第9章噪声图像的产生及处理要点分析.ppt

9.3.2 算法步骤与流程图 9.3.2 算法步骤与流程图 图9.1 椒盐噪声加噪算法流程图 9.3.3 C语言代码与分析 椒噪声和盐噪声加噪算法对应的DSP程序如下： 9.3.3 C语言代码与分析 试验结果与分析 试验结果与分析 9.4 高斯噪声 本节学习目的： 掌握高斯噪声的原理； 能够用DSP程序，在图像中添加椒盐噪声。 9.4 高斯噪声 9.4.1 基本原理 高斯噪声是指噪声的概率密度函数服从高斯分布（即正态分布）的一类噪声。 含有高斯噪声的图像，可以看成是图像的每一个像素值加上一个高斯分布的随机数。 因此，要生成含高斯噪声的图像，就必须先产生高斯分布的随机数，然后再将随机数加入图像。 由于电脑系统函数库中的随机数生成函数生成的随机数为均匀分布的随机数，没有直接生成高斯随机数的函数。 因此，产生高斯噪声要通过如下二个步骤来实现： 第一，生成均匀分布随机数； 9.4 高斯噪声 第二，实现均匀分布随机数向高斯分布随机数转化。 常用转化方法：中心极限定理的方法和box-muller算法。 这里以中心极限定理的方法讲述高斯随机数的生成方法： 计算机中都有产生概率为均匀分布的函数，通过反复相加这个噪声，就可以产生高斯噪声，这就是中心极限定理生成高斯随机数的方法。 这也可以解释为什么高斯噪声在自然界中这么常见，因为各种噪声经过叠加就成了高斯噪声。 9.4.2 算法步骤与流程图 ?第*/48页 第9章 噪声图像的产生 及处理 数字信号处理器原理A 西安邮电大学 通信与信息工程学院 课前提问： 1、第8章学习了“彩色图像转化成灰度图像”，请问： RGB彩色图像转化成灰度的图像的方法有几种？ 分别是什么？ 一、彩色图像灰度化的原理 所谓加权平均法就是根据三基色的重要性及其它指标，将R、G、B三个分量以不同的权值进行加权平均 由于人眼对绿色的敏感最高，对蓝色敏感最低； 因此，我们可以按下式对R、G、B三分量进行加权平均，则能得到较合理的灰度图像。 一般有以下三种转化方案： 方法1： 加权平均法 方法2：平均值法 所谓平均值法就是对彩色图像的每个像素中的R、G、B三个分量的值进行简单的算术平均； 将得到平均值作为灰度图像对应像素的亮度值； 其计算式如下所示： 一、彩色图像灰度化的原理 方法3：最大值法 所谓最大值法就是将彩色图像中每个像素的R、G、B三个分量中的最大值作为灰度图对应像素的灰度值。 其计算式如下： 一、彩色图像灰度化的原理 (复习) 实验结果与分析 实验结果与分析 图8.10 采用“加权平均”法变换得到的灰度图像 在CCS中编程实现RGB转化成灰度图像的 3 种方法，实验中，要对比试验结果； 要交试验报告（二人一组交一份）：电子版与纸质版（双面打印）； 在实验报告中，不能采用相同的图像数据，若发现有相同的，则返回重新做实验，重新提交实验报告；（也不能用与PPT相同的图像数据） 实验2：彩色图像灰度化DSP实验 内容与要求： 怎样生成试验图像数据文件 一个关键问题： 课外实验1：彩色图像灰度化DSP实验 ? 生成试验图像数据文件： 目 录 第9章 图像噪声产生及处理 9.1 引言 9.2 图像去噪 9.3 椒盐噪声 9.4 高斯噪声 9.5 试验结果与分析 9.6 分析与总结 本章要解决的问题： 1、什么是图像的噪声？ 2、图像的噪声可分成哪几种类型？ 3、常用的图像去噪方法有哪些？ 图像噪声举例： 本章学习目标 了解图像噪声的概念及特点； 了解图像噪声的类型； 了解常用的图像去噪方法； 掌握图像高斯噪声的生成模型及方法； 掌握图像椒盐噪声的生成模型及方法。 知识要点： 高斯、椒盐噪声的生成原理与方法； 相应的DSP编程方法。 9.1 引 言 所谓噪声是电路或系统中不含信息量的电压或电流，如： 在工业与自然界中，存在着各种干扰源（噪声源），如大功率电力电子器件的接入、大功率用电设备的开启与断开、雷击闪电等都会使空间电场和磁场产生有序或无序的变化，这些都是干扰源（或噪声源）。 这些源产生的电磁波或尖峰脉冲，通过磁、电耦合或是通过电源线等路径进入放大电路、各种电气设备，形成各种形式的干扰。 噪声可以理解为“ 妨碍人们感觉器官对所接收的信源信息的理解”。 例如，一幅黑白图片，其平面亮度分布假定为f(x，y)，那么对其接收起干扰作用的亮度分布R(x，y)，即可称为图像噪声。 9.1 引 言 但是，噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。 因此，将图像噪声看成是多维随机过程是合适的，而描述噪声的方法完全可以