【课件】图像处理与图像识别第5章噪声抑制37精品版
合集下载
噪声ppt课件
隔声处理
在建筑物中设置隔声墙、 隔声窗等，提高建筑物隔 声性能。
阻尼减振
在管道、设备等部位设置 阻尼材料，减少振动和噪 声传递。
受体保护措施
佩戴个人防护用品
如耳塞、耳罩等，减少噪声对个人的 影响。
采取轮班制或缩短工作时间
降低工人在高噪声环境中的暴露时间 。
设置噪声监测与报警系统
实时监测噪声水平，超过标准时及时 报警并采取措施。
VS
治理系统发展
基于智能化监测数据，构建噪声治理系统 ，实现自动化、精准化的噪声控制和管理 。
政策法规变动对行业影响
政策法规变动
随着环保意识的提高，各国政府纷纷出台更 加严格的噪声控制法规和标准，推动行业向 更加环保、低噪的方向发展。
对行业影响
政策法规的变动将促使企业加大降噪技术研 发和投入，推动降噪产品的升级换代，同时 也将提高行业的环保门槛和市场竞争力。
城市交通噪声治理案例
案例一
某城市交通干线噪声治理。通过在城 市交通干线两侧设置声屏障、优化道 路设计、加强交通管理等措施，有效 降低了交通噪声对周边居民的影响。
案例二
某城市地铁噪声治理。地铁运营过程 中产生的噪声对周边居民生活造成了 一定影响，通过采取轨道减振、声屏 障等措施，有效改善了地铁沿线的声 环境。
03
噪声控制技术与措
施
声源控制技术与方法
01
02
03
降低声源噪声
改进机械设备结构、提高 加工精度和装配质量，采 用低噪声工艺和材料等。
隔声与消声
在声源周围设置隔声罩、 消声器等，阻止噪声传播 。
振动隔离
对振动较大的机器设备采 取隔振措施，减少振动传 递。
传播途径控制策略
2024版噪声防治培训课件教材ppt文档全文免费预览[1]
![2024版噪声防治培训课件教材ppt文档全文免费预览[1]](https://img.taocdn.com/s3/m/da05fc21001ca300a6c30c22590102020740f2d0.png)
2024/1/28
噪声监测与报告制度
建立定期的噪声监测制度，对企业内部和外部环境的噪声进行监测和评估，及时发现问 题并采取措施。同时，定期向上级主管部门报告噪声防治工作情况和监测结果。
18
05
噪声防治实践案例分析
Chapter
2024/1/28
19
工业企业噪声治理案例
案例一
某钢铁厂噪声治理
噪声来源分析
振动控制
03
对于由振动产生的噪声，可以通过减振、隔振等措施来降低振
动对受声点的影响。
14
04
噪声管理法规与标准
Chapter
2024/1/28
15
国家相关法规政策
《中华人民共和国环境噪声污染防治法》
规定了环境噪声污染防治的监督管理、污染防治措施、法律责任等方面的内容。
《声环境质量标准》
规定了声环境质量的评价标准、监测方法、数据处理等内容，用于指导声环境保护工作。
2024/1/28
30
培训成果展示
学员掌握了噪声防治的基本知识和技能，能够在实际工 作中运用所学知识解决噪声问题。
通过案例分析，学员了解了不同类型噪声的防治方法和 策略，提高了解决实际问题的能力。
学员对噪声的危害有了更深刻的认识，增强了环保意识 和社会责任感。
2024/1/28
31
未来发展趋势预测
2024/1/28
《城市区域环境噪声标准》
规定了城市不同区域的环境噪声标准限值，为城市环境噪声管理提供依据。
16
行业标准及规范
01
《工业企业厂界环境噪声排放标准》
规定了工业企业厂界环境噪声的排放限值、监测方法、实施与监督等内
容。
第五章 图像噪声的抑制
➢ 加性噪声：如果混合叠加波形是S(t)+n(t)形式
，则称其为加性噪声；
➢ 乘性噪声：如果叠加波形为S(t)［1+n(t)］形式
， 则称其为乘性噪声。
为了分析处理方便，往往将乘性噪声近似认为加性噪 声，而且总是假定信号和噪声是互相独立的。
