第5章图像的平滑处理-Read.ppt

第5章 图像的平滑处理 本章要点： ? 平滑处理的基本方法 ? 噪声消除法 ? 邻域平均法 ? 中值滤波 ? 产生噪声 5．1平滑处理的基本方法 3.自适应平滑 自适应控制是一种根据当时、当地情况来进行控制的方法，所以这种算法要有一个适应的目标。根据目的的不同，可以有各种各样的自适应图像处理方法。考虑到图像中目标物体和背景一般都具有不同的统计特性，即不同的均值和方差，为保留一定的边缘信息，可采用自适应的局部平滑滤波。 5.2 噪声消除法 本节介绍对于二值图像上噪声的消除方法。 ? 二值图像的黑白点噪声滤波 ? 消除孤立黑像素点 5.2.1 二值图像的黑白点噪声滤波 1．理论基础 本程序消去二值图像f(i，j)上的黑白的噪声，当像f(i，j)周围的8个像素的平均值为a时，若|f(i，j)-a|的值在127.5以上，则对f(i，j)的黑白进行翻转，若不到127.5则f(i，j)不变。 2．实现步骤 3．程序代码 4．处理效果 (a)原图 (b) 二值图像的黑白点噪声滤波 图5-1二值图像的黑白点噪声滤波 5.2.2 消除孤立黑像素点 1.理论基础 对图像像素的处理方式上可以划分为点处理和区域处理。点处理是一种输出像素值仅取决于输入像素值的图像处理方法；区域处理的输出像素值不仅与输入的像素值有关，而且与输入像素在一定的范围内的相邻像素值有关。 本程序在二值图像f中，消除孤立于周围的黑像素点(变成白的)。像素的四邻域和八邻域关系如图5-2 连通图所示。 * * * * * ? * * ? * * * * * 四邻域 八邻域 图5-2 连通图 在4点邻域的情况下，若黑像素f(i，j)的上下左右4个像素全为白(0)，则f(i，j)也取为0。 在8点邻域的情况下，若黑像素f(i，j)的周围8个像素全为白(0)，则f(i，j)也取为0。 2．实现步骤 3．程序代码 4．效果对比图 (a)原图 (b)4连接消除孤立点的效果图 (c)8连接消除孤立点的效果图 图5-3 消除孤立点效果图 5.3 邻域平均法 本节介绍的基于邻域的平滑方法有： ? 3*3均值滤波； ? 超限邻域平均法； ? N*N均值滤波器； ? 选择式掩模平滑。 5.3.1 3×3均值滤波 1．理论基础 设f(i，j)为给定的含有噪声的图像，经过简单邻域平均处理后为g(i，j)，在数学上可表现为 g(i，j)=∑f(i，j) /M 其中(i，j) 式中S是所取邻域中的各邻近像素的坐标，M是邻域中包含的邻近像素的个数 对于邻域可以有不同的选取方式，如下所示： 模板1 模板2 模板3 本程序中采用“模板2”，即把当前图像f(i，j)周围8个像素的平均灰度作为该像素值。 2．实现步骤 3．程序代码 4．效果对比图 (a)原图 (b) 邻域平均法 图5-4邻域平均法 5.3.2 超限邻域平均法 1．理论基础 阈值的邻域平均法以某个灰度值T作为阈值，如果某个像素的灰度大于其邻近像素的平均值 ，并超过阈值，才使用平均灰度置换这个像素灰度，它的数学表达式：? f(i，j) 若（f(i，j)=f(i，j)- f(i，j)）T， g(i，j)= （5-1） f(i，j) 其它。 2．实现步骤 （1）取得图像大小、数据区，并把数据区复制到缓冲区中； （2）循环取得各点像素值； （3）取得该点周围8像素值的平均值； （4）判断该点的像素值是否大于平均值，若大于平均值则将平均值赋于该点，否则还保留原像素的灰度值。 （5）把缓冲区中改动的数据复制到原数据区中。 3．程序代码 4．效果图 图5-5 超限邻域平均法（阈值为100） 5.3.3 N×N均值滤波器 1．理论基础 在本程序中当灰度图像f中以像素f(i，j)为中心的N×N屏蔽窗口(N=3，5，7…)内平均灰度值