基于MATLAB的图像平滑算法实现及应用要点总结计划.docxVIP

目录 3 图像噪声 幅图像在获取和传输等过程中，会受到各种各样噪声 的干扰，其主要来源有三：一为在光电、电磁转换过程中引入的人为噪声；二为大气层电（磁）暴、闪电、电压、浪涌等引起的强脉冲性冲激噪声的干扰；三为自然起伏性噪声，由物理量的不连续性或粒子性所引起，这类噪声又可分成热噪声、散粒噪声等。一般在图像处理技术中常见的噪声有：加性噪声、乘性噪声、量化噪声、“盐和胡椒”噪声等。下面介绍两种主要的噪声。 1、高斯噪声 这种噪声主要来源于电子电路噪声和低照明度或高温带来的传感器噪声,也称为正态噪声,是在实践中经常用到的 噪 声 模 型 。 高 斯 随 机 变 量 z 的 概 率 密 度 函 数 ( PDF) 由 下 式给 出 : p( z) 1/ 2 exp{ ( z ) 2 / 2 2 } 其 中 , z 表 示 图 像 像 元 的 灰 度 值 ; μ 表 示 z 的 期 望 ; σ 表 示 的标准差。 2、椒盐噪声 主要来源于成像过程中的短暂停留和数据传输中产生的错误。其 PDF 为： pa z a p( z) pb z b 其他 如 果 b a , 灰 度 值 b 在 图 像 中 显 示 为 一 亮 点 , a 值 显 1 示 为 一 暗 点 。 如 果 Pa 和 图 像 均 不 为 零 , 在 图 像 上 的 表 现 类似于随机分布图像上的胡椒和盐粉微粒,因此称为椒盐噪 声 。 当 Pa 为 零 时 , 表 现 为 “ 盐 ” 噪 声 ; 当 Pb 为 零 时 , 表 现 为“胡椒”噪声。 图像中的噪声往往是和信号交织在一起的尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边缘轮廓‘线条等模糊不清，从而使图像质量降低。 2 第二章、图像平滑方法 1 空域低通滤波 将空间域模板用于图像处理，通常称为空间滤波，而空间域模板称为空间滤波器。空间域滤波按线性和非线性特点有：线性、非线性平滑波器。 线性平滑滤波器包括领域平均法（均值滤波器），非线性平滑滤波器有中值滤波器。 1.1 均值滤波器 对一些图像进行线性滤波可以去除图像中某些类型的噪 声，如采用邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。邻域平均法是空间域平滑技术。这种方法的基本思想是，在图像空间，假定有一副 N×N 个 像 素 的 原 始 图 像 f ( x , y) , 用 领 域 内 几 个 像 素 的 平 均 值 去 代替图像中的每一个像素点值的操作。经过平滑处理后得到一副 图 像 g ( x , y ) , 其 表 达 式 如 下 ： g ( x , y ) 1 / M f ( m , n ) ( m , n ) s 式 中 ： x , y =0 , 1 , 2 , ， N- 1 ； s 为 （ x ， y ） 点 领 域 中 点的 坐 标 的 集 合 ， 但 不 包 括 （ x ， y ） 点 ； M 为 集 合 内 坐 标 点 的总 数 。 领 域 像的模糊 可采用阈 如 下 ：  平均法有力地抑制了噪声，但随着领域的增大，图程度也愈加严重。为了尽可能地减少模糊失真，也值法减少由于领域平均而产生的模糊效应。其公式 g( x, y) 1 / M f (m, n) f ( x, y) 1/ M f (m, n) T ( m,n) s ( m,n) s f ( x, y) 其他 式中：T为规定的非负阈值。 3 上述方法也可称为算术均值滤波器，除此之外还可以采用几何均值滤波器、谐波均值滤波器和逆谐波均值滤波器。几何均值滤波器所达到的平滑度可以与算术均值滤波器相比，但在滤波过程中会丢失更少的图像细节。谐波均值滤波器对“盐”噪声效果更好，但是不适用于“胡椒”噪声。它善于处理像高斯噪声那样的其他噪声。逆谐波均值滤波器更适合于处理脉冲噪声，但它有个缺点，就是必须要知道噪声是暗噪声还是亮噪声，以便于选择合适的滤波器阶数符号，如果阶数的符号选择错了可能会引起灾难性的后果。 1.2 中值滤波器 中值滤波是一种常用的去除噪声的非线性平滑滤波处理方法，其基本思想用图像像素点的领域灰度值的中值来代替该像素点的灰度值。二维中值滤波可以用下式表示： yij Med fij 式中：A 为滤波窗口； fij 为二维数据序列。其主要功能是 让周围象素灰度值的差比较大的像素改取与周围的像素值接近的值，从而可以消除孤立的噪声点，所以中值滤波对于滤除图像的椒盐噪声非常有效。中值滤波器可以做到既去除噪声又能保护图像的边缘，从而获得较满意的复原效果，而且，在实际运算过程中不需要图像的统计特性，这也带来不少方便，但对一些细节多，特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。如果希望强调中间点或距中间点最近的几个点的作用，则可采用加权中值滤波。其基本原理是