2. 图像系统噪声特点
➢ ➢ 噪声与图像之间具有相关性 ➢ 噪声具有叠加性
76667 788
898
简单邻域平均法
将以上的均值滤波器加以修正，可以 得到加权平均滤波器。
简单邻域平均法的主要缺陷为存在着边缘模糊效应 。在降低噪声的同时把本来不是噪声的边缘处(如边 缘和细节)应当保留其原有灰度值却变得模糊。
四、阈值邻域平均法
假设一个阈值T，则有：
T为一个规定非负阈值。
当图像f(x,y)某像素点灰度值与邻域平均灰度值的 差值的绝对值超过阈值T，则该点可能是噪声点， 取邻域平均灰度值作为该点灰度值。否则，则保留 该点像素灰度值。
经阈值邻域平均法处理后图像相对地模糊度减少。
注意：图像经过平均处理后，都会变得相对模糊， 这是因为平均处理本来就是以图像模糊为代价来换 取噪声的减少。
邻域平均法－效果分析
若邻域内有噪声存在，经过平均，噪声的 幅度会大为降低。
点与点之间的灰度差值会变小，边缘变得 模糊起来。邻域越大，模糊越厉害。
P5
图4-17 卷积运算示意图
卷积运算的步骤：
卷积核中的元素称作加权系数（亦称为卷积系数）， 卷积就是作加权求和的过程。
图像所取邻域中的每个像素（假定邻域为3×3大小， 卷积核大小与邻域相同），分别与卷积核中的每一个 元素相乘，乘积求和所得结果即为图像所取邻域中心 像素的新值。
2024版噪声ppt课件
噪声ppt课件•噪声基本概念与分类•噪声测量与评价方法•噪声控制技术与措施•环境保护法规与标准要求•噪声治理工程实践案例分享•未来发展趋势与挑战目录CONTENTS01噪声基本概念与分类噪声定义及产生原因噪声定义噪声是指在一定环境中不应有而有的声音，泛指嘈杂、刺耳的声音。
产生原因噪声主要来源于交通、工业、建筑、社会活动等，如汽车鸣笛、机器运转、施工工地、人声喧哗等。
主要来源于机动车辆、飞机、火车和轮船等交通工具，具有突发性、流动性和连续性等特点。
交通噪声主要来源于工厂的各种设备，如机械噪声、空气动力性噪声等，具有声级高、频带宽、持续时间长等特点。
工业噪声主要来源于建筑工地的施工噪声，如打桩机、搅拌机、电锯等，具有阶段性、临时性和不连续性等特点。
建筑噪声主要来源于人们的日常生活和社会活动，如商场、娱乐场所、家庭音响等，具有声源复杂、影响范围广等特点。
社会噪声噪声分类与特点噪声危害及影响听力损伤长期暴露于噪声环境中，可导致听力下降、耳鸣、耳聋等听力损伤。
生理影响噪声可引起人体神经系统、心血管系统、消化系统等多个系统的生理反应，如头痛、失眠、血压升高等。
心理影响噪声使人感到烦躁、注意力不集中、工作效率降低等，对心理健康产生不良影响。
社会影响噪声干扰人们的正常生活和工作，影响社会和谐与稳定。
02噪声测量与评价方法噪声测量原理及设备测量原理噪声测量基于声压级、声强、声功率等物理量，通过传声器将声信号转换为电信号进行测量。
测量设备主要包括声级计、频谱分析仪、录音设备等，用于采集、分析和记录噪声信号。
噪声评价指标与标准评价指标包括等效连续声级、最大声级、噪声暴露量等，用于量化描述噪声的大小和特性。
评价标准各国和地区制定了不同的噪声标准，如职业卫生标准、环境噪声标准等，用于评估和限制噪声对人和环境的影响。
实际应用案例分析工业噪声测量与评价针对工厂、车间等工业场所，通过现场测量和评估，确定噪声源和传播途径，提出降噪措施和建议。
《智能视觉技术及应用》课件第5章
第5章 图像预处理技术
1.图像表达 一幅2D图像可以用一个2D数组来表示,常将一幅2D图像 写成一个2D的 M ×N 矩阵(其中 M 和N 分别为图像像素的 总行数和总列数):
上式就是图像的矩阵表达形式,矩阵中的每个元素对应一个 像素。
第5章 图像预处理技术
