影像品质的改善跟回复.pptVIP

第二章 影像品質的改善與回復 內容 2.1 前言 2.2 平滑法和統計上的根據 2.3 中值法和其加速改良法 2.4 中央加權中值法 2.5 柱狀圖平值法 2.7 頻率域濾波器 2.8 韋納濾波器 2.10 作業 2.1 前言 本章主要針對在雜訊(Noise)的干擾和灰階分佈太集中的影響下，如何盡可能恢復原影像的品質。 2.2 平滑法和統計上的根據 利用周圍的 8 個灰階值和中心點的灰階值平均，將雜訊所帶來的影響淡化。 平滑法面罩以迴積的方式完成計算。 將平滑法的面罩放在 3×3 子影像上，兩兩對應的數值予以相乘，再將這九個相乘後的值相加，得到反應值取代中心點。 定理2.2.1.結論 若面罩變大，標準差將更有效地下降；然而，相對地，平滑法的計算量也會增大，且受到鄰近像素(Neighboring Pixels)的均化現象也愈大，有可能在邊(Edge)的地方會較模糊(Blurred)。 2.3 中值法和其加速改良法 利用周圍的 8 個灰階值和中心點的灰階值排序後的中值，去除雜訊的干擾。 中值法仍是以3×3、5×5或7×7的面罩，在影像上以迴積的方式完成的。 Bitonic數列 2.4 中央加權中值法 除了可進一步去除雜訊外，還可保留較好的紋理。 加權值的作用是將視窗內位於中間的值複製W次，利用周圍的 8 個灰階值和中心點的灰階值複製W次排序後的中值取代中心點。 2.5 柱狀圖平均法 影像的灰階分佈太集中於[a, b]區之間。 找出一種轉換 f 使得上面的分佈能轉成均勻分佈。畢竟更大範圍的灰 階值分佈會使影像的紋理更豐富和多樣。 部份重疊柱狀圖平均法 將原先影像切割成許多 　長條型的子影像。 每一個子影像仍用柱狀 　圖平均法處理完後，移 　動子影像一半的水平距 　離。 繼續使用柱狀圖均等法 　，直到所有的子影像和 　部分重疊的子影像全部 　處理完。 2.7 頻率域濾波器 低通濾波器： 低通巴特沃斯濾波器： 高通巴特沃斯濾波器： 2.8 韋納濾波器 2.10 作業 習題一(中值法及中央加權中值法)： 習題二：寫一C程式以完成中值法的實作。 FT S(u,v) IFT F I F’ I’ 圖2.7.1 和　　　 關係 圖2.7.2(b) 得到的影像 I’ 圖2.6.3 輸入影像 I 圖2.7.2(a) 和 得到的傅利葉頻譜圖 T A F S + N = Z F’ 希望找到矩陣 A 使得 e 為最小，就是要解　　　　 即 圖2.22 韋納濾波器 ? (2.8.1) 利用　　　　　　　　　　　　　　　　　　 和 已知 F=TZ 為 的平均向量，則共變異數可定義為 假設　　　 ，則　　　　　 和　　　　　　　 和 ? ? ? ? ? ? (2.8.2) (2.8.3) (2.8.4) * * 圖2.1.1　 受雜訊干擾的影像 圖2.1.2　 某些灰階分布太集中的影像 疑似雜訊 圖2.2.1 3×3 子影像 圖2.2.2 平滑法的面罩 圖2.2.2.1 經平滑法作用於 中心點後的子影像 (2+1+2+3+20+2+2+1+3)/9 Q1：給一如下的4×4子影像，利用平滑法去除雜訊後，所得的影像為何？ ANS：利用圖 2.2.2的面罩，在上圖中進行平滑動作，所得影像如下 EOA ?這裡注意一點，上述平滑過的灰階值有經過四捨五入。 Q2：如何針對邊緣像素進行平滑法的雜訊去除？ ANS：假設Q1中的4×4子影像即為原影像。通常為了處理邊緣像素的問題 ，我們會將邊緣像素複製一次，如此一來，Q1中的原影像就被放大成如 下所示的6×6影像： 利用圖2.2.2的面罩，上圖經平滑動 作後，可得下列結果： EOA Q3：如何降低(Reduce)相鄰兩個平滑運算的計算量？ ANS： 我們可以發現下列的3×2視窗是重覆的： 為了降低計算量， 在第一個平滑運 算中可以被保留下來，以便在第二個平滑運算時繼 續使用，如此一來 就不必重新計算 了，這可省下一些計算的。 EOA 定理2.2.1. 平滑法作用到影像後，的確可將原影像的標準差予以 　　　 有效降下。 Y的平均值為 Y的變異數為 假設　　　　　　　　　 ，則可得　　　 。並假設 ， 則進一步得到　　　　 ，也就是 。在上述的特殊分布假設下， 平滑法的標準差為單一像素的標準差之1/