第2次DSP试验内容与步骤-图像平滑试验讲述.docVIP

第4次DSP试验 试验名称：图像平滑试验（有二种方法：邻域平均法与加权平均法，你们挑一种进行实验与写实验报告） 试验目的： 1. 掌握图像平滑的原理; 2. 掌握DSP进行图像平滑的基本方法。 要求： 每个同学看懂邻域平均法与加权平均法的基本原理； 把程序DSP的编写出来； 图像平滑 1为什么要进行图像平滑 实际获得的图像在形成、传输、接收和处理的过程中，不可避免地存在着外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均匀性、数字化过程的量化噪声、传输过程中的误差以及人为因素等，均会因此，去除噪声，恢复原始图像是图像处理中的一个重要内容。.1 基本原理 对一些图像进行线性滤波可以去除图像中某些类型的噪声，如基于邻域平均法的均值滤波器就非常适用于去除通过扫描得到的图像中的颗粒噪声。 领域平均法是空间域平滑噪声技术，其基本原理是将原图中一个像素的灰度值和它周围邻近像素的灰度值相加，然后将求得的平均值作为新图中该像素的灰度值。它采用模板计算的思想，模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关，而且与其邻域点的像素值有关。模板运算在数学中的描述就是卷积运算，这里不再赘述。邻域平均法也可以用数学公式表达：假设待处理的图像为,处理后图像为，领域平均法图像平滑处理的数学表达可表示为： （10-1） 式中为的阵列, x, y=0,1,2,…，N-1，S是以点为中心的邻域的集合，M为邻域S中的像素点数。 在具体平滑运算过程中，领域S的形状和大小根据图像特点来确定，一般取的形状是正方形、矩形及十字形等，如图10-1所示，是S邻域取四点邻域和八点邻域的示例，并且S的形状和大小可以在全图处理过程中始终保持不变，也可以根据图像的局部统计特性而变化，点一般位于S的中心。如S为邻域，点位于S中心，则公式(10-1)变为： (10-2) 假设噪声n是加性噪声，在空间各点互不相关，且期望为0，方差为，图像g是未受污染的图像，含有噪声图像f经过加权平均后为: (10-3) 由上式可知，经过平均后，噪声的均值不变，方差，即方差变小，说明噪声强度减弱了，抑制了噪声。 如图10-2所示，对含有高斯噪声的图像,分别采用、、三种不同邻域的模板对它进行平滑处理的结果图像。值得注意的是，图像邻域平均法的平滑效果与所用的邻域半径有关。半径愈大，则图像的模糊程度越大。另外，图像邻域平均法算法简单，计算速度快，但是它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。邻域越大，模糊程度越厉害。 .2 算法步骤与流程图 为了带有噪声的灰度图像进行邻域平均化平滑，编程主要步骤如下： 1）读入源图像，并选定适当的邻域模板； 2）循环选取图像中的每一个像素，并且计算该点固定邻域内的平均值，作为新图像该点的灰度值； 3）判断像素是否读取完毕，若还未读取完毕，则继续第（2）步；若读取完毕，则算法结束，输出平滑后的新图像。 以“邻域”为例，对应的程序流程图如图所示。 .3 C语言代码与分析 针对×3的模板，与其对应的图像平滑DSP程序如下： //全局系数数组，模板大小x3，对均值滤波模板为全1 int CoefArray[]={1,1,1,1,1,1,1,1,1}; void IMG_Smooth ( unsigned char *F, /* 输入带有噪声的灰度图像 */ unsigned char *G, /* 输出的平滑后的灰度图像 */ cols, int rows /* 图像的宽度与高度 */ ) { //定义局部变量 unsigned char *pp, *newpp; int tmpNum,i, x, y; //图像四周的像素不进行平滑，等于原值 for (x=0; x cols -1; x++) //处理第一行的像素 G[x] = F[x]; //处理最后一行的像素 newpp = G + (rows-1)* cols; //指针指向平滑图像 pp = F+ (rows-1)* cols; //指针指向噪声图像 for (x=0; x cols -1; x++) * newpp++ = * pp++; //处理最左边一列的像素 newpp = G; //指针指向平滑图像