3 图像去噪及增强

1 图像滤波
图像卷积
• 图像平滑中，有关模板的运算都用到了图像卷积的概 念。 • 卷积模板中的各个位置对应的是权重系数，例如：
a1 a4 a7 a2 a5 a8 a3 a6 a9
a1–a9可以根据具体需要来确定数值。 • 卷积就是将模板的中心a5对应好所处理的当前像素点 ，系数与图像上的灰度值一一对应相乘，得到的数值 作为所处理像素点的新的灰度值。
◇ 直方图投影（HP, Histogram Projection）
算法原由：灰度级范围内存在PDF为零的灰度级，灰度级范围内会出现冗余 现象
可见光原图像
HP处理图像
HP改进算法：
1. 阈值处理：设定PDF阈值，进一步有效提高图像对比度。 2. 非均匀性拉伸：给不同灰度范围指定不同的权重，实现不同程度的灰度拉 原始图像及其直方图 HE处理及其直方图 HP处理及其直方图 伸。 优点：HP处理能充分利用有限的灰度级来实现对比度增强；阈值的加入，能 有效降低处理结果中的噪声影响。
图像去噪及增强
赵永强
西北工业大学 自动化学院
polwork@sina.com
1 图像滤波
1
• 图像处理中所用到的图像往往含有噪声， 需要用图像滤波的方法去除噪声。
噪声图像
滤除噪声图像
1 图像滤波
• 直方图是一个二维坐标系，横轴表示整幅图像上灰度值的 变化范围，纵轴表示每个灰度值的统计个数。 • 直方图能够反映灰度图像的灰度分布特征。
1 2 1
2 4 2
1 2 1
1 图像滤波 根据高斯分布确定模板系数
f (i ) 1 exp( i 2 / 2 2 ) 2
• 高斯函数：
i
• 代表邻域像素点距离中心像素点的距离， 可以用欧几里德距离来表示。

• 可以通过调整 ，来控制平滑效果的程度。 • 高斯系数跟距离成反比。
1 图像滤波
n 2n N M
0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1
n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-2 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1
1 图像滤波
原始图像
平滑图像
1 图像滤波
原始图像
平滑图像
1 图像滤波 线性平滑滤波——邻域平均
• 邻域平均
– 每个像素点用它邻域像素的平均值作为平滑结果 – 3×3模板：
1
1
1
1 1
1 1
1 1
• 邻域平均，平滑滤波确实会将噪声点减弱，但是同时也是整个图像的 跟为模糊，可视的细节逐渐减少，而且运算量也非常大。 • 有关模板与图像的运算涉及到图像卷积，接下来介绍一下图像卷积的 原理。
原始图像及 HE处理及其 P=3000时 P=100时PE 优点：可以有效调节高 PDF输出占用较大的灰度级范围，提高低 PDF细节 其直方图 直方图 PE处理及其 处理及其直 的对比度。 直方图 方图
缺点：平台阈值无法根据图像特征自适应的选取，合适的阈值要靠人工 判读和先验经验来确定。
2 红外图像增强 传统红外图像细节增强原理及方法
低通滤波（LP, LowPass Filtering）；高通滤波（HP, HighPass Filtering）
高频增强
应用特点及适用图像 高频增强：场景中包含大量的边沿、轮廓和线条信息。 非锐化掩膜：场景包含的细节信息以低对比度、小区域灰度值聚集的形式为主
非锐化掩膜
2 红外图像增强
★ 传统的空域和频域图像增强处理
噪声图像
2x2
3x3
4x4
1 图像滤波 非线性滤波
• 线性滤波平滑噪声的同时，也损坏了非噪 声区域的信号；采用非线性滤波可以保留 信号的同时，滤除噪声。 • 非线性滤波的典型方法是：中值滤波。
1 图像滤波 中值滤波
• 一维中值滤波
g j median f j r , f j r 1 ,... f j ,..., f j r
2 红外图像增强
• 数字细节增强技术（DDE，Digital Detail Enhancement）
研究背景、应用需求及意义
• 数字细节增强技术（DDE，Digital Detail Enhancement）
• • • • • • FLIR B系列 FLIR P系列 FLIR S系列 FLIR M系列 FLIR HM系列 FLIR RANGE系列
红外原图像 HP处理图像
2 红外图像增强 传统红外图像细节增强原理及方法
★ 基于图像直方图的增强处理
◇ 平台直方图均衡化（PE, Plateau Equalization)
算法原由：HE处理会使高PDF灰度级对低PDF灰度级造成“推挤”效应。
PE可以视作HE与HP的有机组合（高于阈值的部分，按照HP处理；低于阈 值的部分，按照HE处理）
3 红外图像增强 传统红外图像细节增强原理及方法
★ 基于图像直方图的增强处理
n m
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1 n-1
◇ 局域交叠子块直方图均衡化（POSHE，Partially Overlapped Sub-block Histogram Equalization）
算法原由：在算法复杂度（GHE）和处理效果（AHE ）之间实现折中的 a b c d 选择。 特点：图像分割成有限子块，对每个子块都进行HE处理，并通过添加权重 可见光原图像 POSHE处理图像 来减小 边界分割效应 原始图像 AHE处理图像 处理图像 POSHE处理图像 原始图像 HE处理图像 AHE
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1 n-4 n-3 n-2 n-1
◇ 直方图均衡化（HE, Histogram Equalization） 算法目的：概率密度分布函数（PDF, Probability Density Function）均匀分布，熵值最大化（理论值）
直方图均衡化（ HE） 全局直方图均衡化（ GHE） 局域直方图均衡化（ LHE/AHE ）
GHE处理结果
优点
GHE LHE
缺点
处理速度快；对PDF较大的灰度级能实现 部分细节信息（小PDF灰度级）会损失； 有效地对比度增强；易实现硬件的实时处 结果有明显的“刷白”显示效果； AHE处理结果理 对不同程度的细节信息都能实现有效地增 运算量大，计算复杂，不易硬件化实时处 强 理
2 红外图像增强 传统红外图像细节增强原理及方法 ★ 基于图像直方图的增强处理
2m
n n n n n n n n n n n n n n n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ... n-1 n-2 n-3 ...
