图像数字化处理.ppt

3.6图像噪声噪声——妨碍人们感觉器官对所接收的信源信息理解的因素。例如，一幅黑白图像，其亮度分布假定为f(x,y)，那么对其起干扰作用的亮度分布R(x,y)便称为图像噪声。噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此，将图像噪声看成是多维随机过程是合适的，描述噪声的方法完全可以借用随机过程及其概率分布函数和概率密度函数。通常是用其数字特征，即均值方差、相关函数等进行处理。第64页,共69页，2024年2月25日，星期天目前，大多数数字图像系统中，输入光图像都是采用先冻结再扫描方式将多维图像变成一维电信号，再对其进行处理、存储、传输等加工，最后往往还要再组成多维图像信号。图像噪声同样也受到这样的分解和合成，在这些过程中电气系统和外界影响将使得图像噪声的精确分析变得十分复杂。另一方面，对图像信息的认识和理解是由人的视觉系统所决定的。不同的图像噪声，人的感觉（理解）程度是不同的，这就是所谓人的噪声视觉特性问题。该方面虽早已进行研究，但终因人的视觉系统本身未搞清楚而未获得解决。尽管如此，图像噪声在数字图像处理技术中的重要性却愈加明显。例如，高放大倍数遥感图片的判读，X射线图像系统中的噪声去除等都已成为不可缺少的技术。第65页,共69页，2024年2月25日，星期天图像噪声分类电器的机械运动产生的噪声由光和电的基本性质所引起的噪声内部噪声外部噪声两大类元器件材料本身引起的噪声系统内部设备电路所引起的噪声一、根据产生的原因第66页,共69页，2024年2月25日，星期天平稳噪声：统计特性不随时间变化的噪声非平稳噪声：统计特性随时间变化的噪声二、根据统计特性三、根据噪声和信号之间的关系加性噪声：信号与噪声的合成波形为S(t)+n(t)乘性噪声：信号与噪声的合成波形为S(t)[1＋n(t)]第67页,共69页，2024年2月25日，星期天高斯型：噪声幅度分布呈高斯分布瑞利型：噪声幅度分布呈瑞利分布白噪声：频谱呈均匀分布四、根据噪声幅度分布形态五、按产生过程量化噪声椒盐噪声第68页,共69页，2024年2月25日，星期天感谢大家观看第69页,共69页，2024年2月25日，星期天**我们接触到的现实世界中的图像多为模拟图像，但是计算机只能处理数字信息，因此，必须将其数字化，转换成适合计算机表示的形式，才能由计算机进行处理。图像处理的方法有模拟式和数字式两种。由于数字计算技术的迅猛发展，数字图像处理技术得到了广泛的应用。我们日常生活中见到的图像一般是连续形式的模拟图像，所以数字图像处理的一个先决条件就是特连续图像离散化，转换为数字图像。图像的数字化包括采样和量化两个过程。矩阵中的每一个元素称为像元、像素或图像元素。而g(i，j)代表(：，J)点的灰度值,即亮度值。以上数字化有以下几点说明：**因为图像灰度值的概率密度分布函数因图像不同而异，所以不可能找到一个适用于各种不同图像的最佳非等间隔量化方案。因此，实用上一般都采用等间隔量化。**将模拟图像数字化成为数字图像，需要某种图像数字化设备。常见的数字化设备有数字相机、扫描仪、数字化仪等。如前所述，采样和量化是数字化一幅图像的两个基本过程。即把图像划分为若干图像元素(像素)并给出它们的地址（采样）；度量每一像素的灰度，并把连续的度量结果量化为整数（量化）；最后将这些整数结果写入存储设备。为完成这些功能，图像数字化设备必须包含以下五个部分**1)像素大小采样孔的大小和相邻像素的间距是两个重要的性能指标。如果数字化设备是在一个放大率可变的光学系统上，那么对应于输入图像平面上的采样点大小和采样间距也是可变的。2)图像大小图像大小即数字化设备所允许的最大输入图像的尺寸。3)线性度对光强进行数字化时，灰度正比于图像亮度的实际精确程度是一个重要的指标。非线性的数字化设备会影响后续过程的有效性。能将图像量化为多少级灰度也是非常重要的参数。图像的量化精度经历了早期的黑白二值图像、灰度图像及现在的彩色及真彩色图像。当然，量化精度越高，存储像素信息需要的字节数也越大。4)噪声数字化设备的噪声水平也是一个重要的性能参数。例如，数字化一幅灰度值恒定的图像，虽然输入亮度是一个常量，但是数字化设备中固有的噪声却会使图像的灰度发生变化。因此数字化设备所产生的噪声是图像质量下降的根源之一，应当使噪声小于图像内的反差点(即对比度)。**为了方便地处理数字图像，根据数字图像的特性将其分成不同的类型。静态图像可分为矢量