最新第5章(刘荣华)图像中噪声干扰的去除.课件PPT.ppt

《最新第5章(刘荣华)图像中噪声干扰的去除.课件PPT.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5章(刘荣华)图像中噪声干扰的去除.1何谓图像的噪声图像的噪声：在图像上面出现各种形式的干扰斑点、条纹等，这种干扰称为图像的噪声。随机噪声：随机噪声具有以下性质：a、 画面上的噪声出现处呈现不规则分布；b、 噪声的大小也是不规则的。当对某静态物体进行连续拍摄时，噪声也会随时出现于任意地方，而且每个瞬间噪声出现的位置和大小也会产生变化。图1   原图图3.1   原图图3.2经过平滑处理后的图图2经过平滑处理后的图为了方便地叙述上面所说的“将原图中的每一点的灰度和它周围八个点的灰度相加，然后除以9，作为新图中对应点的灰度”

2、这一操作，我们采用如下的表示方法：这种表示方法有点象矩阵，我们称其为模板(template)。中间的黑点表示中心元素，即，用哪个元素做为处理后的元素。例如[2.1]表示将自身的2倍加上右边的元素作为新值，而[21.]表示将自身加上左边元素的2倍作为新值。平滑模板的思想是通过将一点和周围8个点作平均，从而去除突然变化的点，滤掉噪声，其代价是图象有一定程度的模糊。上面提到的模板就是一种平滑模板，称之为Box模板。Box模板虽然考虑了邻域点的作用，但并没有考虑各点位置的影响，对于所有的9个点都一视同仁，所以平滑的效果并不理想。实

3、际上我们可以想象，离某点越近的点对该点的影响应该越大，为此，我们引入了加权系数，将原来的模板改造成，可以看出，距离越近的点，加权系数越大。新的模板也是一个常用的平滑模板，称为高斯(Gauss)模板。举个实际的例子：下图中，从左到右分别是原图，用高斯模板处理的图，用Box模板处理的图，可以看出，采用高斯模板，在实现平滑效果的同时，要比Box模板清晰一些。移动平均法是最简单的噪声去除法。他采取把某像素的值置换为该像素周围3*3个像素的浓度的平均值的方法。主要是冲淡了图像的浓度，从而使人看不见细小的噪声。但这样一来，因把图像边界

4、和噪声一起冲淡，尽管噪声可以除去，但图像也会变得模糊了。为了使图像的边缘尽量不被淡化，只将噪声除去，可以采用中值滤波法。3中值滤波方法所谓中止滤波，就是求得某个像素周围区域内像素浓度的中央值或中间值，并将其作为目的像素浓度值的处理过程。在移动平均法中，把噪声成分也放到了平均计算之中，因此其输出也受到噪声的影响。而在中值滤波法中，噪声成分很难被选到，对输出图像不会有什么影响。因此，对同一块3*3图像比较，显然中值滤波法在去除噪声的能力上略胜一筹。中值滤波法是即可除去噪声又可保存图像边缘的十分优秀的方法。先考察第一幅图：原图经

5、Box模板处理后经Gauss模板处理后经中值滤波处理后从原图中不难看出左边区域灰度值低，右边区域灰度值高，中间有一条明显的边界,这一类图象称之为“step”(就象灰度上了个台阶)。应用平滑模板后，图象平滑了，但是也使边界模糊了。应用中值滤波，就能很好地保持原来的边界。所以说，中值滤波的特点是保护图象边缘的同时去除噪声。再看第二幅图：原图经Box模板处理后经Gauss模板处理后经中值滤波处理后不难看出，原图中有很多噪声点(灰度为正代表灰度值高的点，灰度为负代表灰度值低的点)，而且是杂乱无章，随机分布的。这也是一类很典型的图，

6、称之为高斯噪声。经过Box平滑，噪声的程度有所下降。Gauss模板对付高斯噪声非常有效。而中值滤波对于高斯噪声则无能为力。最后看第三幅图：原图经Box模板处理后经Gauss模板处理后经中值滤波处理后从原图中不难看出，中间的灰度要比两边高许多。这也是一类很典型的图，称之为脉冲(impulse)。可见，中值滤波对脉冲噪声非常有效。综合以上三类图，不难得出下面的结论：中值滤波容易去除孤立点、线的噪声同时保持图象的边缘；它能很好的去除二值噪声，但对高斯噪声无能为力。要注意的是，当窗口内噪声点的个数大于窗口宽度的一半时，中值滤波的效

7、果不好。这是很显然的。二值图像的噪声去除如图所示的图像中所包含的噪声称为椒盐状噪声，这种噪声也能用中值滤波法将其除去，另外，利用它的二值性，有称为膨胀、收缩的处理方法。所谓膨胀，是指将某像素的近邻中，若有一个为1，则将该像素置为1，其他的均置为0。而所谓收缩，是指某像素的近邻中，若有一个为0，就将该像素置为0，而将其他均值为1的处理。这种处理利用膨胀→收缩作用，使结果图像经膨胀变粗，又经收缩变窄，结果几乎没有变形，黑色孤立的噪声在膨胀时被去除。反之，通过收缩→膨胀的作用，白色孤立的噪声也在收缩时被除去。5其他技术方法在某个

8、像素周围的5*5的区域中，按图中九种模式选择相应的像素。例如以模式1可选出七个像素，以模式九，可选出九个像素。接着球出各个模式的方差。然后，选择方差最小的模式，求出其平均值，并将该值当作关注像素的浓度值。这样做的目的是为了把5*5的区域划分成如图所示那样的九个小区域，并找出其中最平坦的（即没有噪声和边缘