中值滤波与均值滤波ppt课件.pptx

中值滤波与均碱滤

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

波的比较

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

2

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。

3

根据噪声产生的来源，大致可以分为：

1.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。

2.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。4

4

■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：

一椒盐噪声：噪声的幅值基本相同，但是噪声出现的

位置是随机的。

一随机噪声：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

5

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。

6

椒盐噪声示例

7

高斯噪声示例

8

、图像噪声的抑制方法

■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)

9

■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。

均值滤波器

—原理

10

三、两种滤波方法的比较及改进

(一)、均值滤波

——处理方法

1

2

1

4

3

1

3

2

4

4

5

5

6

9

5

6

7

8

8

5

6

7

8

9

12

1

4

3

1

2

2

3

4

5

7

6

8

9

5

8

8

7

6

5

6

7

8

9

C=6.6316C=5.5263

边框保留不变的效果示例

以模块运算系数表示即：

待处理像素

11

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

12

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。

111

21

11

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。

14

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。

15

—原理示例

Mm+1m+2

258

数值排序

中值滤波

26

m+2

8

m+1

5

m-2

6

m-1

10

⑥10

M

2

m-2

m-1

16

中值滤波器

——处理示例

例：