第4章图像增强（2）.ppt

数字图像处理 §4.3 空域滤波增强 §4.3.2 平滑滤波器 图像平滑的目的： 情况1. 去掉图像中太小的细节，提取较大的目标，但会造成图像模糊； 情况2. 消除噪声，达到图像增强的目的。 噪声分类：热噪声（电磁、闪电等引起的噪声）； 散粒噪声或颗粒噪声，斑点；干扰 一般属于加性噪声，均值为0，互不相关，方差为?2； §4.3.2 平滑滤波器 椒盐噪声（Salt-Pepper Impulsive Noise） 受噪声干扰的图像像素以50%的相同概率等于图像灰度的最大或最小的可能取值 随机值脉冲噪声 受噪声干扰图像点取值均匀分布于图像灰度的最大与最小可能取值之间 §4.3.2 平滑滤波器 §4.3.2 平滑滤波器 §4.3.2 平滑滤波器 一、几种模板H（低通卷积模板，噪声平滑的系数单位冲激响应矩阵） §4.3.2 平滑滤波器 计算举例： 模板：8邻域模板； 计算时，边界上的像素特殊处理，缺少的像素采用相邻像素的值； §4.3.2 平滑滤波器 优点：算法简单，计算速度快； 缺点：图像产生模糊，邻域半径越大，模糊程度越大（边缘 和细节）； 邻域平均法在一定程度上抑制噪声，但是邻域平均法的平均作用会引起模糊现象，模糊程度与邻域半径成正比。 改进方法：采用阈值法，引进一个非负阈值，当某些点和它们邻域的差值不超过阈值时，不进行平滑处理；超过阈值时，必然是噪声，需要进行平滑处理。 §4.3.2 平滑滤波器 用n＝3，5，9，15，35的方形均值滤波器掩模平滑处理的结果 模板大小与模糊现象 边界现象 4、邻域平均法实现 采用图像邻域操作进行图像平滑属于低层象素级处理，是一种简单重复、处理数据量大的费时操作。如果用软件完成，可能很难满足实时性的要求。 因此可设计硬件电路，按象素时钟频率实时完成平滑任务。 邻域平均法电路框图和邻域平均运算电路框图如下： 考虑以下8邻域平均， 要形成窗口，必须有延迟电路； §4.3.2 平滑滤波器 在邻域平均法中，在去噪的同时也使边界变得模糊了，中值滤波是非线性的处理方法，在去噪的同时可以兼顾到边界信息的保留。 首先选一个含有奇数点的窗口W，将这个窗口在图像上扫描，把该窗口中所含的像素点按灰度级的升（或降）序排列，取位于中间的灰度值，来代替该点的灰度值。即 §4.3.2 平滑滤波器 工作步骤： （1）将模板在图中漫游，并将模板中心与图中某个象素位置重合； （2）读取模板下各对应象素的灰度值； （3）将这些灰度值从小到大排列1列； （4）找出这些值里排在中间的1个； （5）将这个中间值赋给对应模板中心位置的象素。 §4.3.2 平滑滤波器 例如选择滤波用的窗口W如下图所示，是一个一维的窗口，待处理像素的灰度取这个模板中灰度的中值，滤波过程为： §4.3.2 平滑滤波器 除上述窗口外，常用的窗口还有方形、十字形、圆形和环形等等，如下图所示。 §4.3.2 平滑滤波器 中值滤波是一种非线性运算。它对于消除孤立点和线段的干扰十分有用。特别是对于椒盐噪声尤为有效，对于消除高斯噪声的影响效果不佳。对于一些细节较多的复杂图像，还可以多次使用不同的中值滤波，然后通过适当的方式综合所得的结果作为输出，这样可以获得更好的平滑和保护边缘的效果。 §4.3.2 平滑滤波器 §4.3.2 平滑滤波器 两种平滑空域滤波器的比较 两种平滑空域滤波器的比较结论： 2、边界保持类滤波 （1）K近旁均值滤波器（KNNF） 该算法的思想是：在m×m的窗口中，属于同一集合类的像素，他们的灰度值将高度相关。基于此思想，被处理的像素（对应于窗口中心的像素）可以用窗口内与中心像素灰度最接近的k个邻近像素的平均灰度来代替。 其步骤如下： ①作一个m×m的作用模板。 ②在其中选择K个与待处理像素的灰度差为最小的像素。 ③用这K个像素的灰度均值替换掉原来的值。 2、边界保持类滤波 （1）K近旁均值滤波器（KNNF） 下图是模板为3×3，k＝3的K近旁均值滤波器的例子。 2、边界保持类滤波 （2）K近旁中值滤波器(KNNMF) 在K近旁均值滤波器中我们不选k个邻近像素的平均灰度来代替，而选k个邻近像素的中值灰度来代替，则这个滤波器就变成了K近旁中值滤波器。 2、边界保持类滤波 （3）最小均方差滤波器 该方法对图像上待处理的像素（m，n）选它的5×5邻域，在此邻域中采用下图所示的模板（其中有1个3×3正方