数字图像处理第八次课新演示教学.pptVIP

数字图像处理;直方图均衡化的Matlab实现;直方图均衡化的Matlab实现;直方图均衡化的Matlab实现;直方图均衡化的Matlab实现;;直方图均衡化的Matlab实现;直方图均衡化的Matlab实现;本节主要内容; 任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。 平滑的方法主要有： 邻域均值法，中值滤波，边界保持滤波 ;4.4 图像的平滑;邻域平均法;邻域平均法;邻域平均法;; 其作用相当于用这样的模板同图像卷积。 设图像中的噪声是随机不相关的加性噪声，窗口内各点噪声是独立同分布的，经过上述平滑后，信号与噪声的方差比可望提高M倍。 这种算法简单，但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。而且邻域越大，在去噪能力增强的同时模糊程度越严重。;(a)原图像 (b) 对(a)加椒盐噪声的图像 (c)3×3邻域平滑 (d) 5×5邻域平滑 ;图像添加噪声;%均值滤波或者称为邻域平均法 I = imread(eight.tif); J1 = imnoise(I,salt pepper,0.02);%椒盐噪声 mark1=ones(3,3)/9;%3*3模板 Y1=conv2(J1,mark1,same); subplot(2,2,1),imshow(J1) title(原始图像) subplot(2,2,3),imshow(Y1,[]) title(模板为3*3大小均值平滑后的效果) %均值滤波或者称为领域平均法 mark1=ones(5,5)/25;%3*3模板 Y2=conv2(J1,mark1,same); subplot(2,2,4),imshow(Y2,[]) title(模板为5*5大小均值平滑后的效果);myaverage;I1 = imread(blood1.tif); I=imnoise(I1,salt pepper); %对图像加椒盐噪声 imshow(I); h1= [0.1 0.1 0.1; 0.1 0.2 0.1; 0.1 0.1 0.1]; %定义4种模板 h2=1/16.*[1 2 1;2 4 2;1 2 1]; h3=1/8.*[1 1 1;1 0 1;1 1 1]; h4=1/2.*[0 1/4 0;1/4 1 1/4;0 1/4 0]; I2=filter2(h1,I); %用4种模板进行滤波处理 I3=filter2(h2,I); I4=filter2(h3,I); I5=filter2(h4,I); figure,imshow(I2,[]) %显示处理结果 figure,imshow(I3,[]) figure,imshow(I4,[]) figure,imshow(I5,[]);（a）有噪声的图像 （b）模板1处理??结果图 （c）模板2处理的结果图 ;（d）模板3处理的结果图 （e）模板4处理的结果图 图4.8 平滑处理的例子 ;4.4.2 中值滤波;中值滤波; 例：选择滤波用的窗口W如图，是一个一维的窗口，待处理像素的灰度取这个模板中灰度的中值，滤波过程为： ; 常用的窗口还有方形、十字形、圆形和环形等。（4-邻域，8-邻域）;中值滤波对于消除孤立点和线段的干扰十分有用。 特别是对于二进噪声尤为有效，对于消除高斯噪声的影响效果不佳。 对于一些细节较多的复杂图像，还可以多次使用不同的中值滤波，然后通过适当的方式综合所得的结果作为输出，这样可以获得更好的平滑和保护边缘的效果。 ;I1 = imread(blood1.tif); I=imnoise(I1,salt pepper,0.02); imshow(I); K = medfilt2(I); %中值滤波 figure,imshow(K); ;（a） 原图 （b）结果图 图4.11 中值滤波 ;中值滤波;1) K近旁均值滤波器（KNNF） 在m×m的窗口中，属于同一集合类的像素，它们的灰度值将高度相关。 被处理的像素（对应于窗口中心的像素）可以用窗口内与中心像素灰度最接近的k个邻近像素