第4章 图像滤波.pdfVIP

第四章 图像噪声的抑制 ——滤波和平滑 主要内容： 4.1 图像的噪声 4.2 均值滤波 4.3 中值滤波 4.4 KNN均值滤波 4.1 图像的噪声 ? 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。 ? 常见的有椒盐噪声和高斯噪声。 含有噪声的图像 含椒盐噪声图像 含均匀分布随机噪声 图像噪声的特征 ? 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： 出现在位置是一定的（每一点上），但噪声 的幅值是随机的。 噪声对图像的影响 z 影响图像的视觉效果——图像质量变差。 z 影响后续的处理与识别——使原本均匀和连续 变化的灰度发生突变，容易形成一些虚假的边 缘、轮廓。 图像噪声的抑制方法——平滑或滤波 设计噪声抑制滤波器，在尽可能保 持原图信息的基础上，抑制噪声。 数字图像平滑技术的分类 （1）全局处理 对噪声图像的整体或大的块进行校正以得到平滑的图像 （如在变换域中使用的Winer滤波、最小二乘滤波、Kalman 滤波等技术）。 缺点： 1）必须知道信号和噪声的统计模型，但对大多数图像而言， 其统计模型是末知的或不能用简单随机过程精确描述； 2）计算很费时间； 数字图像平滑技术的分类 （2）空间域处理 在原图像上对噪声使用局部算子（实际就是区域处理）， 直接进行数据运算。 优点： 计算效率高，可以实现实时处理或快速处理。 ——近年来图像平滑研究的主要方向。 4.2 均值滤波器 4.2.1 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。——实际 是一种区域处理的方法 模板形状可选择正方形和十字形等，如图4.1所示 为区域处理的两种模板。 中心像素 图4.1 正方形模板与十字模板 4.2.2 均值滤波处理方法 平均结果：待处理像素的灰度值为6（54/9） （5＋ 5 ＋6 ＋5 ＋ 5＋6＋ 7 ＋ 7＋8）÷9 5 5 6 7 9 6 5 5 6 7 9 结果图像 源图像7 7 8 6 8 7 7 8 8 8