數(shù)字圖像處理課程答辯(終)

1、圖像濾波方法的比較 圖像濾波的必要性及研究意義圖像濾波的必要性及研究意義 1.圖像在成像、傳輸、轉(zhuǎn)換或存儲(chǔ)的過程中會(huì)受到各種隨機(jī)干擾信號(hào)即噪聲的影響,從而會(huì)使畫面變得粗糙、質(zhì)量下降、特征淹沒。 2.而圖像質(zhì)量變差，對(duì)后續(xù)的處理識(shí)別帶來不利影響，為了減弱噪聲、還原真實(shí)的畫面,就需要用到降噪濾波器對(duì)圖像數(shù)據(jù)進(jìn)行處理為什么需要對(duì)濾波方法比較為什么需要對(duì)濾波方法比較由于圖像中噪聲的類型不同，以及各種不同的濾波器對(duì)不同的噪聲有不同的處理效果通過比較各種濾波方法在圖像去噪方面的特征、以及各自作用的利弊， 結(jié)合各種方法處理的效果和詳細(xì)分析在實(shí)際應(yīng)用中來選擇不同的濾波器均值濾波均值濾波 均值濾波的原理是：在圖

2、像上，對(duì)待處理的像素給定一均值濾波的原理是：在圖像上，對(duì)待處理的像素給定一個(gè)模板，該模板包括了其周圍的鄰近像素。將模板中的全個(gè)模板，該模板包括了其周圍的鄰近像素。將模板中的全體像素的均值來替代原來的像素值的方法。體像素的均值來替代原來的像素值的方法。均值濾波均值濾波均值濾波均值濾波椒鹽彩色圖像椒鹽彩色圖像問題的提出：?jiǎn)栴}的提出： 我們看到，雖然均值濾波器對(duì)噪聲有抑制作用，但效果并不明顯，同時(shí)會(huì)我們看到，雖然均值濾波器對(duì)噪聲有抑制作用，但效果并不明顯，同時(shí)會(huì)使圖像變得模糊。為了有效地改善這一狀況，必須尋找新的濾波器。使圖像變得模糊。為了有效地改善這一狀況，必須尋找新的濾波器。中值濾波中值濾波 中

3、值濾波的原理是：中值濾波的原理是：與均值濾波類似，做3*3的模板，對(duì)9個(gè)數(shù)排序，取第5個(gè)數(shù)替代原來的像素值。濾波效果：因?yàn)橹兄禐V波的原理是取合理的鄰近像素值來替代噪聲點(diǎn)，所以只適合于椒鹽噪聲的去除，不適合高斯噪聲的去除。中值濾波中值濾波均值濾波均值濾波中值濾波中值濾波椒鹽彩色圖像椒鹽彩色圖像問題的提出：?jiǎn)栴}的提出： 前面兩種濾波器處理結(jié)果可知，經(jīng)過平滑（特別是均值）濾波處理之前面兩種濾波器處理結(jié)果可知，經(jīng)過平滑（特別是均值）濾波處理之后，圖像就會(huì)變得模糊。后，圖像就會(huì)變得模糊。 分析原因，在圖像上的景物之所以可以辨認(rèn)清楚是因?yàn)槟繕?biāo)物之間存分析原因，在圖像上的景物之所以可以辨認(rèn)清楚是因?yàn)槟繕?biāo)物之

4、間存在邊界。而邊界點(diǎn)與噪聲點(diǎn)有一個(gè)共同的特點(diǎn)是，都具有灰度的躍變?cè)谶吔?。而邊界點(diǎn)與噪聲點(diǎn)有一個(gè)共同的特點(diǎn)是，都具有灰度的躍變特性。所以平滑處理會(huì)同時(shí)將邊界也處理了。特性。所以平滑處理會(huì)同時(shí)將邊界也處理了。 問題的解決：為了解決圖像模糊問題，一個(gè)自然的想法就是，在進(jìn)行平滑處理時(shí)，首為了解決圖像模糊問題，一個(gè)自然的想法就是，在進(jìn)行平滑處理時(shí)，首先判別當(dāng)前像素是否為邊界上的點(diǎn)，如果是，則不進(jìn)行平滑處理；如果先判別當(dāng)前像素是否為邊界上的點(diǎn)，如果是，則不進(jìn)行平滑處理；如果不是，則進(jìn)行平滑處理。不是，則進(jìn)行平滑處理。以下是邊界保持類平滑濾波器：以下是邊界保持類平滑濾波器： K近鄰均值濾波器近鄰均值濾波器

