数字图像处理与深度学习技术应用（中篇，共上中下3篇）.pptxVIP

第6章图像平滑处理

目录6.1概述6.2噪声消除法6.2.1二值图像的黑白点噪声滤波6.2.2消除孤立黑像素点6.3邻域平均法6.3.13×3均值滤波6.3.2N×N均值滤波6.3.3超限邻域平均法6.3.4方框滤波6.4高斯滤波6.5中值滤波6.5.1N×N中值滤波6.5.2十字型中值滤波6.5.3N×N最大值滤波6.6双边滤波6.72D卷积核的实现6.8产生噪声6.8.1随机噪声6.8.2椒盐噪声

6.1概述

概述图像平滑或滤波目的是消除噪声，降低干扰，改善图像质量。图像平滑常用的方法是采用区域处理，利用相邻的像素值，进行均值滤波或中值滤波。

6.2噪声消除法

6.2.1二值图像的黑白点噪声滤波

理论基础理论基础设当前像素f(i,j)周围的8个像素的平均值为a时，若|f(i,j)-a|的值在127.5以上，则对f(i,j)的黑白进行翻转，若不到127.5则f(i,j)不变。

函数说明（1）retval=image.getdata(band=None)将此图像的内容作为一个包含像素值的序列对象返回。该序列对象是平铺的，所以第一行的值直接跟在第0行的值之后，以此类推。retval：包含像素值的序列的对象；band：返回频段。默认是返回所有波段。要返回单个波段，需要传入索引值（例如，从“RGB”图像中获得“R”波段，则索引值为0）。（2）retval=image.putpixel(xy,color)用于修改x，y处的像素。retval：返回一个修改后的图像；xy：像素坐标，以（x,y）的形式给出；value：像素值。

效果展示

6.2.2消除孤立黑像素点

理论基础像素的4点邻域和8点邻域关系如图6-2连通图所示。****。*.*。*。.。*****4点领域8点领域图6-2连通图在4点邻域的情况下，若黑像素上下左右4个像素全为白色(255)，则f(i,j)也取为255。在8点邻域的情况下，若黑像素的周围8个像素全为白色(255)，则f(i,j)也取为255。

效果展示

6.3邻域平均法

邻域平均法是一种利用模板对图像进行模板操作（卷积运算）的方法（b)5x5模版邻域平均法也叫均值滤波，是对待处理的像素给定一个模板，该模板包括了其周围的邻近像素，用模板中的全体像素的均值来替代原来的像素值。均值滤波器对高斯噪声的滤波效果较好，对椒盐噪声的滤波效果不好。（a）3x3模版

6.3邻域平均法

效果展示

6.3.13×3均值滤波

理论基础理论基础在f(i,j)上按行（或列）对每个像素选取3×3尺寸的邻域，并用邻域中邻近像素的平均灰度来置换这一像素值。

函数说明retval=cv2.blur(src,ksize,anchor,borderType)retval：表示返回的均值滤波处理结果；src：表示原始图像，该图像不限制通道数目；ksize：表示滤波卷积核的大小；anchor：表示图像处理的锚点，其默认值为（-1,-1），表示位于卷积核中心点，通常直接使用默认值即可；borderType：表示以哪种方式处理边界值，通常直接使用默认值即可。

效果展示图6-8图像3x3邻域平均法效果图

6.3.2N×N均值滤波

理论基础在本程序中当灰度图像f中以像素f(i,j)为中心的N×N屏蔽窗口(N=3,5,7,…)内平均灰度值为a时，无条件做f(i,j)=a处理，N由用户给定，且取N值越大，噪声减少越明显。但“平均”是以图像的模糊为代价的。图像7×7均值滤波效果

6.3.3超限邻域平均法

理论基础为了减少模糊效应，找到清除噪声和边缘模糊这对矛盾的最佳统一。阈值的邻域平均法以某个灰度值T作为阈值，如果某个像素的灰度大于其邻近像素的平均值，并超过阈值，才使用平均灰度置换这个像素灰度：