《ch图象增强》PPT课件

《ch图象增强》PPT课件

ID:36430825

大小:10.17 MB

页数:50页

时间:2019-05-09

《ch图象增强》PPT课件_第1页
《ch图象增强》PPT课件_第2页
《ch图象增强》PPT课件_第3页
《ch图象增强》PPT课件_第4页
《ch图象增强》PPT课件_第5页
资源描述:

《《ch图象增强》PPT课件》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、第三节图像平滑图像平滑是一种图像邻域操作.非递归邻域操作可用函数φ表示为:g(x,y)=φ[x,y,f(x’,y’):(x’,y’)∈N(x,y)]其中N(x,y)是以(x,y)为中心的某邻域象素集合,f(x’,y’)是集合内象素灰度值,g(x,y)是处理结果图像。图像平滑方法有空域法和频域法两大类。目的:去除或衰减图像中噪声和假轮廓;邻域:在一定意义下,与该像素相邻的像素的集合OOOO*OOOOOOOOOOOOOOOO*OOOOOOOOOOOOOO*OO3×3邻域5×5邻域4邻域4邻域OO*OO第三节图像平滑(1)均值滤波和中值滤波的基本思想都是将某个点的象素其邻域的所有象素的某个统计值

2、来代替滤波后的该点象素。(1)问题的引入真遗憾!图片变“丑”了!图象受噪声污染,图象质量下降。哇,真漂亮!第三节图像平滑(2)什么是图象噪声?(2)图象噪声图象在生成、传输和数字化的过程中,常常会引入一些随机误差,导致图象质量下降。这种使图象质量下降的随机误差称为图象噪声。=+n(i,j)为二维随机变量,一般有:=+f(i,j)--原始图像中位于(i,j)位置的灰度值,g(i,j)--噪声图像中位于(i,j)位置的灰度值则对于一个噪声概率为pn的噪声图像,有:其中n(i,j)是独立于f(i,j)的随机噪声值。图象噪声椒盐噪声(Salt-PepperImpulsiveNoise)受噪声干扰

3、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。常见噪声模型有:高斯白噪声噪声在整个平面的概率密度函数为一维正态分布(高斯分布)。图象噪声噪声及受不同噪声污染的图片效果显示怎么从图象中去掉噪声?f(i,j)g(i,j)n(i,j)+=≈去噪处理由于噪声信号的随机性,一般很难将噪声完全去掉。因此,问题变成:如何从g(i,j)中得到对f(i,j)的最好估计?目的:方法:简单有效常使用的两种点处理方法:均值滤波中值滤波(3)图象平滑减少或消除图象噪声,以改善视觉效果;去掉干扰信号,以便于图象识别与处理等。

4、2.均值滤波(1)方法:用某点邻域的灰度平均值来代替该点的灰度值;系数都是正的;所有系数之和为1.输出f(i,j)可由下面计算公式得到如:等权值3*3模板,设g(i,j)为受噪声污染的图象;M为正整数,则平滑后的图象f(i,j)其计算公式,可以写成卷积的形式:卷积模板为大小为(2M+1)×(2M+1),h(i,j)为邻域模板内对应点加的权系数。如:一个等权值的3×3卷积模板为:(2)原理:若图像满足:(1)由许多灰度级相近(恒定)的小块组成;(2)噪声信号η是加性噪声,均值为0,方差为σ2,且与图像不相关的白噪声。%%%%示例程序example6.m%演示添加0均值高斯白噪声后的图像,经过

5、多次叠加的效果%%%%结论:叠加次数越多,噪声均值不变,噪声方差越小,受污染程序越小。%%%%这一统计特性,是均值滤波的理论基础clear;I=imread('lena.tif');[m,n]=size(I);II1=zeros(m,n);k=0;fori=1:16II(:,:,i)=imnoise(I,'gaussian',0,0.01);%添加0均值,标准差为0.01的高斯白噪声II1=II1+double(II(:,:,i));ifi==1

6、i==4

7、i==8

8、i==16k=k+1;subplot(2,2,k),imshow(uint8(II1/i))title(['(',char(

9、96+k),')',num2str(i),'幅含噪声图像取平均值的效果'],'FontSize',8)endend(2)均值滤波过程演示原始图象g(i,j)滤波后的图象f(i,j)以3×3模板为例,均值滤波的算法为:13481031850154246734561221345427811713137121278滤波后的图象f(i,j)的边界可直接由f(i,j)=g(i,j),或者由f(i,j)的一个邻域点象素代替。(3)图片处理结果演示1:3×3窗口均值滤波后的图象7×7窗口均值滤波后的图象图象边缘变模糊仍然包含很多噪声信号!原始图象椒盐噪声污染后图象图片处理结果演示2:可以看出,均值滤波

10、对高斯白噪声的滤波效果要比对椒盐噪声的效果好!3×3窗口均值滤波7×7窗口均值滤波原始图象高斯白噪声污染的图象(4)均值滤波的优缺点总结:优点:实现简单;对高斯白噪声很有效。缺点:对椒盐噪声效果不好。随着滤波窗口的增大,会使图象边缘模糊,而图象的边缘往往是一类有效的信息;(1)离散序列中值的定义按由小到大的顺序排列为:n为奇数;n为偶数如:Med(0354178)=3中值滤波∵0<1<3<4<5<7<8,?4设有序列则该

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。