2.图像显示 图像的显示和表达是密切相关的,图像显示是图像的可 视表达方式。对2D图像的显示可以采取多种形式,其基本思 路是将2D图像看作在2D空间中的一种幅度分布。根据图像 的不同,采取的显示方式也不同。对于二值图像,在每个空间 位置的取值只有两个,可用黑白来区分,也可用0和1来区分。
第5章 图像预处理技术
5.2 图像的表达、 显示与存储
5.2.1 图像的表达与显示 根据应用领域的不同,可以有多种不同的方法来表达和
表示图像,或将图像以一定的形式显示出来。图像表达是图 像显示的基础,而图像显示是机器视觉系统的重要模块之一。
第5章 图像预处理技术
要对图像进行表达和显示,需要对图像的各个单元进行 表达和显示。图像中的每个基本单元叫作图像元素,用 Picture表示图像时称为像素(PictureElement)。对于2D 图像, 英文里常用 Pixel代表像素。对于3D图像,英文里常用 Voxel 代表其基本单元,简称体素(VolumeElement)。
第5章 图像预处理技术
TIFF格式支持任意大小的图像,文件可分为:二值图像、 灰度图像、调色板彩色图像和全彩色图像四类。一个 TIFF 文件中可以存放多幅图像,也可存放多份调色板数据。
第5章 图像预处理技术
4.JPEG格式 JPEG 格式源自对静止灰度或彩色图像的一种压缩标准 JPEG,在使用有损压缩方式时可节省相当大的空间,目前数码 相机中均使用这种格式。JPEG 标准只是定义了一个规范 的编码数据流,并没有规定图像数据文件的格式。Cube Microsystems公司定义了一种JPEG 文件交换格式 (JPEGFileInterchangeFormat,JFIF),JFIF图像是一种使用灰度 来表示或使用 Y、Cb、Cr分量彩色表示的JPEG 图像,它包含 一个与JPEG 兼容的文件头。一个JFIF文件通常包含单个图 像,该图像可以是灰度的(其中的数据为单个分量),也可以 是彩色的(其中的数据是 Y、Cb、Cr分量)。
第5章(刘荣华)图像中噪声干扰的去除
图2比图1柔和一些(也模糊一些)。是不是觉得
很神奇？其实实现起来很简单。我们将原图 中的每一点的灰度和它周围八个点的灰度相 加，然后除以9，作为新图中对应点的灰度， 就能实现上面的效果。
图3.1
原图
图3.2
经过平滑处理后的图
图1
原图
图2
经过平滑处理后的图
为了方便地叙述上面所说的“将原图中的每一点的灰 度和它周围八个点的灰度相加，然后除以9，作为新 图中对应点的灰度”这一操作，我们采用如下的表示 方法：
原图 经Box模板 处理后 经Gauss模板 处理后 经中值滤波 处理后
从原图中不难看出左边区域灰度值低，右边区域灰度 值 高 ， 中 间有一 条 明显的 边 界 ,这 一类 图象称 之 为 “step”(就象灰度上了个台阶)。应用平滑模板后，图 象平滑了，但是也使边界模糊了。应用中值滤波，就 能很好地保持原来的边界。所以说，中值滤波的特点
是保护图象边缘的同时去除噪声。
再看第二幅图：
原图 经Box模板 处理后 经Gauss模板 处理后 经中值滤波 处理后
不难看出，原图中有很多噪声点(灰度为正代表灰度 值高的点，灰度为负代表灰度值低的点)，而且是杂 乱无章，随机分布的。这也是一类很典型的图，称 之为高斯噪声。经过Box平滑，噪声的程度有所下 降。噪声则无能为力。
的一半时，中值滤波的效果不好。这是很显然的。
4 二值图像的噪声去除
4
如图所示的图像中所包 含的噪声称为椒盐状噪 声，这种噪声也能用中 值滤波法将其除去，另 外，利用它的二值性， 有称为膨胀、收缩的处 理方法。
所谓膨胀，是指将某像素的近邻中，若有一个为1， 则将该像素置为1，其他的均置为0。而所谓收缩， 是指某像素的近邻中，若有一个为0，就将该像素
2024版噪声及其控制ppt课件
