图像空间域平滑的几种简单算法.DOCVIP

作者永亮 蕤 图像空间域平滑的几种简单算法 摘要：图像平滑或去噪就是为了抑制噪声，以达到改善图像质量的目的，既可以在空间域又可以频率域中实现，在数字图像处理中起着重要的作用。本文将主要介绍空间域的几种平滑法的算法：邻点平均法、K个邻点平均法、最大均匀性平滑，其中操作平台是matlab 7.1。 关键字：数字图像处理，图像平滑，K个邻点平均法，最大均匀性平滑 局部平滑法（邻域平均法） 1、算法介绍 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。因此，可以用邻域内各像素的灰度平均值代替该像素原来的灰度值，以去除噪声，实现图像的平滑。 设有一幅 N×N 的图像f(x,y)，若平滑图像为g(x,y),则有 可知邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的一种简单的去噪方法。 (m-1,n-1) (m-1,n) (m-1,n+1) (m,n-1) (m,n) (m,n+1) (m+1,n-1) (m+1,n) (m+1,n+1) 如图所示：在3*3的窗口中将中心像素所包括的邻域和中心像素的均值作为中心像素的灰度值 在实际中由于第一行、最后一行、第一列、最后一列，不能满足有八个邻域的条件，因此将它们的数据保存不变，最后把这些数据和变化后的数据一起组成图像的灰度矩阵并显示出来。 2、软件流程图 3、算法处理效果图与分析 3.1算法效果图 图（1） 图（2） 3.2算法效果图分析 如图（1）： 对于picture(2,2)=106,其邻域有picture(1,1) ，picture(1,2)，picture(1,3)， picture(2,1)，picture(2,3)，picture(3,1)，picture(3,2)，picture(3,3) 其邻域平均后的值zuihou(2,1)= (picture(1,1) +picture(1,2)+picture(1,3)+ picture(2,1)+picture(2,2)+picture(2,3)+picture(3,1)+picture(3,2)+picture(3,3))/9=968/9=107.555556=108 而在图示中zuihou(2,1)=108和我们计算的结果吻合，说明算法正确 4、算法程序 运行环境：matlab 7.1 picture =imread(pout.tif); n=291; m=240; I=im2double(picture) ; %由于matlab中读入的图像是uint8的，在求平均值时很容易溢出，因此将其转换成double型进行运算 for h=1:m X(1,h)=I(1,h); X(291,h)=I(291,h); end for j=1:n%由于第一行第一列以及最后一行最后一列的值不改变，因此将他们的值单独取出来 X(j,1)=I(j,1); X(j,240)=I(j,240); end for i=2:n-1 for j=2:m-1 X(i,j)=(I(i-1,j-1)+I(i-1,j)+I(i-1,j+1)+I(i,j-1)+I(i,j)+I(i,j+1)+I(i+1,j-1)+I(i+1,j)+I(i+1,j+1))/9;%将中心像素的邻域和中心像素相加求平均值 end end zuihou=im2uint8(X);%将double型数据转换成uint8 imshow(picture),title(原图); figure; imshow(zuihou),title(3*3窗口邻点平均后的图像); 二、灰度最相近的K个邻点平均法 1、算法介绍 该算法的出发点是：在n×n的窗口内，属于同一集合体的像素，它们的灰度值的高度相关。因此，可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。这就是灰度最相近的K个邻点平均法。 较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。 实验证明，对于3×3的窗口，取K=6为宜，因此采用3*3的六点邻域平均法。 此算法首先将中心像素和其邻域的差值求出来，然后对其求绝对值，将求绝对值后的数据排序，选出前六个作为要的邻域，但此时的六个数据已经是绝对值后的数据，不包含符号，因此要求一个排序程序中，创建一个二维数组，其中第一行存每个数据的标号，在排序移位的同时也将标号移位，用标号来追踪需要的数据，再根据标号找到与中心像素最接近的六个像素灰度值，将其和中心像素相加取平均值，作为中心像素的灰度值，解决