中值滤波与均值滤波概要.ppt

* * * * * * * * * * * * * * * * 中值滤波与均值滤波的比较 三旅一营第三组（黄酿、赵俊强、孟斌、李伟健、葛振东、郭兆阳、） 主讲：毛东进 一、信号噪声的概念 二、图像噪声的抑制方法 三、两种滤波方法的比较及改进 一、信号噪声的概念 噪声是不可预测的随机信号，通常采用概率统计方法对其进行分析。 噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程。特别是在图像的采集和输入阶段对噪声的抑制是十分关键的问题，若输入伴有较大的噪声，必然影响处理全过程及输出的结果。 一个良好的图像处理系统，不论是模拟处理还是数字处理，都把减少最前一级的噪声作为主攻目标。因此，噪声抑制对图像处理十分重要。 * 根据噪声产生的来源，大致可以分为： 外部噪声：是指从处理系统外来的影响，如天线干扰或电磁波从电源线窜入系统的噪声。 内部噪声则有以下四种最常见形式。 ①由光和电的基本性质引起的噪声。例如电流可看作电子或空穴运动，这些粒子运动产生随机散粒噪声，导体中电子流动的热噪声，光量子运动的光量子噪声等。 ②由机械运动引起的噪声。例如，接头振动使电流不稳，磁头或磁带、磁盘抖动等。 ③元器件噪声。如光学底片的颗粒噪声，磁带、磁盘缺陷噪声，光盘的疵点噪声等。 ④系统内部电路的噪声。 * 噪声是随机量，可以从统计数学的观点来定义噪声。凡是统计特性不随时间变化的噪声称为平稳噪声，而统计特性随时间变化的噪声称作非平稳噪声。 以上各种类型的噪声反映在图像画面上，大致可以分为两种典型的图像噪声： 椒盐噪声：噪声的幅值基本相同，但是噪声出现的位置是随机的。 随机噪声：每一点都存在噪声，但噪声的幅值是随机的。 随机噪声根据其幅值的概率密度函数，还可分成：高斯噪声、瑞利噪声 * 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。 我们生活中最常遇见的要数椒盐噪声和高斯噪声 * 椒盐噪声示例 * 高斯噪声示例 设计噪声抑制滤波方法时，应尽可能保持原图信息的基础上，抑制噪声。 最常见的8种滤波方式 1、均值滤波器 2、中值滤波器 3、高斯滤波 4、KNN滤波 5、高通滤波 6、低通滤波（3*3） 7、最大均值性平滑滤波8、梯度倒数加权滤波及低通滤波（5*5、7*7、9*9、11*11） 二、图像噪声的抑制方法 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。 以模块运算系数表示即： 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 3 4 4 4 5 6 6 7 8 C=6.6316 C=5.5263 三、两种滤波方法的比较及改进 （一）、均值滤波 —— 处理方法 待处理像素 示例 边框保留不变的效果示例 均值滤波的改进 —— 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。 均值滤波的改进 —— 加权均值滤波 如下，是几个典型的加权平均滤波器。 示例 示例 示例 示例 （二）、中值滤波 —— 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。 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。 中值滤波 —— 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。 中值滤波 —— 原理示例 数值排序 m-2 m-1 m m+1 m+2 6 10 2 5 8 m m+1 m - 2 m+2 m - 1 6 10 2 5 8 2 6 2 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 处理后为：