引起心率和血压的变化， 长期暴露于噪声环境下 可能导致心血管疾病等
健康问题。
01
噪声测量与评价方 法
噪声测量原理及仪器
测量原理
基于声压级、声强级、声功率级等 物理量的测量，反映噪声的强弱和 特性。
测量仪器
声级计、噪声分析仪、频谱分析仪 等，用于实时测量和记录噪声数据。
噪声评价标、频谱分析等方法，对处理后的噪声数据进行深入分析，揭示其时域、 频域特性及变化规律。
01
噪声控制技术措施
声源控制技术
降低声源噪声
通过改进设备结构、提高加工精度和 装配质量、采用低噪声材料和工艺等 措施，从声源上降低噪声的产生。
声源隔离
将声源用隔声罩、隔声间等隔离起来， 阻止噪声向外传播。
加强噪声源管理
企业应对产生噪声的设备、设施等进行有效管理，采取必要的降噪措施，确保噪声源达标排放。
实施噪声监测和报告制度
企业应建立噪声监测和报告制度，定期对厂界和敏感点的噪声进行监测，并将监测结果及时上报相关部门。 同时，对于超标排放等违法行为，应及时采取措施进行整改并接受相关部门的监督和管理。
01
按产生机理分类
机械性噪声、空气动力性噪声、 电磁性噪声。
特点
无规律性、强度过大、令人烦 躁不安。
噪声危害及影响
对听力的影响
造成听力损失或听力下 降，甚至导致耳聋。
对睡眠的干扰
导致失眠、睡眠质量下 降，进而影响人的精神
状态和身体健康。
对心理的影响
使人烦躁不安、易怒或 暴躁，影响情绪和工作
效率。
对生理的影响
消声技术
在传播途径中安装消声器， 使声波在传播过程中受到 阻碍和衰减，达到降噪的 效果。
接收者保护技术
健康问题。
01
噪声测量与评价方 法
噪声测量原理及仪器
测量原理
基于声压级、声强级、声功率级等 物理量的测量，反映噪声的强弱和 特性。
测量仪器
声级计、噪声分析仪、频谱分析仪 等，用于实时测量和记录噪声数据。
噪声评价标、频谱分析等方法，对处理后的噪声数据进行深入分析，揭示其时域、 频域特性及变化规律。
01
噪声控制技术措施
声源控制技术
降低声源噪声
通过改进设备结构、提高加工精度和 装配质量、采用低噪声材料和工艺等 措施，从声源上降低噪声的产生。
声源隔离
将声源用隔声罩、隔声间等隔离起来， 阻止噪声向外传播。
加强噪声源管理
企业应对产生噪声的设备、设施等进行有效管理，采取必要的降噪措施，确保噪声源达标排放。
实施噪声监测和报告制度
企业应建立噪声监测和报告制度，定期对厂界和敏感点的噪声进行监测，并将监测结果及时上报相关部门。 同时，对于超标排放等违法行为，应及时采取措施进行整改并接受相关部门的监督和管理。
01
按产生机理分类
机械性噪声、空气动力性噪声、 电磁性噪声。
特点
无规律性、强度过大、令人烦 躁不安。
噪声危害及影响
对听力的影响
造成听力损失或听力下 降，甚至导致耳聋。
对睡眠的干扰
导致失眠、睡眠质量下 降，进而影响人的精神
状态和身体健康。
对心理的影响
使人烦躁不安、易怒或 暴躁，影响情绪和工作
效率。
对生理的影响
消声技术
在传播途径中安装消声器， 使声波在传播过程中受到 阻碍和衰减，达到降噪的 效果。
接收者保护技术
图像的噪声抑制PPT课件
噪声。（注意：实际上只能减弱，不能消除。）
18
边界保持类平滑滤波器
—— 问题的提出
经过平滑滤波处理之后，图像就会变得模糊。 分析原因，在图像上的景物之所以可以辨认清
楚是因为目标物之间存在边界。 而边界点与噪声点有一个共同的特点是，都具
有灰度的跃变特性。所以平滑处理会同时将边 界也处理了。
19
25
K近邻(KNN)平滑滤波器
—— 效果分析
首先来看一下KNN平滑滤波的效果。 KNN滤波器因为有了边界保持的作用，所以在去
除椒盐以及高斯噪声时，对图像景物的清晰度保 持方面的效果非常明显。 当然，所付出的代价是：算法的复杂度增加了。
