有噪声的图像.pptVIP

【例4.3】在MATLAB环境中，采用直方图均衡的方法进行图像增强。解：程序如下A=imread(p1.jpg);I=histeq(A); %调用函数完成直方图均衡化subplot(1,2,1),imshow(A);%直方图均衡化前的图像效果subplot(1,2,2),imshow(I);%直方图均衡化后的图像效果figure,subplot(1,2,1),imhist(A);%均衡化前的直方图subplot(1,2,2),imhist(I); %均衡化后的直方图4.3平滑一种区域增强的算法，平滑算法有：邻域平均法，中值滤波和边界保持类滤波等。4.3.1邻域平均法大部分的噪声都可以看作是随机信号，对图像的影响可以看作是孤立的。某一像素，如果它与周围像素点相比，有明显的不同，则该点被噪声感染了。设当前待处理像素为f(m,n)，给出一个大小为3×3的处理模板。图4.7模板示意图处理后的图像设为，则处理过程可描述为其中Z={-1,0,1}，为门限，它可以根据对误差容许的程度，选为图像灰度均方差的若干倍，或者通过实验得到。也可以把平均处理看作是图像通过一个低通空间滤波器后的结果设该滤波器的冲激响应为H(r,s)，于是滤波器输出的结果g(m,n)表示成卷积的形式，即k,l决定了所选邻域的大小，为加权函数，又被称为掩模(Mask)或模板（4.8）常用的模板：I1=imread(blood1.tif);I=imnoise(I1,saltpepper);%对图像加椒盐噪声imshow(I);h1=[0.10.10.1;0.10.20.1;0.10.10.1];%定义4种模板h2=1/16.*[121;242;121];h3=1/8.*[111;101;111];h4=1/2.*[01/40;1/411/4;01/40];I2=filter2(h1,I);%用4种模板进行滤波处理I3=filter2(h2,I);I4=filter2(h3,I);I5=filter2(h4,I);figure,imshow(I2,[])%显示处理结果figure,imshow(I3,[])figure,imshow(I4,[])figure,imshow(I5,[])【例4.4】分别采用4种模板对图像进行处理。（a）有噪声的图像（b）模板1处理的结果图（c）模板2处理的结果图（d）模板3处理的结果图（e）模板4处理的结果图图4.8平滑处理的例子邻域平均法：在去噪的同时也使边界变得模糊了。中值滤波：非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。（4.9）4.3.2中值滤波例：选择滤波用的窗口W如图，是一个一维的窗口，待处理像素的灰度取这个模板中灰度的中值，滤波过程为：图4.9一维窗口常用的窗口还有方形、十字形、圆形和环形等。图4.10中值滤波的常用窗口中值滤波对于消除孤立点和线段的干扰十分有用。特别是对于二进噪声尤为有效，对于消除高斯噪声的影响效果不佳。对于一些细节较多的复杂图像，还可以多次使用不同的中值滤波，然后通过适当的方式综合所得的结果作为输出，这样可以获得更好的平滑和保护边缘的效果。I1=imread(blood1.tif);I=imnoise(I1,saltpepper,0.02);imshow(I);K=medfilt2(I);%中值滤波figure,imshow(K);【例4.5】选用3×3的窗口进行中值滤波。（a）原图（b）结果图图4.11中值滤波1.K近旁均值滤波器（KNNF）在m×m的窗口中，属于同一集合类的像素，它们的灰度值将高度相关。被处理的像素（对应于窗口中心的像素）可以用窗口内与中