第五章图像的噪声抑制转黑体PPT课件
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)。
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。
为了改善效果，就可采用加权平均的方式来构造 滤波器。
99
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
1
1 4
0
1 4
0
中值滤波目的：既要消除噪声又要保持图像的细节。
13 13
中值滤波器
—— 原理示例
m-2
m-1
6
10
m
m+1
62
5
数值排序
m
m+1
m-2
2
5
6
m+2 8
m+2 8
m-1 10
2
6
14 14
中值滤波器 —— 处理示例
例：模板是一个1*5大小的一维模板。 原图像为： 2 2 6 2 1 2 4 4 4 2 4
出现的位置是一定的（每一点上），但噪声的 幅值是随机的。
33
图像噪声的概念
1）加性噪声
g f n
2）乘性噪声
g f fn
第二项受f的影响，f越大，第二项越大，即噪 声受信号的调制。
通常，信号变化很小时，第二项近似不变，用 加性噪声模型处理。
44
图像噪声的抑制方法
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。
噪声。（注意：实际上只能减弱，不能消除。思 考为什么？）
23 23
添加噪声
MATLAB图像处理工具箱提供了模拟噪声生 成的函数imnoise，它可以对图像添加一些典型的 噪声，其格式为： （1）g=imnoise(f,'gaussian',m,var)
将均值为m、方差为var的高斯噪声加到图像f上。 默认值为均值是0，方差是0.01的噪声。 （2）g=imnoise(f,'salt & pepper',d) 将噪声密度为d（即包含噪声值的图像区域的百 分比）的椒盐噪声加到图像f上。默认的噪声 密度为0.05。
19 19
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。
20 20
中值滤波器与均值滤波器的比较
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
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)
15 15
中值滤波器
—— 滤波处理方法
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。
16 16
中值滤波器
—— 例题
1 21 4 3 1 22 3 4 5 76 8 9 5 76 8 8 5 67 8 9
窗口形状： 方形、十字形、圆形、圆环形
18 18
中值滤波器 —— 特点
中值滤波的机理：
在图像局部中，杂散噪声点的灰度值较大或较小， 求中值可以自动将其消除。但中值滤波不同于均值 滤波，中值直接取自某个像素的灰度值，所以能较 好地保持图像景物原状。
中值滤波的特点：
可以消除杂散噪声点而不会或较小程度地造成边缘 模糊。
很好地去除噪声点。
21 21
中值滤波器与均值滤波器的比较
对于高斯噪声，均值滤波效果比中值滤 波效果好。
22 22
中值滤波器与均值滤波器的比较
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，所以中值滤波选
不到合适的干净点。 因为正态分布的均值为0，所以均值滤波可以消除
为了有效地改善这一状况，必须改换滤 波器的设计思路，中值滤波就是一种有 效的方法。
12 12
中值滤波器
—— 设计思想
因为噪声（如椒盐噪声）的出现，使该点像素比周围 的像素亮（暗）许多。
如果在某个模板中，对像素进行由小到大排列的重新 排列，那么最亮的或者是最暗的点一定被排在两侧。
取模板中排在中间位置上的像素的灰度值替代待处理 像素的值，就可以达到滤除噪声的目的。
示例
10 10
均值滤波器
—— 特点
均值滤波的特点 局部求均值的运算或平均计算使数字信号变 “平坦”，可以在图像中消除或抑制噪声。 同时，图像中景物边缘也会不同程度地变得模 糊。
11 11
中值滤波器
—— 问题的提出
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。即使是加权均 值滤波，改善的效果也是有限的。
12143 12234 57689 57688 56789
12143
1 23 24 34 4 5 74 65 86 9 5 76 67 88 8 56789
C=6.6316
C=5.5263
边框保留不变的效果示例
示例
77
均值滤波器
1）模板游走
——步骤
2）将mask下对应的灰度值相加，求平均值
3）用均值代替f (x,y)
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。
为了改善效果，就可采用加权平均的方式来构造 滤波器。
99
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
1
1 4
0
1 4
0
中值滤波目的：既要消除噪声又要保持图像的细节。
13 13
中值滤波器
—— 原理示例
m-2
m-1
6
10
m
m+1
62
5
数值排序
m
m+1
m-2
2
5
6
m+2 8
m+2 8
m-1 10
2
6
14 14
中值滤波器 —— 处理示例
例：模板是一个1*5大小的一维模板。 原图像为： 2 2 6 2 1 2 4 4 4 2 4
出现的位置是一定的（每一点上），但噪声的 幅值是随机的。
33
图像噪声的概念
1）加性噪声
g f n
2）乘性噪声
g f fn
第二项受f的影响，f越大，第二项越大，即噪 声受信号的调制。
通常，信号变化很小时，第二项近似不变，用 加性噪声模型处理。
44
图像噪声的抑制方法
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。
噪声。（注意：实际上只能减弱，不能消除。思 考为什么？）
23 23
添加噪声
MATLAB图像处理工具箱提供了模拟噪声生 成的函数imnoise，它可以对图像添加一些典型的 噪声，其格式为： （1）g=imnoise(f,'gaussian',m,var)
将均值为m、方差为var的高斯噪声加到图像f上。 默认值为均值是0，方差是0.01的噪声。 （2）g=imnoise(f,'salt & pepper',d) 将噪声密度为d（即包含噪声值的图像区域的百 分比）的椒盐噪声加到图像f上。默认的噪声 密度为0.05。
19 19
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。
20 20
中值滤波器与均值滤波器的比较
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
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)
15 15
中值滤波器
—— 滤波处理方法
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。
16 16
中值滤波器
—— 例题
1 21 4 3 1 22 3 4 5 76 8 9 5 76 8 8 5 67 8 9
窗口形状： 方形、十字形、圆形、圆环形
18 18
中值滤波器 —— 特点
中值滤波的机理：
在图像局部中，杂散噪声点的灰度值较大或较小， 求中值可以自动将其消除。但中值滤波不同于均值 滤波，中值直接取自某个像素的灰度值，所以能较 好地保持图像景物原状。
中值滤波的特点：
可以消除杂散噪声点而不会或较小程度地造成边缘 模糊。
很好地去除噪声点。
21 21
中值滤波器与均值滤波器的比较
对于高斯噪声，均值滤波效果比中值滤 波效果好。
22 22
中值滤波器与均值滤波器的比较
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，所以中值滤波选
不到合适的干净点。 因为正态分布的均值为0，所以均值滤波可以消除
为了有效地改善这一状况，必须改换滤 波器的设计思路，中值滤波就是一种有 效的方法。
12 12
中值滤波器
—— 设计思想
因为噪声（如椒盐噪声）的出现，使该点像素比周围 的像素亮（暗）许多。
如果在某个模板中，对像素进行由小到大排列的重新 排列，那么最亮的或者是最暗的点一定被排在两侧。
取模板中排在中间位置上的像素的灰度值替代待处理 像素的值，就可以达到滤除噪声的目的。
示例
10 10
均值滤波器
—— 特点
均值滤波的特点 局部求均值的运算或平均计算使数字信号变 “平坦”，可以在图像中消除或抑制噪声。 同时，图像中景物边缘也会不同程度地变得模 糊。
11 11
中值滤波器
—— 问题的提出
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。即使是加权均 值滤波，改善的效果也是有限的。
12143 12234 57689 57688 56789
12143
1 23 24 34 4 5 74 65 86 9 5 76 67 88 8 56789
C=6.6316
C=5.5263
边框保留不变的效果示例
示例
77
均值滤波器
1）模板游走
——步骤
2）将mask下对应的灰度值相加，求平均值
3）用均值代替f (x,y)