设计噪声抑制滤波器，在尽可能保持原 图信息的基础上，抑制噪声。
均值滤波器 中值滤波器 边界保持类滤波器
4
均值滤波器
—— 原理
在图像上，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。将模板中 的全体像素的均值来替代原来的像素值的方 法。
5
均值滤波器
—— 处理方法
1 1 1
以模块运算系数表示即：
为了改善效果，就可采用加权平均的方式来构造 滤波器。
7
均值滤波器的改进
—— 加权均值滤波
如下，是几个典型的加权平均滤波器。
1 1 1
H1
1 10
1
2
1
1 1 1 示例
1 2 1
H2
1 16
2
4
2
1 2 1
示例
1 1 1
H3
1 8
1
1
0 1
1 1
示例
0
1 4
0
H4
1 2
1 4
18
边界保持类平滑滤波器
—— 问题的提出
经过平滑滤波处理之后，图像就会变得模糊。 分析原因，在图像上的景物之所以可以辨认清
楚是因为目标物之间存在边界。 而边界点与噪声点有一个共同的特点是，都具
有灰度的跃变特性。所以平滑处理会同时将边 界也处理了。
19
25
K近邻(KNN)平滑滤波器
—— 效果分析
首先来看一下KNN平滑滤波的效果。 KNN滤波器因为有了边界保持的作用，所以在去
除椒盐以及高斯噪声时，对图像景物的清晰度保 持方面的效果非常明显。 当然，所付出的代价是：算法的复杂度增加了。
设计噪声抑制滤波器，在尽可能保持原 图信息的基础上，抑制噪声。
均值滤波器 中值滤波器 边界保持类滤波器
4
均值滤波器
—— 原理
在图像上，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。将模板中 的全体像素的均值来替代原来的像素值的方 法。
5
均值滤波器
—— 处理方法
1 1 1
以模块运算系数表示即：
为了改善效果，就可采用加权平均的方式来构造 滤波器。
7
均值滤波器的改进
—— 加权均值滤波
如下，是几个典型的加权平均滤波器。
1 1 1
H1
1 10
1
2
1
1 1 1 示例
1 2 1
H2
1 16
2
4
2
1 2 1
示例
1 1 1
H3
1 8
1
1
0 1
1 1
示例
0
1 4
0
H4
1 2
1 4
第五章图像的噪声抑制转黑体PPT课件
均值滤波器 中值滤波器 边界保持类滤波器
55
均值滤波器
—— 原理
在图像上，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。将模板中 的全体像素的均值来替代原来的像素值的方 法。
66
均值滤波器
—— 处理方法
1 1 1
以模块运算系数表示即：
H0Leabharlann 1 911
1
1 1 1
待处理像素
C=6.6316
12143 1 22 23 34 4 5 75 66 86 9 5 76 67 88 8 56789
C=5.5263
示例
17 17
中值滤波器
步骤:
—— 步骤
1）模板mask游走
2）将mask下对应的灰度值（奇数）排序
3）用中间值代替 f(x,y), 消除孤立的噪声点
mask大小不一样，效果不一样，与叠加的噪 声有关系。
第五章 图像的噪声抑制
11
图像噪声的概念
所谓的图像噪声，是图像在摄取时或是 传输时所受到的随机干扰信号。
反映在图像画面上，可分为椒盐噪声和 高斯噪声。
按对信号的影响，可分为加性噪声模型 和乘性噪声模型
22
图像噪声的概念
椒盐噪声的特征:
出现位置是随机的，但噪声的幅值是基本相同 的。
高斯噪声的特征：
h(x,y)矩阵的元素之和乘前面系数为1，h(x,y) 矩阵中心的元素占的比例越小，越平滑，图像 越模糊
4）对图像的四周边缘：
补0 或者不处理边缘
88
均值滤波器的改进
—— 加权均值滤波
