03空间滤波与图像平滑.pptVIP

光电图像处理 ----空间滤波与图像平滑 张昊 zhangh@tju.edu.cn 主要内容 空间滤波基础 图像的噪声 图像平滑与滤波方法 图像的代数运算 空间滤波基础 空间滤波主要以邻域处理工作为基础 邻域处理是操作邻域像素值以及相应的与邻域有相同维数的“子图像”的值 这种“子图像”可以称为滤波器、掩模、核、模板、窗口 空间滤波基础 空域滤波是在待处理图像f(x,y)上逐点移动模板，在每一点(x,y)的滤波响应通过事先定义的关系来计算。该响应就是空间滤波的输出 空间滤波基础 对于线性空间滤波，在图像中的点(x,y)处，该掩模滤波的响应R为掩模系数与掩模下的相应像素灰度值的乘积之和 空间滤波基础 一般地 模板大小 (2a+1,2b+1) (3,3) (5,5), (7,7) 对于常用的3×3模板，图像的滤波响应为 空间滤波基础 当滤波中心在图像边沿上 不做处理，在边沿处输出等于输入 给输入图像“补上”若干行和列 (Padding) ，补零，补相同值，对称补值 图像平滑 减小图像中某些像素点与其邻域点的灰度差异 图像平滑的目的 模糊图像，例如在提取大目标时去除部分琐碎细节 减小噪声 图像噪声 不可预测，只能用统计方法来描述的随机误差 光电成像系统会抽到各种随机干扰的影响，造成图像噪声。比如CCD器件噪声，电子元件噪声 图像噪声分类 按来源 外部噪声，电磁干扰 内部噪声，器件噪声，电路噪声 按统计理论观点 平稳噪声，统计特性不随时间变化 非平稳噪声 按频谱特性 白噪声，功率谱均匀分布 按与图像的相关性 加性噪声 g(x,y)=T[f(x,y)]+n 图像噪声分类 按噪声幅值的统计分布 高斯分布，大多数内部噪声 泊松分布，传感器，shot noise 瑞利噪声，高斯噪声+正弦信号 椒盐噪声，CCD坏点，A/D错误，传输错误，随机的白点或者黑点，出现位置随机 一般地，平稳、加性、白噪声 图像平滑 多幅图像均值 有效降低加性白噪声 白噪声的非相关性 多幅图像均值 线性平滑滤波器 均值滤波 图像相邻像素灰度值相关性与白噪声的非相关性 均值滤波器的输出（响应）是包含在滤波模板邻域内像素值的简单平均值 均值滤波器 线性平滑滤波器 均值滤波计算 均值滤波 均值滤波 模糊细节 均值滤波 均值滤波的一个不足 对邻域内所有点都同等对待。在“分摊”噪声的同时，将景物边界点的灰度也分摊了 加权均值 高斯滤波 高斯滤波器系数 fspecial(‘gaussian’, [3,3], 1) 中值滤波 中值滤波是将邻域中的像素按灰度级排序，取其中间值为输出 噪声点与邻域的灰度有明显差异，排序后噪声点趋向于被排在两侧 中值滤波常用模板 中值滤波 计算方法 将模板区域内的像素按灰度值排序，求中间值 例如：3×3模板，第5个值是中间值 5×5模板，第13个值是中间值 7×7模板，第25个值是中间值 对于灰度相同的像素，连续排列 例如(1, 4, 3, 2, 3, 4, 6, 8, 9) (1, 2, 3, 3, 4, 4, 6, 8, 9) 中值滤波 中值滤波的性质 对阶跃信号，斜坡信号，输入输出信号相同。具有保边性（edge preserving） 中值滤波 中值滤波的性质 滤掉脉冲信号，当脉冲信号连续出现次数小于窗口尺寸的一半（适合于椒盐噪声） 中值滤波 中值滤波的性质 削平一维三角信号的顶峰信号 中值滤波能够在抑制随机噪声的同时，保留边缘的锐度和图像的细节。但对点、线等细节较多的图像不太合适。 中值滤波 中值滤波 vs. 均值滤波 中值滤波 中值滤波 vs. 均值滤波 中值滤波 中值滤波 vs. 均值滤波 中值滤波 快速计算 3×3的二维中值滤波可以近似为先求每一行的中值，再求这些中值的中值 高维中值滤波 Pratt算子 其他排序滤波 最大值滤波器 最小值滤波器 中点滤波器 双边滤波器 Bilateral filtering 均值滤波假定图像上一点与其邻域内的点灰度是相近的，且与噪声不相关。而图像边缘上的点却可能与其相邻点有很大的差异，因此在滤波的过程中就不可避免的被“模糊”了。 双边滤波在处理相邻像素时，不仅考虑了空间的邻近关系，也考虑了灰度的相似关系。通过二者的组合，进行自适应滤波。 双边滤波器 双边滤波器 双边滤波器 加权均值。权重值不仅考虑了空间的邻近关系，也考虑了灰度的相似关系 双边滤波器 双边滤波器 作业 如图为一幅16级灰度的图像。请写出均值滤波和方形中值滤波的3x3滤波器；说明这两种滤波器各自的特点；并写出两种滤波器对下图的滤波结果（只处理灰色区