数字图像处理(冈萨雷斯).ppt

5.2.3 周期噪声被不同频率的正弦噪声干扰了的图像呈圆形分布的亮点为噪声频谱在图像获取中从电力或机电干扰中产生.是空间相关噪声.周期噪声可以通过频率域滤波显著减少.第27页，共62页。典型的周期噪声---正弦噪声Sinusoidal（单一频率）(a)正弦噪声图像(b)正弦噪声幅度谱Sinusoidal（多频率）第28页，共62页。5.2.4 噪声参数的估计典型的周期噪声参数是通过检测图像的傅里叶谱来进行估计的。周期噪声趋向于产生频率尖峰，这些尖峰甚至通过视觉分析也经常可以检测到。另一种方法是尽可能直接从图像中推断噪声分量的周期性，但这仅仅在非常简单的情况下才是可能的。当噪声尖峰格外显著或可以使用关于干扰的频率分量一般位置的某些知识时，自动分析是可能的。第29页，共62页。噪声参数的估计计算一小块带有(a)高斯(b)瑞利(c)均匀噪声的图像的直方图计算小块图像的灰度值的均值和方差。考虑由S定义的一条子带(子图像)第30页，共62页。5.3空间域滤波复原（唯一退化是噪声）当唯一退化是噪声时，则退化系统噪声项未知，不能从g(x,y)或G(u,v)减去噪声。（如果是周期噪声，也许可以）可以选择空间滤波方法进行图像复原图像复原的空间滤波器均值滤波 算术均值滤波器、几何均值滤波器、谐波均值滤波器、逆谐波均值滤波器统计排序滤波器 中值滤波器、最大值滤波器、最小值滤波器、中点滤波器、修正后的阿尔法均值滤波器自适应滤波器： 自适应局部噪声消除滤波器、自适应中值滤波器???第31页，共62页。算术均值滤波器5.3.1均值滤波器???表示中心在(x,y)，尺寸为m×n的矩形窗口平滑了一幅图像的局部变化在模糊了结果的同时减少了噪声第32页，共62页。几何均值滤波器5.3.1均值滤波器???表示中心在(x,y)，尺寸为m×n的矩形窗口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几何均值滤波器在滤波过程中，与算术均值滤波器相比，会丢失更少的图像细节——相对锐化第33页，共62页。谐波均值滤波器5.3.1均值滤波器???表示中心在(x,y)，尺寸为m×n的矩形窗口谐波均值滤波器对于“盐”噪声效果好，但不适用于“胡椒”噪声善于处理高斯噪声等第34页，共62页。逆谐波均值滤波器5.3.1均值滤波器???表示中心在(x,y)，尺寸为m×n的矩形窗口Q称为滤波器的阶数。当Q为正数时，用于消除“胡椒”噪声；当Q为负数时，用于消除“盐”噪声，但不能同时消除“椒盐”噪声当Q=0，逆谐波均值滤波器转变为算术均值滤波器当Q=-1，逆谐波均值滤波器转变为谐波均值滤波器?第35页，共62页。例5.2均值滤波举例 原图3×3算术均值滤波器被均值为0，方差为400的高斯噪声污染 3×3几何均值滤波器，图像更清晰5.3.1均值滤波器第36页，共62页。“胡椒”噪声干扰图像 3×3大小，Q=1.5的 逆谐波均值滤波器 “盐”噪声干扰图像3×3大小，Q=-1.5的逆谐波均值滤波器5.3.1均值滤波器例5.2均值滤波举例第37页，共62页。???总结 算术均值滤波器和几何均值滤波器适合于处 理高斯或均匀等随机噪声 谐波均值滤波器适合于处理脉冲噪声 缺点：必须事先知道噪声是暗噪声还是亮 噪声，以便于选择合适的Q符号5.3.1均值滤波器第38页，共62页。5.3.2统计排序滤波器中值滤波器在相同尺寸下，比起均值滤波器引起的模糊少对单极或双极脉冲噪声非常有效最大值滤波器用于发现图像中的最亮点可以有效过滤“胡椒”噪声（因为“胡椒”噪声是非常低的值）最小值滤波器用于发现图像中的最暗点可以有效过滤“盐”噪声（因为“盐”噪声是非常高的值）第39页，共62页。5.3.2统计排序滤波器中点滤波器结合了顺序统计和求平均对于高斯和均匀随机分布这类噪声有最好的效果修正后的阿尔法均值滤波器在邻域内去掉的d/2个最高灰度值点的和d/2个最低灰度值点,