均值滤波器的缺点是，会使图像变的模糊，原因 是它对所有的点都是同等对待，在将噪声点分摊 的同时，将景物的边界点也分摊了。
55
均值滤波器
—— 原理
在图像上，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。将模板中 的全体像素的均值来替代原来的像素值的方 法。
66
均值滤波器
—— 处理方法
1 1 1
以模块运算系数表示即：
H0Leabharlann 1 911
1
1 1 1
待处理像素
C=6.6316
12143 1 22 23 34 4 5 75 66 86 9 5 76 67 88 8 56789
C=5.5263
示例
17 17
中值滤波器
步骤:
—— 步骤
1）模板mask游走
2）将mask下对应的灰度值（奇数）排序
3）用中间值代替 f(x,y), 消除孤立的噪声点
mask大小不一样，效果不一样，与叠加的噪 声有关系。
第五章 图像的噪声抑制
11
图像噪声的概念
所谓的图像噪声，是图像在摄取时或是 传输时所受到的随机干扰信号。
反映在图像画面上，可分为椒盐噪声和 高斯噪声。
按对信号的影响，可分为加性噪声模型 和乘性噪声模型
22
图像噪声的概念
椒盐噪声的特征:
出现位置是随机的，但噪声的幅值是基本相同 的。
高斯噪声的特征：
h(x,y)矩阵的元素之和乘前面系数为1，h(x,y) 矩阵中心的元素占的比例越小，越平滑，图像 越模糊
4）对图像的四周边缘：
补0 或者不处理边缘
88
均值滤波器的改进
—— 加权均值滤波
均值滤波器的缺点是，会使图像变的模糊，原因 是它对所有的点都是同等对待，在将噪声点分摊 的同时，将景物的边界点也分摊了。
第五章__图像消噪和恢复汇编共50页PPT
第五章__图像消噪和恢复汇编
56、极端的法规，就是极端的不公。 ——西 塞罗 57、法律一旦成为人们的需要，人们 就不再 配享受 自由了 。—— 毕达哥 拉斯 58、法律规定的惩罚不是为了私人的 利益， 而是为 了公共 的利益 ；一部 分靠有 害的强 制，一 部分靠 榜样的 效力。 ——格 老秀斯 59、假如没有法律他们会更快乐的话 ，那么 法律作 为一件 无用之 物自己 就会消 灭。— —洛克
60、人民的幸福是至高无个的法。— 不会再掉进坑里。——黑格尔 32、希望的灯一旦熄灭，生活刹那间变成了一片黑暗。——普列姆昌德 33、希望是人生的乳母。——科策布 34、形成天才的决定因素应该是勤奋。——郭沫若 35、学到很多东西的诀窍，就是一下子不要学很多。——洛克
56、极端的法规，就是极端的不公。 ——西 塞罗 57、法律一旦成为人们的需要，人们 就不再 配享受 自由了 。—— 毕达哥 拉斯 58、法律规定的惩罚不是为了私人的 利益， 而是为 了公共 的利益 ；一部 分靠有 害的强 制，一 部分靠 榜样的 效力。 ——格 老秀斯 59、假如没有法律他们会更快乐的话 ，那么 法律作 为一件 无用之 物自己 就会消 灭。— —洛克
60、人民的幸福是至高无个的法。— 不会再掉进坑里。——黑格尔 32、希望的灯一旦熄灭，生活刹那间变成了一片黑暗。——普列姆昌德 33、希望是人生的乳母。——科策布 34、形成天才的决定因素应该是勤奋。——郭沫若 35、学到很多东西的诀窍，就是一下子不要学很多。——洛克
第5章图像噪声的抑制
JJ=medfilt2(J,[3,3]);
subplot(1,2,1),imshow(J); subplot(1,2,2),imshow(JJ);
精品资料
I=imread('lena.bmp'); J=imnoise(I,'gaussian'); JJ=medfilt2(J,[3,3]);
subplot(1,2,1),imshow(J);
精品资料
OVER!
