数字图像滤波方法比较

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g（x，y） =1/m ∑f（x，y）， m为该模板中包含当前像素在内的像
随机噪声
随机噪声滤波效果分析
• 从视觉上看，虽然最大均匀性平滑滤波的图像在亮度
上与源图像较接近，但其边缘保留能力却较差，高通 滤波、高斯和低通滤波在线条和边缘上相差不大，亮 度上高通较亮，低通和高斯接近。而中值滤波的边缘 和细节部分保留得较好。
滤波效率分析
• 在相同的电脑下，相同的一幅照片滤波效率如下表的数据
记录：
• 整体上看，3*3低通滤波、中值滤波速度较快；均值、梯度、
高斯、高通滤波效率次之；最大均匀性平滑滤波较慢， KNN滤波效率次之
• 对于同一种滤波，不同噪声的处理效率也不一样，如均值
滤波对于随机噪声滤波效率较高、而高斯滤波对于高斯噪 声的处理效率较高，高通滤波则对椒盐滤波效率高些
噪声类 型 均值滤 波 中值滤 波 梯度倒 数加权 平均法 滤波 1
程序运行时间（s） 高斯低 通滤波 最大均 匀性平 滑滤波 KNN滤 波 高通滤 波 低通滤 波
高斯噪 声 椒盐噪 声 随机噪 声
1
0
0
3
2
1
0
1
0
1
1
5
来自百度文库
2
0
0
0
0
1
1
5
2
1
0
实现的复杂度分析
• 均值滤波器和中值滤波器的算法较简单 • 由于梯度倒数加权平均法滤波器、最大均匀性平滑滤
波器和KNN滤波器要进行局域参数的统计，所以算法 较为复杂
分的处理方法，有的称之为消噪声掩膜法。因为图像噪声常常 以高频、随机的形式表现出来，大面积的背景区和亮度渐变区 域则属低频成分。
• 低通空域滤波以卷积方法进行。 • 卷积方法实质是一种加权求和的过程。选择某种形状的邻域，
将邻域中的每个像素与卷积核中的对应元素相乘，乘积求和的 结果即为模板中心像素的新值，卷积核中的元素称为加权系数。
较好的有高斯滤波、KNN滤波；均值滤波比中值滤波 较好；而最大均匀性平滑滤波的边缘保持能力较差， 高通、低通适中。
椒盐噪声
椒盐噪声滤波效果分析
• 对于椒盐噪声，从视觉效果上看，中值滤波比均值滤
波较好，中值滤波对斑点的滤除力较高，最大均匀性 平滑滤波和KNN平滑滤波次之；均值滤波和低通滤波 的线条和点目标的边缘都受到了一定程度的模糊，最 大均匀性平滑滤波对边界的抹平尤为严重；高斯滤波 和低通滤波效果差不多。
图像滤波的概念
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。
基本原理
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。
• 其算法步骤为： • 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方差为最小的像素。 • 3）将这K个像素的灰度均值替换掉原来的像素值。
最大均匀性平滑滤波
•
最大均匀性平滑滤波是针对一些滤波方法在消除噪声时引 起边缘退化的现象而提出的，其基本思想是，若图像中的 一个区域含有边缘，它的灰度方差必定较大。该方法采用 了9种不同形状的模板，1个正方形模板，4个对称的五边
图像滤波方法的比较
实现的目标
• 噪声：
种）
三类噪声：高斯噪声、椒盐 噪声、随机噪声（2
• 滤波：
编写8种滤波方法，实现了7个：均值滤波、中值 滤波、高斯滤波、KNN滤波、高通滤波、低通滤波（3*3）、 最大均匀性平滑滤波 ；未实现的两种：梯度倒数加权滤波 及低通滤波（ 5*5 ，7*7，9*9，11*11）
加权平均灰度值去替代模板中心像素点的值。
K近邻均值滤波
• 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5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。
高通空域滤波
• 高通空域滤波可以增强图像的高频成分而不改变图像
的低频成分。这种情况下，相对来说，削弱了图像的
低频成分。因为图像的边缘或线条与图像中的高频分 量相对应，高通滤波可以让高频分量顺利通过，使图 像的边缘轮廓变得清楚。
低通空域滤波
• 低通空域滤波是一种保留图像的低频成分，减少图像的高频成
• 高斯、高通、低通滤波器的算法剧中。
总结
• 由于所编写的滤波方法有限，且不同的噪声产生原因
不同，每种滤波器对不同的噪声滤波效果不一样以及 处理速度不同，所以没有所谓的最好的滤波器，只有 相对较好的滤波。选择滤波的时候要根据具体的滤波 综合要求来选择较好滤波器。
谢谢各位
• 计算滤波时间：实现了计算滤波的处理时间
• 彩色/灰色显示 ：
对原彩色图像处理后的色彩选择： 彩色（部分程序）、灰色（实现） 减少了控件占用界面的空间
• 菜单形式 ： 实现了将所有命令控件整合为菜单形式，
• 图片显示 ：6个图片存放框，实现了将处理的图片显
示在指定的图片框，便于各种滤波方法的比较
滤波器性能的评价
• • • • • • • •
评价的方法和标准 定性评价和定量评价相结合
1 均值的保留能力
2 斑点噪声的滤除能力 3 边缘的保持能力
4 线和点目标的保持能力
5 自然的视觉效果 6 效率和实现的复杂度
高斯噪声
高斯噪声滤波效果分析
• 在目前的这几种滤波方法中，从自然视觉效果来看，
素总个数。
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
形模板，4个对称的六边形模板，用各模板内的灰度方差
作为各个区域不均匀性的测试，以最为均匀的区域灰度均 值作为被处理点的像素值。
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。