图像处理环形伪影去除及去噪
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
r (i, j , k , l ) exp( f (i, j ) f (k , l ) 2 r
2
双边滤波
2
2
)
2
f (i, j ) f (k , l ) (i k ) ( j l ) w(i, j, k , l ) exp( ) 2 2 2 d 2 r
2
双边滤波结合高斯滤波但是对图像边 缘能够更好保存 数学算法的流程和高斯滤波简易度很 接近
g (i, j ) e
( i j ) / 2
2 2
2
高斯滤波
本质：按像素距离进行加权的线性 平滑滤波 核分布模型
高斯滤波
最经典的去噪算法之一 图像平滑度和去噪效果都十分明显
可以避免振铃效应的影响
参数为0.05的高斯噪声图 和高斯滤波之后的效果图
高斯滤波
PSNR:7.251
(i k ) 2 ( j l ) 2 d (i, j, k , l ) exp( ) 2 2 d
双边滤波对椒盐噪声的 滤波效果图
双边滤波
双边滤波对参数为0.05 的高斯噪声去噪效果图
双边滤波
PSNR:7.253
D(i, j ) v( N (i )) v( N ( j ))
2 2,a
非局部均 值滤波
D(i, j ) w(i, j ) exp( ) 2 h
1 V (i) w(i, j )v( j ) c(i ) j l
gauss PSNR 高斯滤波 双边滤波
应用思考
0.05 0.07 0.09
0.01
0.03
7.248 7.249 7.251 7.252 7.253 7.251 7.252 7.253 7.254 7.256
非局部均值滤波
7.251 7.252 7.254 7.255 7.257
应用思考
高斯滤波
c(i) w(i, j )
j l
目前公认的效果较好的新思路滤
波方法
非局部均 值滤波
以像素块为单位，而前两种算法以
像素点为单位来进行权重计算
引进了相似性等新概念，创新性和可行
性均较高。
参数为0.05的噪声图与 非局部均值滤波后效果 图
非局部均 值滤波
PSNR:7.254
三种滤波算法评估参数 对比
第三代CT常见伪影
很多
例如
已有方法
标定探测器通道（非图像处理方法） 控制通道积分时间 sobel边缘检测（edge） 极坐标转换FFT
改进的canny算法
步骤：1、雷登变换 2、梯度函数 3、筛选判断 4、线性插值 5、反雷登变换
方法一
方法一
方法一
方法一
方法一
极坐标转换算法
步骤：1、极坐标转换 2、计算每一列均值方差 3、筛选判断 4、线性插值 5、反极坐标转换
方法二
方法二
滤波算法对比实验
中心思路如下
滤 波
去噪算法
Байду номын сангаас
高斯滤波
双边滤波
非局部均 值滤波
来源：量子噪声、电气噪 意 义 声和算法、天气等外部原 为什么用这幅图，是因为这图的各 因和设备电流等内部原因 个频段的能量都很丰富：即有低频 实验对象 高斯噪声图 实验模板图 （光滑的皮肤），也有高频（帽子 上的羽毛），很适合来验证各种算 法。：1.该图适度的混合了细节、 平滑区域、阴影和纹理，从而能很 好的测试各种图像处理算法。 2.Lenna是个美女，对于图象处理界 的研究者来说，美女图可以有效的 滤波：保留图像细节信 吸引他们来做研究。 息的同时对图像噪声进 行抑制的过程。
数字图像处理
环形伪影去除 滤波算法对比实验
陈美玲 21500827
环形伪影去除
• CT成像需要排列的多个探测器对 伪影来源 射线进行探测成像 • 当一个或多个探测器损坏或者不理 想响应的时候会在投影图上形成一 条线型的伪影区 • 当转换为CT图像的时候会出现环 形的伪影
探测单元
角 度
伪影表现
伪影性质
由距离求权到 像素差值和距 离结合求权 由一维距离 求权到欧式 距离求权
双边滤波
