图像去噪及增强
合集下载
相关主题
- 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)。
• 模板尺寸为 ， M M2r1
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 m e d ia n(x ,y ) (m s,te ) d N i(a x,n y) f(s,t)
• 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
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：
111 111 111
• 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。
s r
s 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
• 高斯系数跟距离成反比。
1 图像滤波
噪声图像 3x3
2x2 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 m e d ia n fj r,fj r 1 ,...fj,...,fj r
直方图均 H衡 ） E 化 局 全 （ 域 局直 直方 方图 图 L GH 均 均 H） EE 衡 衡 /） A化 化 H（ E （
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
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） fo( u x ,y t) f(x ,y )H [f(x P ,y )] fo( u x ,y t ) f( x ,y ) { f( x ,y ) L [f( x P ,y )]}
低通滤波（L高P, 频Low增Pa强ss Filtering）；高通滤波（HP, HighPass Filtering）
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
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：
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
2 红外图像增强
• 数字细节增强技术（DDE，Digital Detail Enhancement）
图像去噪及增强
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。
原始图像
直方图
1 图像滤波
• 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。
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 a2 a3
a4 a5 a6
a7 a8 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
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、小区域灰非度锐值化聚集掩的膜形式为主
Baidu Nhomakorabea
2 红外图像增强
★ 传统的空域和频域图像增强处理
◇ 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。
，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。
1 图像滤波
噪声图像 3x3
2x2 4x4
1 图像滤波
3×3
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；
121
242 121
1 图像滤波
根据高斯分布确定模板系数
f(i) 1 exp(i2/22)
• 高斯函数：
2
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。
• 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
GHE处理结果
◇ 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）
• 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
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
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 m e d ia n(x ,y ) (m s,te ) d N i(a x,n y) f(s,t)
• 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
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：
111 111 111
• 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。
s r
s 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
• 高斯系数跟距离成反比。
1 图像滤波
噪声图像 3x3
2x2 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 m e d ia n fj r,fj r 1 ,...fj,...,fj r
直方图均 H衡 ） E 化 局 全 （ 域 局直 直方 方图 图 L GH 均 均 H） EE 衡 衡 /） A化 化 H（ E （
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
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） fo( u x ,y t) f(x ,y )H [f(x P ,y )] fo( u x ,y t ) f( x ,y ) { f( x ,y ) L [f( x P ,y )]}
低通滤波（L高P, 频Low增Pa强ss Filtering）；高通滤波（HP, HighPass Filtering）
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
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：
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
2 红外图像增强
• 数字细节增强技术（DDE，Digital Detail Enhancement）
图像去噪及增强
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。
原始图像
直方图
1 图像滤波
• 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。
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 a2 a3
a4 a5 a6
a7 a8 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
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、小区域灰非度锐值化聚集掩的膜形式为主
Baidu Nhomakorabea
2 红外图像增强
★ 传统的空域和频域图像增强处理
◇ 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。
，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。
1 图像滤波
噪声图像 3x3
2x2 4x4
1 图像滤波
3×3
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；
121
242 121
1 图像滤波
根据高斯分布确定模板系数
f(i) 1 exp(i2/22)
• 高斯函数：
2
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。
• 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
GHE处理结果
◇ 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）
• 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
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