值和方差。 对所取的小条带S（子图像） 方差： 均值： (zi 值是S中像素的灰度， p(zi ) 是相应的归一化直方图值 ) 3、均值和方差求得后，就可以得到PDF中的参数 a 和 b。 5.2 噪声模型 4、参数期望值、方差及 a b确定后，噪声的概率密度函数则唯一确定。 高斯噪声 均匀噪声 5.3仅有噪声的复原—空间滤波 自适应局部噪声消除滤波器、自适应中值滤波器 均值滤波器 算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器 顺序统计滤波器 中值滤波器、最大值滤波器、最小值滤波器、中点滤波器、修正后的Alpha均值滤波器 自适应滤波器 5.3仅有噪声的复原—空间滤波 当一幅图像中唯一存在的退化是噪声时，退化模型变为： 频域表示： 当仅存在加性噪声时，可以选择空间滤波方法。在这一特殊情况下，图像的增强和复原几乎不可区别。因此可选用均值滤波方法减少噪声进行图像复原。 5.3仅有噪声的复原—空间滤波 算术均值滤波器 Sxy表示中心在(x, y)、尺寸为 m×n 的矩形子图像窗口的坐标组。 效果：平滑了一幅图像的局部变化，使图像模糊，同时减少了噪声。但复原效果最差。 白条宽7像素，高210像素，间隔17像素 9×9算术 均值滤波 7×7算术 均值滤波 3×3算术 均值滤波 5.3仅有噪声的复原—空间滤波 几何均值滤波器 几何均值滤波相对于算术均值滤波平滑度差不多，但图像的细节丢失更少。算术均值滤波器和几何均值滤波器适于处理高斯或均匀分布噪声。 5.3仅有噪声的复原—空间滤波 滤波效果对比 电路板的 X射线图像 高斯噪声 污染图像 (μ=0, σ2=400) 3×3几何均值滤波后的图像 3×3算术均值滤波后的图像 图像更清晰 图像变模糊 5.3仅有噪声的复原—空间滤波 谐波均值滤波器 效果：适合处理高斯和均匀等随机噪声； 谐波均值滤波器对于“盐”噪声效果好，但不适用于“胡椒”噪声。 5.3仅有噪声的复原—空间滤波 逆谐波均值滤波器 其中 Q 称为滤波器的阶数。当 Q 是正数时，滤波器用于消除 “椒” 噪声；当 Q 是负数时，滤波器用于消除 “盐” 噪声。但它不能同时消除这两种噪声。 当 Q = 0，逆谐波均值滤波器转变为算术均值滤波器； 当 Q = - 1，逆谐波均值滤波器转变为谐波均值滤波器。 5.3仅有噪声的复原—空间滤波 “椒”噪声干扰的图像 3×3 逆谐波均值滤波的结果 (Q=1.5) “盐”噪声干扰的图像 3×3 逆谐波均值滤波的结果 (Q=-1.5) 3×3 逆谐波均值滤波的结果 (Q=-1.5) 3×3 逆谐波均值滤波的结果 (Q=1.5) 使用逆谐波均值滤波器时，选择不当的 Q 值会带来严重的问题! 暗区模糊 背景清晰 背景模糊 暗区清晰 去噪效果很好 5.