5、最大均勻性平滑濾波器最大均勻性平滑濾波器 Sigma平滑濾波器平滑濾波器K近鄰均值濾波1) 1) 以待處理像素為中心，作一個(gè)以待處理像素為中心，作一個(gè)m m* *m m的作用模板。的作用模板。2 2）在模板中，選擇）在模板中，選擇K K個(gè)與待處理像素的灰度差為最小的像素。個(gè)與待處理像素的灰度差為最小的像素。3 3）將這）將這K K個(gè)像素的灰度均值替換掉原來的像素值。個(gè)像素的灰度均值替換掉原來的像素值。（設(shè)計(jì)思想：同類平均，即不要把不同區(qū)域進(jìn)行平均）（設(shè)計(jì)思想：同類平均，即不要把不同區(qū)域進(jìn)行平均）12143122345768957688567891214312234577895768856789

6、K近鄰均值濾波 for(i=0;i9;i+) ai=abs(fi-f5); /*求模板內(nèi)各個(gè)灰度值與中心灰度值之差*/ for(i=0;i9-1;i+) for(j=1;jaj) temp=aj-1;aj-1=aj;aj=temp; temp=fj-1;fj-1=fj;fj=temp; /*用冒泡法由小到大排列各差值，并把對(duì)應(yīng)的灰度值調(diào)換*/ for(i=0,sum=0;i5;i+) sum=sum+fi; aver_value=sum/5;/*求前五個(gè)較小的數(shù)的均值*/ K近鄰均值濾波K近鄰均值濾波的近鄰均值濾波的效果效果( (與均值濾波比較與均值濾波比較) )最大均勻性平滑濾波原理：采用原

7、理：采用9種不同形狀的模板：種不同形狀的模板：1個(gè)正方形模板，個(gè)正方形模板，4個(gè)對(duì)稱的五邊形個(gè)對(duì)稱的五邊形模板，模板，4個(gè)對(duì)稱的六邊形模板，計(jì)算各模板內(nèi)的灰度方差，以方差最個(gè)對(duì)稱的六邊形模板，計(jì)算各模板內(nèi)的灰度方差，以方差最小的模板的平均灰度值作為被處理點(diǎn)的像素值小的模板的平均灰度值作為被處理點(diǎn)的像素值最大均勻性平滑濾波for(k=0,sum=0;k7;k+) sum=sum+fk;aver8=sum/7; for(k=0,squareiance8=0;k7;k+)sum=fk*fk-aver8*aver8; squareiance8=sum+squareiance8;/*求其方差及均值*/

8、mix=squareiance0; for(k=1,h=0;k9;k+) if(squareiancekmix) mix=squareiancek;h=k; /*求方差最小的模塊，并求出其序號(hào)*/最大均勻性平滑濾波椒鹽彩色圖像椒鹽彩色圖像椒鹽彩色圖像椒鹽彩色圖像Sigma平滑濾波原理：根據(jù)統(tǒng)計(jì)學(xué)原理，屬于同一類的元素的置信區(qū)間，落在均值附近原理：根據(jù)統(tǒng)計(jì)學(xué)原理，屬于同一類的元素的置信區(qū)間，落在均值附近2的范圍之內(nèi)的范圍之內(nèi)算法：構(gòu)造一個(gè)模板，并計(jì)算模板的標(biāo)準(zhǔn)差算法：構(gòu)造一個(gè)模板，并計(jì)算模板的標(biāo)準(zhǔn)差；設(shè)立置信區(qū)間：；設(shè)立置信區(qū)間：f(x,y)-2，f(x,y)+ 2.f(x,y)為當(dāng)前像素值（待

9、處理像素值）；用模板中落在為當(dāng)前像素值（待處理像素值）；用模板中落在置信區(qū)間范圍內(nèi)的所有像素的均值替換待處理像素的值。置信區(qū)間范圍內(nèi)的所有像素的均值替換待處理像素的值。Sigma平滑濾波 for(i=-2,k=0,sum=0;i=2;i+) /*取5*5模板的25個(gè)灰度值*/ for(j=-2;j=2;j+) IPI_GetPixelValue (RedImage, x+i, y+j, &gray_level); fk=gray_level; k+; sum=sum+gray_level; aver=sum/25; /*求標(biāo)準(zhǔn)差*/ for(k=0,squareiance=0;k25;

