2.1图像滤波方法的比较实验报告

课程大作业实验报告2.1 图像滤波方法的比较

课程名称：数字图像处理

组长：张佳林学号：200830460232 年级专业班级： 08 自动化 2

班

（ppt 制作，数据整

理）

成员一：卢洪炬学号：200830460222 年级专业班级：08 自动化 2

班（实验报告，编程）

成员二：余嘉俊学号：

200830460231

年级专业班级： 08 自动化 2

班（编程，程序整理）

指导教师邓继忠

报告提交日期2010 年 12 月 4 日项目答辩日期2010 年 12 月 5 日

目录

1项目要求 (3)

2项目开发环境 (3)

3系统分析·························································3 3.1

系统的主要功能分析 (3)

3.2 系统的基本原理 (4)

3.1 系统的关键问题及解决方法 (9)

4系统设计·····························

···························10 4.1

程序流程图及说明·····························

(10)

4.2 程序主要模块功能介

绍 (11)

5实验结果与分析··················································11 5.1 实验结果·····························

(11)

5.2 项目的创新之

处 (15)

5.3 存在问题及改进设

想 (15)

6心得体会························································15 6.1

系统开发的体会·····························

(15)

6.2 对本门课程的改进意见或建议 (15)

1项目要求

1.1 基本要求：

1)通过课本和网上查找资料，了解各种图像滤波的基本原理。

2)从网上选择并下载一些 bmp 格式的图像，图像要对比度鲜明，色彩丰富。

3)设计算法并编写程序，实现图像滤波。

4)调试与验证程序。

5)对不同方法滤波后的图像进行比较。

2项目开发环境

计算机、 CVI 软件、待处理图片

3系统分析

3.1 系统的概念

图像滤波，即在尽量保留图像细节特征的条件下对目标像的

噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的

好坏将直接响到后续图像处理和分析的有效性和可靠性。

由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、

传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某

些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这

些噪声在图像上常表现为一引起较强视觉效果的孤立象素点或象素块。

一般，噪声

信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测

信息。对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减

作用于图像象素的真实灰度值上，在图像造成亮、暗点干扰，极大降低了

图像质量，影响图像复原、分割、特征提取、图识别等后继工作的进行。

要构造一种有效抑制噪声的滤波机必须考虑两个基本问题能有效地去除目

标和背景中的噪声; 同时，能很好地护图像目标的形状、大小及特定的几何

和拓扑结构特征。

3.2 系统的基本原理

1）中值滤波：

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图

像或数字序列中一点的值用该点的一个邻域中各点值的中

值代替，让周围的像素值接近的真实值，从而消除孤立的

噪声点。方法是去某种结构的二维滑

动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为

g （ x,y ）

=med{f(x-k,y-l),(k,l ∈W)} ，其中,f(x,y) ，g(x,y) 分别为原始图像和处理后图像。W为二维模板，通常为2*2 ，3*3 区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。

2）均值滤波：

均值滤波也称为线性滤波，其采用的主要方法为领域平均法。

线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（ x，y），选择一个模板，该模板由其近

邻的若干像素组成，求模板中所有像素的均值，再把该均值

赋予当前像素点

（ x，y ），作为处理后图像在该点上的灰度个 g（ x ，y ），即个g（ x ，y） =1/m ∑ f （ x ， y ） m 为该模板中包含当前像素在内的像素总个数。

3）高斯滤波：

高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是

对整幅图像进行加权平均的过程，每一个像素点的值，都由

其本身和邻域内的其他像素值经过加权平均后得到。

高斯滤波的具体操作是：用一个模板 ( 或称卷积、掩模 ) 扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板

中心像素点的值。

若使用 3× 3 模板，则计算公式如下：

g(x,y)={f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+[f(x-1,y)+

f(x,y-1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/16;

其中，f(x,y) 为图像中 (x,y) 点的灰度值， g(x,y) 为该点经过高斯

滤波后的值。

4）梯度倒数加权平均法滤波：

梯度倒数加权法平滑基于如下的假设：在一幅离散图像中，相邻区域的变化大于区域内部的变化，在同一区域中中间像素

的变化小于边缘像素的变化。梯度值正比于邻近像素灰度级差值，也就是说在图像变化缓慢区域，梯度值小，反之则大。而

取梯度倒数大小与梯度相反，因此，以梯度倒数作权重因子，

则区域内部的邻点权重就大于边缘近旁或区域外的邻点。即该

种平滑其贡献上要来自区域内部的像素，平滑后图像的边缘和

细节不会受到明显的损害。

建立归一化的权重矩阵

窗口W，对 3*3 窗口， W 的组成为

w( x 1, y 1)w(x 1, y) w( x 1, y 1)

W w( x, y

1) w( x, y) w(x, y 1) w( x 1, y 1)w(x 1, y) w( x 1, y 1)

这里规定， w（x,y）＝ 1/2，其余8 个加权系数之和为 1/2。并且定

义除 w（x,y）外的其他权重矩阵元素为

w( x p, y q)

g ( x, y; p,q)

1 1

2

f ( x, y; p,

q)

p 1 q

1

g( x, y; p,q) 1