1 图像滤波
噪声图像
2x2
3x3
4x4
1 图像滤波
3ห้องสมุดไป่ตู้ 3
5× 5
1 图像滤波
单帧
8帧迭加
16帧迭加
64帧迭加
128帧迭加
1 图像滤波 加权平均
• 同一尺寸的模板，不同位置的系数不同；
• 距离模板中心越近的像素点的权重越大，同理越远的 越小； • 为了减少计算量，将模板系数最小值设为1，其他的按 等比数列递增，中心系数最大；
原始图像
直方图
1 图像滤波
s
s
r
r
1 图像滤波
灰度直方图反映图像的灰度分布特征
1 图像滤波
1 图像滤波
1 图像滤波
1 图像滤波
直方图均衡算法可以有效地提高图像视觉的对比度 直方图均衡算法不增加图像的灰度分辨率 直方图均衡算法可能丢失图像细节
直方图均衡算法用于图像处理流程的显示环节 自动处理/分析过程中不使用直方图均衡算法
3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2 ... ... ... ... ... ... ... ... ... ... ... ... ... ...
★ 基于图像直方图的增强处理
◇ 对比度受限自适应直方图均衡化（CLAHE, Contrast Limited Adaptive Histogram Equalization)
算法原由：HE处理会使高PDF灰度级对低PDF灰度级造成“推挤”效应。
优点：可以在降低高PDF的同时，提高低PDF的数值，从而使高PDF输出 红外原图像 HE处理图像 CLAHE处理图像 灰度级范围受到限制，低 PDF输出灰度级范围得到增加，最终实现对比度 增强。 缺点：平台阈值无法根据图像特征自适应的选取，合适的阈值要靠人工 判读和先验经验来确定。
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 1
... ... ...
2 红外图像增强
★ 传统的空域和频域图像增强处理
◇ 空域处理典型方法：高频增强和非锐化掩膜（Unsharp Masking）
f out ( x, y) f ( x, y) HP[ f ( x, y)]
f out ( x, y) f ( x, y) { f ( x, y) LP[ f ( x, y)]}
2 红外图像增强 红外图像细节增强处理在成像过程中的两个切入点：
第一类切入点 对红外系统终端的输出 结果进行增强处理。 优点： 处理速度快，存储空间 小 缺点： 关键细节信息损失严重 第二类切入点 对探测器前端高精度 A/D信号进行增强处理 优点 明显提升图像的细节表 现 缺点： 数据处理量大，硬件处 理平台的要求较高
◇ 频域处理：将图像转换到傅里叶频域，利用高通滤波滤 波器实现对高频成分的增强处理。 • 传统空域和频域图像增强处理特点：直观、易理解，运 行效率高，方便实现硬件的实时处理。 • 缺点：图像噪声会被放大，信噪比和视觉感受降低，出 现“光晕”现象
2 红外图像增强
传统红外图像细节增强原理及方法
★ 基于图像直方图的增强处理
噪声图像
均值滤波
中值滤波
均值滤波和中值滤波都采用的是2x2 的模板
2 红外图像增强
★ 红外图像的特点
◇ 场景温度动态范围大 ◇ 局部温度分布较平滑 ◇ 相邻位置的温度相关 性较高，温差较小， 对比度较差。 ◇ 有效场景信息集中于少 量灰度级
红外图像细节增强技术已经成为非均匀性校正技术后 提高热成像系统性能的又一研究热点问题
• 模板尺寸为 ，
M
M 2r 1
原始数据
中值滤波
均值滤波
1 图像滤波 二维中值滤波
• 公式：
g median ( x, y) median f ( s, t )
( s ,t )N ( x , y )
• 二维中值滤波更加广泛的应用于图像滤波 当中
1 图像滤波 二维中值滤波
排序取中值
1 图像滤波 中值滤波的步骤
• 将模板在图中漫游，并将模板中心与图中某个像素位置重 合； • 读取模板下各对应像素的灰度值； • 将这些灰度值从小到大排成一列； • 找出这些值的中间值； • 将这个值赋给对应模板中心位置的像素。
1 图像滤波
噪声图像
中值滤波3x3
1 图像滤波 平均滤波与中值滤波比较