10、k+) sum=fk*fk-aver*aver; squareiance=sum+squareiance; sigma=sqrt(squareiance); for(i=0,k=0,sum=0;i=(f12-2*sigma)&(fi=(f12+2*sigma) sum=sum+fi; k+; aver_value=sum/k;Sigma平滑濾波椒鹽彩色圖像椒鹽彩色圖像SigmaSigma平滑濾波平滑濾波低通空域?yàn)V波低通空域?yàn)V波是一種局部處理的方法，噪聲常以高頻、隨機(jī)的形式表現(xiàn)出來，這種濾波可以保留圖像大面積的背景區(qū)和亮度漸變區(qū)等低頻成分空間低通濾波法是應(yīng)用模板卷積方法對(duì)圖像每一像素進(jìn)行

11、局部處理。選擇某種形狀的領(lǐng)域（3*3），將領(lǐng)域中的每個(gè)像素與卷積核（尺寸大小與模板相同）中的對(duì)應(yīng)元素相乘，乘積求和的結(jié)果即為模板中心像素的新值1111211111013*3模板11111111111121111111111112615*5模板.a b cd e fg h i待處理像素待處理像素e e及及3 3* *3 3的領(lǐng)域的領(lǐng)域*3 3* *3 3卷積核卷積核9121ikbkae e的新值放入輸出圖像的新值放入輸出圖像低通空域?yàn)V波 sum=0; for(i=-1;i=1;i+) /*讀取3*3模塊里的灰度值，若為正中心的像素則*1/5， 否則 *1/10*/ for(j=-1;j=1;j+

12、) if(i=0)&(j=0) IPI_GetPixelValue (SourceImage2, x+i, y+j, &gray_level); sum=sum+gray_level/5; else IPI_GetPixelValue (SourceImage2, x+i, y+j, &gray_level); sum=sum+gray_level/10; aver_value=sum ;低通空域?yàn)V波3 3* *3 3處理結(jié)果處理結(jié)果5 5* *5 5處理結(jié)果處理結(jié)果7 7* *7 7處理結(jié)果處理結(jié)果椒鹽彩色圖像椒鹽彩色圖像1111* *1111處理結(jié)果處理結(jié)果9 9*

13、 *9 9處理結(jié)果處理結(jié)果梯度倒數(shù)加權(quán)平均法基本思想：在一幅數(shù)字圖像中，相鄰區(qū)域的變化大于區(qū)域內(nèi)部的變化，同一區(qū)域內(nèi)部中間像素的變化小于邊緣像素的變化相鄰像素灰度差的絕對(duì)值稱為梯度。在一個(gè)n*n的窗口內(nèi)，若把 中心像素與其各相鄰像素之間梯度倒數(shù)定義為各相鄰像素的權(quán)，則在 區(qū)域內(nèi)部的相鄰像素權(quán)大，而在一條邊緣近旁的和位于區(qū)域外的那些 像素權(quán)小。那么采用加權(quán)平均值作為中心像素的輸出值可使圖像得到 平滑，又不至使邊緣和細(xì)節(jié)有明顯模糊。為使平滑后像素的灰度值在 原圖像的灰度范圍內(nèi)，應(yīng)采用歸一化的梯度倒數(shù)作為權(quán)系數(shù)。梯度倒數(shù)加權(quán)平均法 n=0;for(i=-1;i=1;i+)for(j=-1;j=1;j+) IPI_GetPixelValue(SourceImage2,x+i,y+j,&gray_level);fn+=gray_level; /*讀取3*3模塊里的灰度值，并放入f數(shù)組*/n=0,sum=0;for(i=-1;i=1;i+)for(j=-1;j=1;j+)if(fn-f4=0) gn=2; sum=sum+gn+; else gn=1/fabs(fn-f4); sum=sum+gn+; /*把八個(gè)鄰點(diǎn)的梯度倒數(shù)放入g數(shù)組，并求出總和放入