PS演示：
进一步模糊； 中间值；
作业
1.已知5×5的数字图像F1，采用模板为H 2的加权均值
(jūn zhí)滤波器处理，新图像G。
1 2 1
H2
1 16
2
4
2
1 2 1
2 3 1 4 7
4 8 2 3 4
F 5 3 9 8 9 4 7 6 8 7
7 6 7 8 9
2.对数字图像F，采用中值滤波 2 3 1 6 5
方法(fāngfǎ)进行处理，求新 3图.数像字G。图像F与上一题相同，采 F 用K近邻中值滤波方法进行处理，
3
4 4
9 3 8
2 2 2
3 3 9
4
3 4
K＝5。求新图像G。
3 4 3 4 2
精品资料
• 加性噪声模型为：
g(x, y) f (x, y) n(x, y)
• 乘性噪声模型为：
• 由于g乘(性x, 噪y)声模f 型(x较, y为) 复f杂(x，, y并)n且(x(b, ìyn)gqiě)有
时可以近似采用加性噪声模型来处理。以下仅讨论 加性噪声的抑制方法。
精品资料
• 图像噪声的类型主要有两类： • （1）噪声的幅值基本相同，但噪声出现的位置是随机的。一般称
subplot(1,2,1),imshow(J); subplot(1,2,2),imshow(JJ);
精品资料
I=imread('lena.bmp'); J=imnoise(I,'gaussian'); JJ=medfilt2(J,[3,3]);
subplot(1,2,1),imshow(J);
精品资料
OVER!
PS演示：
进一步模糊； 中间值；
作业
1.已知5×5的数字图像F1，采用模板为H 2的加权均值
(jūn zhí)滤波器处理，新图像G。
1 2 1
H2
1 16
2
4
2
1 2 1
2 3 1 4 7
4 8 2 3 4
F 5 3 9 8 9 4 7 6 8 7
7 6 7 8 9
2.对数字图像F，采用中值滤波 2 3 1 6 5
方法(fāngfǎ)进行处理，求新 3图.数像字G。图像F与上一题相同，采 F 用K近邻中值滤波方法进行处理，
3
4 4
9 3 8
2 2 2
3 3 9
4
3 4
K＝5。求新图像G。
3 4 3 4 2
精品资料
• 加性噪声模型为：
g(x, y) f (x, y) n(x, y)
• 乘性噪声模型为：
• 由于g乘(性x, 噪y)声模f 型(x较, y为) 复f杂(x，, y并)n且(x(b, ìyn)gqiě)有
时可以近似采用加性噪声模型来处理。以下仅讨论 加性噪声的抑制方法。
精品资料
• 图像噪声的类型主要有两类： • （1）噪声的幅值基本相同，但噪声出现的位置是随机的。一般称
- 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)。
m+2
m
m+1
m-2
m+2
m-1
5.2 中值滤波器
例： 原图像为： 2 2 6 2 1 2 4 4 4 2 4
处理后为： 2 2 2 2 2 2 4 4 4 4 4
(1,2,2,2,6) (1,2,2,2,6) (1,2,2,4,6)
(2,4,4)
5.2 中值滤波器
3. 二维中值滤波模板：
与均值滤波类似，做3*3的模板，对9个数排 序，取第5个数替代原来的像素值。
1 1 1
H1
1 10
1
2
1
1 1 1
1 2 1
H2
1 16
2
4
2
1 2 1
1 1 1
H3
1 8
1
0
1
1 1 1
0
1 4
0
H4
1 2
1 4
1
1 4
0
1 4
0
5.2 中值滤波器
1. 问题的提出 我们看到，虽然均值滤波器对噪声有抑制 作用，但同时会使图像变得模糊。为了改 善这一状况，必须寻找新的滤波器。中值 滤波就是一种有效的方法。
加权均值滤波器的效果
加权均值滤波器的效果(H0)
加权均值滤波器的效果（H1）
加权均值滤波器的效果(H2)
加权均值滤波器的效果(H3)
加权均值滤波器的效果(H4)
中值滤波器的效果（椒盐噪声）
中值滤波器的效果（高斯噪声）
中值滤波与均值滤波效果比较 （椒盐噪声）
中值滤波与均值滤波效果比较 （高斯噪声）
1 2
5.3.3 K近邻(KNN)平滑滤波器算法
1) 以待处理像素为中心，作一个m*m的作用模 板。
2）在模板中，选择K个与待处理像素的灰度差 为最小的像素。
3）将这K个像素的灰度均值（中值）替换掉原 来的像素值。
