数字图像处理图像增强与平滑.ppt

* * * * * * * * * * * * * * * * * * * * * * * * 作业： 1. 简述中值滤波的算法步骤 2. 简述图像噪声分类。 3. 比较平均滤波与中值滤波的优缺点（P79 、5） * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 1.2.图像噪声分类 第五章：图像增强与平滑 1：统计特性不随时间变化的噪声称为平稳噪声。 2：统计特性随时间变化的噪声称为非平稳噪声 平稳噪声和非平稳噪声： 图像平滑 图像锐化 直方图 灰度变换 1.2.图像噪声分类 第五章：图像增强与平滑 加性噪声 乘性噪声 加性噪声和乘性噪声： S(t)+n(t) S(t)［1+n(t)］ 总是假定信号和噪声是互相独立 量化噪声 数字图像的主要噪声源， 其大小显示出数字图像与原始图像的差异 椒盐噪声 即黑图像的白点、白图像上的黑点 白噪声、高斯噪声、冲激噪声 饱和的冲激噪声 图像平滑 图像锐化 直方图 灰度变换 1.3.图像系统噪声特点 第五章：图像增强与平滑 1. 噪声在图像中的分布和大小不规则 2. 噪声与图像之间具有相关性 3. 噪声具有叠加性 有噪声的图像 图像平滑 图像锐化 直方图 灰度变换 1.4.噪声图像示例（高斯分布） 第五章：图像增强与平滑 图像平滑 图像锐化 直方图 灰度变换 1.4.噪声图像示例（均匀分布） 第五章：图像增强与平滑 图像平滑 图像锐化 直方图 灰度变换 1.4.噪声图像示例（椒盐噪声） 第五章：图像增强与平滑 图像平滑 图像锐化 直方图 灰度变换 2.1.图像增强概念 第五章：图像增强与平滑 图像增强： 不考虑图像降质的原因， 只将图像中感兴趣的部分 加以处理或突出有用的图像特征 图像恢复 针对图像降质的具体原因，设法补偿降质因素， 使改善后的图像尽可能地逼近原始图像 图像平滑 图像锐化 直方图 灰度变换 2.1.概念 第五章：图像增强与平滑 空间域法 在原图像上直接进行数据运算，对像素的灰度值进行处理 点运算 对图像作逐点运算 局部运算 在与处理像点邻域有关的空间域上进行运算 频域法 在图像的变换域上进行处理， 增强感兴趣的频率分量， 然后进行反变换， 得到增强了的图像 图像平滑 图像锐化 直方图 灰度变换 2.2.模板操作和卷积运算 第五章：图像增强与平滑 模板运算的数学含义是卷积（或互相关）运算 图像平滑 图像锐化 直方图 灰度变换 2.2.模板操作和卷积运算 第五章：图像增强与平滑 图像平滑 图像锐化 直方图 灰度变换 2.2.模板操作和卷积运算 第五章：图像增强与平滑 图像平滑 图像锐化 直方图 灰度变换 2.2.模板操作和卷积运算 第五章：图像增强与平滑 相关 卷积 经常是模板对称，两者相同 相关计算，易于描述，用它 图像平滑 图像锐化 直方图 灰度变换 2.2 .模板操作和卷积运算. 第五章：图像增强与平滑 图像边界问题 1）忽略图像边界数据(0) 2)图像四周复制原图像边界像素的值 图像平滑 图像锐化 直方图 灰度变换 3.邻域平均法 第五章：图像增强与平滑 通过一点和邻域内像素点求平均来去除突变的像素点， 从而滤掉一定的噪声 图像平滑 图像锐化 直方图 灰度变换 3.邻域平均法 第五章：图像增强与平滑 图: 3×3Box模板平滑处理示意图 图像平滑 图像锐化 直方图 灰度变换 3.邻域平均法 第五章：图像增强与平滑 会造成图像一定程度上的模糊 半径愈大， 则图像的模糊程度越大， 平滑后噪声方差为处理前的 图像平滑 图像锐化 直方图 灰度变换 3.邻域平均法 第五章：图像增强与平滑 Gaussian Smoothing: 图像平滑 图像锐化 直方图 灰度变换 3.邻域平均法 第五章：图像增强与平滑 图像平滑 图像锐化 直方图 灰度变换 思考：为何为整数，小数如何？ 3.邻域平均法 第五章：图像增强与平滑 3%椒盐噪声 3%随机值脉冲噪声 3x3邻域平均法 5x5高斯平均法 图像平滑 图像锐化 直方图 灰度变换 1.建立条件菜单 Means Filter、Gauss Filter 2.Copy Image 3.模板运算 4.显示处理结果： 第五章：图像增强与平滑 Example of the median filtering concept 4.中值滤波 图像平滑 图像锐化 直方图 灰度变换 4.中值滤波 第五章：图像增强与平滑 对滤除脉冲干扰及图像扫描噪声最为有效 对一些细节多，特别是点、线、尖顶细节多 的图像不宜采用中值滤波 图像平滑 图像锐化 直方图 灰度变换 4.中值滤波 第五章：图像增强与平