数字图像中高斯噪声的消除.pptxVIP

数字图像中高斯噪声的消除;噪声与图像 ;噪声的概念;常见噪声及影响;含噪模型;常见的滤波器;高斯噪声模型;图像质量的评价;客观评价 对于连续图像场合，设 为一定义在矩形区域 ， 的连续图像，其降质图像为 ，它们之间的逼真度可用归一化的互相关函数K来表示: （2-1） 对于数字图像场合设 为原参考图像， 为其降质图像，逼真度可定义为归一化的均方误差值NMSE： （2-2）;其中，运算符 表示在计算逼真度前，为使测量值与主观评价的结果一致而进行的某种预处理。如对数处理、幂处理等，常用的 为 （2-3） ， K1、K2 、K3 、b均为常数。 另外一种常用的峰值均方误差PMSE: （2-4） 式中，A为 的最大值。实用中还常采用简单的形式 。此时，对于8比特精度的图像，A=255，M、N为图像尺寸。;峰值均方误差PMSE也被表示成等效的峰值信噪PSNR: （2-5） 由于人眼视觉特性的准确模型还没有完全建立起来，因此主观评价标准还只是一个定性的描述方法，不能作定量描述，但它能反映人眼的视觉特性。峰值信噪比能够对图像质量给出定量的描述。它是一种数学上统计的处理方法，其缺点是它并不是总能反映人眼的真实感觉。一种折衷的方法是在衡量图像“去噪”算法的优劣时，将主观与客观两种标准结合起来考虑。 ;图像去噪原理;维纳滤波器 维纳滤波器是由数学家维纳（Rorbert Wiener）提出的一种以最小平方为最优准则的线性滤波器。在一定的约束条件下，其输出与一给定函数（通常称为期望输出）的差的平方达到最小，通过数学运算最终可变为一个托布利兹方程的求解问题。维纳滤波器又被称为最小二乘滤波器或最小平方滤波器。 中值滤波器 中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值. 领域可以为一维的，如线形，也可以为二维的，如圆形，十字形，正方形等等，通常为2*2或3*3的模板;均值滤波器 邻域平均法是一种局部空间域处理的算法。设一幅图像 为 的阵列，处理后的图像为 ，它的每个像素的灰度级由包含 领域的几个像素的灰度级的平均值所决定，即用下式得到处理后的图像: (3-3) 式中 ；s是以 点为中心的邻域的集合，M是s内坐标总数。图像邻域平均法的处理效果与所用的邻域半径有关。 ;用MATLAB程序处理;%傅里叶变换 g=fft2(f); %转换数据矩阵 g=fftshift(g); [N1,N2]=size(g); n=2; d0=50; n1=fix(N1/2); n2=fix(N2/2); for i=1:N1 for j=1:N2 d=sqrt((i-n1)^2+(j-n2)^2); %计算低通转换函数 h=1/(1+0.414*(d/d0)^(2*n)); result(i,j)=h.*g(i,j); end end ; Z1(n+1,m+1)=W(n,m); end; end; for n=2:a for m=2:b ZO=[Z1(n-1,m-1),Z1(n-1,m),Z1(n-1,m+1),Z1(n,m-1),Z1(n,m),Z1(n,m+1),Z1(n+1,m-1),Z1(n+1,m),Z1(n+1,m+1)]; ZO=sort(ZO); Z2(n-1,m-1)=ZO(5); end; end; subplot(2,3,5); imshow(Z2,[]); title(中值滤波后图像); %中值滤波完成 w=double(b3);