由像素距离像素 差值结合求权到 二维像素差值求 权
非局部均值滤波
应用思考
大量学习总结已有成果
是科研学习的第一步
对比分析促进创新
2
双边滤波
2
2
)
2
f (i, j ) f (k , l ) (i k ) ( j l ) w(i, j, k , l ) exp( ) 2 2 2 d 2 r
2
双边滤波结合高斯滤波但是对图像边 缘能够更好保存 数学算法的流程和高斯滤波简易度很 接近
g (i, j ) e
( i j ) / 2
2 2
2
高斯滤波
本质：按像素距离进行加权的线性 平滑滤波 核分布模型
高斯滤波
最经典的去噪算法之一 图像平滑度和去噪效果都十分明显
可以避免振铃效应的影响
参数为0.05的高斯噪声图 和高斯滤波之后的效果图
高斯滤波
PSNR:7.251
(i k ) 2 ( j l ) 2 d (i, j, k , l ) exp( ) 2 2 d
双边滤波对椒盐噪声的 滤波效果图
双边滤波
双边滤波对参数为0.05 的高斯噪声去噪效果图
双边滤波
PSNR:7.253
D(i, j ) v( N (i )) v( N ( j ))
2 2,a
非局部均 值滤波
D(i, j ) w(i, j ) exp( ) 2 h
1 V (i) w(i, j )v( j ) c(i ) j l
gauss PSNR 高斯滤波 双边滤波
应用思考
0.05 0.07 0.09
0.01
0.03
7.248 7.249 7.251 7.252 7.253 7.251 7.252 7.253 7.254 7.256
非局部均值滤波
7.251 7.252 7.254 7.255 7.257
应用思考
高斯滤波
c(i) w(i, j )
j l
目前公认的效果较好的新思路滤
波方法
非局部均 值滤波
以像素块为单位，而前两种算法以
像素点为单位来进行权重计算
引进了相似性等新概念，创新性和可行
性均较高。
参数为0.05的噪声图与 非局部均值滤波后效果 图
非局部均 值滤波
PSNR:7.254
三种滤波算法评估参数 对比
第三代CT常见伪影
很多
例如
已有方法
标定探测器通道（非图像处理方法） 控制通道积分时间 sobel边缘检测（edge） 极坐标转换FFT
改进的canny算法
步骤：1、雷登变换 2、梯度函数 3、筛选判断 4、线性插值 5、反雷登变换
方法一
方法一
方法一
方法一
方法一
极坐标转换算法
步骤：1、极坐标转换 2、计算每一列均值方差 3、筛选判断 4、线性插值 5、反极坐标转换
方法二
方法二
滤波算法对比实验
中心思路如下
滤 波
去噪算法
Байду номын сангаас
高斯滤波
双边滤波
非局部均 值滤波
来源：量子噪声、电气噪 意 义 声和算法、天气等外部原 为什么用这幅图，是因为这图的各 因和设备电流等内部原因 个频段的能量都很丰富：即有低频 实验对象 高斯噪声图 实验模板图 （光滑的皮肤），也有高频（帽子 上的羽毛），很适合来验证各种算 法。：1.该图适度的混合了细节、 平滑区域、阴影和纹理，从而能很 好的测试各种图像处理算法。 2.Lenna是个美女，对于图象处理界 的研究者来说，美女图可以有效的 滤波：保留图像细节信 吸引他们来做研究。 息的同时对图像噪声进 行抑制的过程。
数字图像处理
环形伪影去除 滤波算法对比实验
陈美玲 21500827
环形伪影去除
• CT成像需要排列的多个探测器对 伪影来源 射线进行探测成像 • 当一个或多个探测器损坏或者不理 想响应的时候会在投影图上形成一 条线型的伪影区 • 当转换为CT图像的时候会出现环 形的伪影
探测单元
角 度
伪影表现
伪影性质
由距离求权到 像素差值和距 离结合求权 由一维距离 求权到欧式 距离求权
双边滤波
由像素距离像素 差值结合求权到 二维像素差值求 权
非局部均值滤波
应用思考
大量学习总结已有成果
是科研学习的第一步
对比分析促进创新