资源描述：
《第五章-图像的噪声抑制-转黑体ppt课件.ppt》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、第五章图像的噪声抑制所谓的图像噪声，是图像在摄取时或是传输时所受到的随机干扰信号。反映在图像画面上，可分为椒盐噪声和高斯噪声。按对信号的影响，可分为加性噪声模型和乘性噪声模型图像噪声的概念椒盐噪声的特征: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：出现的位置是一定的（每一点上），但噪声的幅值是随机的。图像噪声的概念图像噪声的概念1）加性噪声2）乘性噪声第二项受f的影响，f越大，第二项越大，即噪声受信号的调制。通常，信号变化很小时，第二项近似不变，用加性噪声模型处理。设计噪声抑制滤波器，在尽可能保持原图信
2、息的基础上，抑制噪声。均值滤波器中值滤波器边界保持类滤波器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：12143122345768957688567891214312234576895768856789344456678C=6.6316C=5.5263均值滤波器——处理方法待处理像素示例边框保留不变的效果示例1）模板游走2）将mask下对应的灰度值相加，求平均值3）用均值代替f(x,y)h
3、(x,y)矩阵的元素之和乘前面系数为1，h(x,y)矩阵中心的元素占的比例越小，越平滑，图像越模糊4）对图像的四周边缘：补0或者不处理边缘均值滤波器——步骤均值滤波器的改进——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。均值滤波器的改进——加权均值滤波如下，是几个典型的加权平均滤波器。示例示例示例示例均值滤波的特点局部求均值的运算或平均计算使数字信号变“平坦”，可以在图像中消除或抑制噪声
4、。同时，图像中景物边缘也会不同程度地变得模糊。均值滤波器——特点中值滤波器——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。中值滤波器——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
5、。中值滤波目的：既要消除噪声又要保持图像的细节。中值滤波器——原理示例数值排序m-2m-1mm+1m+2610258mm+1m-2m+2m-1610258266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：22621244424处理后为：22(1,2,2,2,6)2(1,2,2,2,6)2(1,2,2,4,6)2244444(2,4,4)中值滤波器——滤波处理方法与均值滤波类似，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。中值滤波器——例题121431223457689576885
6、67891214312234576895768856789234566678C=6.6316C=5.5263示例步骤:1）模板mask游走2）将mask下对应的灰度值（奇数）排序3）用中间值代替f(x,y),消除孤立的噪声点mask大小不一样，效果不一样，与叠加的噪声有关系。窗口形状：方形、十字形、圆形、圆环形中值滤波器 ——步骤中值滤波的机理：在图像局部中，杂散噪声点的灰度值较大或较小，求中值可以自动将其消除。但中值滤波不同于均值滤波，中值直接取自某个像素的灰度值，所以能较好地保持图像景物原状。中值滤波的特点：可以消
7、除杂散噪声点而不会或较小程度地造成边缘模糊。中值滤波器 ——特点中值滤波器与均值滤波器的比较对于椒盐噪声，中值滤波效果比均值滤波效果好。中值滤波器与均值滤波器的比较原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。中值滤波是选择适当的点来替代污染点的值，所以处理效果好。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。中值滤波器与均值滤波器的比较对于高斯噪声，均值滤波效果比中值滤波效果好。中值滤波器与均值滤波器的比较原因：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
8、都是污染点，所以中值滤波选不到合适的干净点。因为正态分布的均值为0，所以均值滤波可以消除噪声。（注意：实际上只能减弱，不能消除。思考为什么？）24添加噪声MATLAB图像处理工具箱提供了模拟噪声生成的函数imnoise，它可以对图像添加一些典型的噪声，其格式为：（1）g=imnoise(f,'gaussian',m,var)将均值
