第8章图像平滑和锐化.ppt

第八章 图像平滑和锐化;8.1 图像噪声;噪声来源 数字图像的噪声主要来源于图像的获取和传输过程 ?? 图像获取的数字化过程，如图像传感器的质量和环境条件 ?? 图像传输过程中传输信道的噪声干扰，如通过无线网络传输的图像会受到光或其它大气因素的干扰;图像噪声特点 1. 噪声在图像中的分布和大小不规则 2. 噪声与图像之间具有相关性 3. 噪声具有叠加性 ;图像噪声分类;按其产生的原因;按统计特性;按噪声和信号之间的关系;;;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： 出现在位置是一定的（每一点上），但噪声的幅值是随机的。 ;高斯噪声;瑞利噪声;伽马噪声;指数分布噪声;均匀分布噪声;脉冲噪声;MATLAB图像处理工具箱使用imnoise函数在图像中加入噪声。调用格式如下： J=imnoise(I,type,parameters) 其中函数向输入图像I中添加指定类型的噪声。type是字符串，可以是以下值。“Gaussian”(高斯噪声)；“localvar”(均值为零，且一个变量与图像亮度有关)；“poisson”(泊松噪声)；“saltpepper”(椒盐噪声)；“speckle”(乘性噪声)。;a=imread(eight.tif); subplot(131); imshow(a);title(原始图像); a1=imnoise(a,gaussian,0,0.006); %均值为0，方差为0.006 subplot(132); imshow(a1);title(加高斯噪声的图像); a2=imnoise(a,salt pepper,0.02);%噪声密度为0.02 subplot(133); imshow(a2);title(加椒盐噪声的图像);;;8.2 均值滤波; ;主要优点：算法简单，计算速度快。 缺点：降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。;均值滤波器的改进;均值滤波器的改进 —— 加权均值滤波; 加权平均示意图 ; 如果某个像素的灰度值大于其邻域像素的平均值，且达到了一定水平，则判断该像素为噪声，继而用邻域像素的均值取代这一像素值。 ;MATLAB图像处理工具箱采用filter2函数实现图像的邻域处理，其调用方法如下： Y=filter2(B,X);;;在上面的MATLAB程序中，滤波操作使用了fspecial函数创建指定的滤波器模板，其常用调用方法为： h = fspecial(type) h = fspecial(type，para) 其中type指定算子的类型，para指定相应的参数;8.3 中值滤波;优点：对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。 缺点：对点、线等细节较多的图像却不太合适。 ;;;二维中值滤波模板： 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。;例：;中值滤波器的窗口形状可以有多种，如线状、方形、十字形、圆形、菱形等（见图）。 ;一般来讲： 形状的选择：对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口为宜。对于包含有尖顶物体的图像， 用十字形窗口。 窗口大小的选择：则以不超过图像中最小有效物体的尺寸为宜。 ;中值滤波与均值滤波的比较;对于高斯噪声，均值滤波效果比中值滤波效果好。 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，所以根据统计数学，均值可以消除噪声。;在MATLAB图像处理工具箱中，实现中值滤波的函数是medfilt2，其常用的调用方法如下： B=medfilt2(A,[m n]) 其中A是输入图像，[m，n]是邻域窗口的大小，默认值为[3，3]，B为滤波后图像。;clear all; I=imread(rice.png); subplot(2,3,1),imshow(I);title(原始图像); J=imnoise(I,saltpepper,0.01);%加均值为0,方差为0.01的椒盐噪声 subplot(2,3,2),imshow(J);title(椒盐噪声图像); text(-60,740,3×3滤波窗口的中值滤波); K = medfilt2(J); subplot(2,3,3),imshow(K,[]); title(中值滤波图像); I2=imread(rice.png);