• 由此，获得KNN均值滤波的结果和KNN中值 滤波的结果。
5.3.4 KNN平滑滤波例题
5.1.1 均值滤波器
以模块运算系数表示即：
1 1 1
H0
1 9
1
1
1
1 1 1
12143 12234 57689 57688 56789
12143 1 23 24 34 4 5 74 65 86 9 5 76 67 8 8 56789
5.1.2 加权均值滤波器
将以上的均值滤波器加以修正，可以得到加权平 均滤波器。
► 对于高斯噪声，均值滤波效果比均值滤波 效果好。
原因： 高斯噪声是幅值近似正态分布，但分布在每点像 素上。 因为图像中的每点都是污染点，所中值滤波选不到 合适的干净点。
因为正态分布的均值为0，所以根据统计数学，均 值可以消除噪声。 （注意：实际上只能减弱，不能消除。思考为什么？）
5.3 边界保持平滑滤波器
第五章 图像的噪声抑制
►所谓的图像噪声，是图像在摄取时或 是传输时所受到的随机干扰信号。
►这些干扰信号的抑制称为图像的噪声 抑制。
5.1 均值滤波器
► 所谓的均值滤波是指在图像上，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。将模板中的全体像素的均值来替代原来 的像素值的方法。
► 均值滤波可以用来对椒盐噪声和高斯噪声进行 滤波。
KNN均值滤波器的效果（椒盐噪声）
KNN均值滤波器的效果（高斯噪声）
KNN中值滤波器的效果（椒盐噪声）
注：这种情况用KNN效果不明显
KNN中值滤波器的效果（高斯噪声）
注：这种情况用KNN效果不明显
图像的噪声示意图
(a) 椒盐噪声
(b)高斯噪声
椒盐噪声的幅值近似相等，但发生的位置是随机的； 高斯噪声存在于每一点像素，但幅值是随机分布的。
中值滤波器与均值滤波器的比较
►对于椒盐噪声，中值滤波效果比均值 滤波效果好。
原因： 椒盐噪声是幅值近似相等但随机分布在不 同位置上，图像中有干净点也有污染点。 中值滤波是选择适当的点来替代污染点的 值，所以处理效果好。 因为噪声的均值不为0，所以均值滤波不能 很好地去除噪声点。
中值滤波器与均值滤波器的比较
例：3*3模板，k=5
12143 12234 57689 57688 56789
12143 12234 5 76 76 8 9 57688 56789
12567,81236,87236,78724,,,78784239
作 业 （共1题）
1. 已知图像为：
1
1
3
f
1
1 2
5.3.2 K近邻(KNN)平滑滤波器
• 边界保持滤波器的核心是确定边界点与非边 界点。
• 如图所示，点1是黄色区域的非边界点，点2 是蓝色区域的边界点。
• 在模板中，分别选出3个与点1或点2灰度值 最相近的点进行计算，不影响
效果。
换句话说，对非边界点的影响 不是很大，但是对边界点的影 响就非常大。
5 255 100 200 200
7 254 101 10
9
7 10 100 2 6
0
8
7
2
1
1 6 50 2 2
3 9 7 2 0
请对其进行边界保持的中值和均值滤波，并判 断哪一点为噪声点。（用3*3模板，取k=5）
均值滤波器的效果（椒盐噪声）
均值滤波器的效果（高斯噪声）
5.2 中值滤波器
例：
1 21 4 3 1 22 3 4 5 76 8 9 5 76 8 8 5 67 8 9
12143 Biblioteka 22 23 34 4 5 75 66 86 9 5 76 67 88 8 56789
5.2 中值滤波器
►因为中值滤波的原理是取合理的邻近 像素值来替代噪声点，所以只适合于 椒盐噪声的去除，不适合高斯噪声的 去除。
5.2 中值滤波器
2. 中值滤波器的设计思想 因为噪声的出现，使该点像素比周围的像 素亮（暗）许多， 给出滤波用的模板， 如下图所示是一个一维的模板，对模板中 的像素值由小到大排列，最终待处理像素 的灰度取这个模板中排在中间位置上的像 素的灰度值。
5.2 中值滤波器
m-2
m-1
m
m+1 数值排序
1. 问题的提出：
前面的处理结果可知，经过平滑（特别 是均值）滤波处理之后，图像就会变得模 糊。分析原因，在图像上的景物之所以可 以辨认清楚是因为目标物之间存在边界。
5.3.1 边界保持平滑滤波器设计思想
• 在进行平滑处理时，首先判别当前像素是 否为边界上的点，如果是，则不进行处理， 如果不是，则进行平滑处理。