中值濾波器設(shè)計(jì)及椒鹽噪聲濾除

中值濾波器設(shè)計(jì)及椒鹽噪聲濾除（總10頁）--本頁僅作為文檔封面，使用時請直接刪除即可---內(nèi)頁可以根據(jù)需求調(diào)整合適字體及大小--題目四：中值濾波器設(shè)計(jì)及椒鹽噪聲濾除一、 實(shí)驗(yàn)背景在數(shù)字圖像的生成與采集過程中，由于受工作環(huán)境，器件等性能的影響，使得一幅未經(jīng)處理的原始圖像，都存在著一定的噪聲干擾。這種噪聲具有以下性質(zhì)：1、 圖像上的噪聲出現(xiàn)處呈現(xiàn)不規(guī)則分布；2、 噪聲的大小也是不規(guī)則的。這些噪聲惡化了圖像質(zhì)量，使圖像模糊甚至淹沒目標(biāo)特征，給后續(xù)的處理分析帶來了困難。因此需要對圖像應(yīng)該進(jìn)行濾除噪聲處理。二、 實(shí)驗(yàn)?zāi)康耐ㄟ^利用c程序?qū)崿F(xiàn)數(shù)字信號處理的相關(guān)功能，鞏固對信號處理原理知識的理解，培養(yǎng)快速解決實(shí)際問題的能力提高實(shí)際編程和處理數(shù)據(jù)的綜合能力，初步培養(yǎng)在解決信號處理實(shí)際應(yīng)用問題中所應(yīng)具備的基本素質(zhì)和要求。培養(yǎng)獨(dú)立思考的能力與研發(fā)能力，通過設(shè)計(jì)實(shí)現(xiàn)不同的信號處理問題，初步掌握在給定條件和功能的情況下，實(shí)現(xiàn)合理設(shè)計(jì)算法結(jié)構(gòu)的能力。提高資料查詢和整理的能力。能夠在短時間內(nèi)找到適合自己的方法。并在文獻(xiàn)整理的過程中學(xué)會科技文獻(xiàn)的寫作，提高語言表達(dá)能力。三、實(shí)驗(yàn)內(nèi)容理解什么是椒鹽噪聲，中值濾波的原理及其特性。設(shè)計(jì)一種中值濾波，對椒噪聲濾波有效，并分析濾波器的適用范圍。（擴(kuò)展訓(xùn)練）對設(shè)計(jì)的濾波器針對椒、鹽噪聲濾除分別進(jìn)行測試，并進(jìn)行性能比較分析，并討論椒、鹽噪聲頻度（噪聲數(shù)目占圖像實(shí)際像素的百分比）對濾波器實(shí)際效果的影響。四、實(shí)驗(yàn)原理椒鹽噪聲椒鹽噪聲又稱脈沖噪聲，是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲往往由圖像切割引起。[Pa 乙=a椒鹽噪聲的PDF是： pQ=<P z=b0 其他如果b>a，灰度值b在圖像中將顯示為一個亮點(diǎn)，a的值將顯示為一個暗點(diǎn)。若P或P為零，則脈沖噪聲稱為單級脈沖。如果P和均不為零，尤其是他們近似相等時，脈7沖噪b聲值將類似于隨機(jī)分布在圖像上的胡椒和1鹽粉微粒。

形象的說，椒噪聲在圖像上是類似于黑胡椒顆粒的小點(diǎn)，而鹽噪聲在圖像上是類似于白色鹽粒的小點(diǎn)。2、 平滑化去噪聲思想如何從一副有噪聲的圖像中把噪聲去除呢此時，因有隨機(jī)噪聲而把像素的真值隱藏起來，而不被知曉，可表現(xiàn)為圖像變暗而不清楚。我們的目的是要把干擾的噪聲除去，得到視覺清晰的圖像。3、中值濾波的原理及特性:如右圖，噪聲的濃度與其周圍像素的濃度間，存在著很大的濃度差，使人覺得很刺眼，利用噪聲的這種性質(zhì)除去噪聲的方法，一般稱為平滑化(smoothing3、中值濾波的原理及特性:中值濾波在圖像處理中，常用于用來保護(hù)邊緣信息,是一種經(jīng)典的平滑噪聲的方法。中值濾波原理中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個拎域中各點(diǎn)值的中值代替，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。方法是去某種結(jié)構(gòu)的二維滑動模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升(或下降)的為二維數(shù)據(jù)序列。二維中值濾波輸出為g(x,y)=med{f(x-k,y-l),(k,lEW)}，其中,f(x,y)，g(x,y)分別為原始圖像和處理后圖像。W為二維模板，通常為2*2，3*3區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。中值濾波器：中值濾波器？:用該像素相鄰像素的灰度中值來代替該像素的值：f(x,y)=mediang(sj)}(s,t)eSxy實(shí)現(xiàn)方法：a,通過從圖像中的某個采樣窗口取出奇數(shù)個數(shù)據(jù)進(jìn)行排序，位于采樣窗中間的中值作為輸出；b,丟棄最早的值，用排序后的中值取代要處理的數(shù)據(jù)即可。中值濾波特性

中值濾波是圖像處理中的一個常用步驟，它對于斑點(diǎn)噪聲和椒鹽噪聲來說尤其有用。中值濾波方法以犧牲圖像清晰度為代價消除圖像中的椒鹽噪聲。中值濾波不能保證把噪聲去除，只能在有限的范圍內(nèi)減弱噪聲對圖像的影響。同時，中值濾波不能多次使用，因?yàn)檫@樣會使圖像各個像素間趨于相同，整個圖像就會變得越來越模糊。另外，通過查閱資料發(fā)現(xiàn)，中值濾波器的效果不僅僅和觀察窗的大小有關(guān)，還和觀察窗的形狀有關(guān)。五、實(shí)驗(yàn)步驟1、根據(jù)題目要求，先畫出程序的流程圖。結(jié)束結(jié)束結(jié)束結(jié)束2、源程序：(1)基礎(chǔ)訓(xùn)練部分：#include<>#include<>unsignedchar*pBmpBuf=NULL;mp";readBmp(readPath,bmpWidth,bmpHeight);printf("width=%d,height=%d,biBitCount=%d\n",bmpWidth,bmpHeight,biBitCount);Med();charwritePath[]="輸出圖像.bmp”;writeBmp(writePath,bmpWidth,bmpHeight);delete[]pBmpBuf;delete[]pBmpBuf2;if(biBitCount==8)delete[]pColorTable;}(2)擴(kuò)展訓(xùn)練部分#include<>#include<>unsignedchar*pBmpBuf=NULL;mp”；readBmp(readPath,bmpWidth,bmpHeight);printf("width=%d,height=%d,biBitCount=%d\n",bmpWidth,bmpHeight,biBitCount);Med();Med2();charwritePath[]="輸出圖像”；writeBmp(writePath,bmpWidth,bmpHeight);charwritePath2[]=”輸出圖像”；writeBmp2(writePath2,bmpWidth,bmpHeight);delete[]pBmpBuf;delete[]pBmpBuf2;delete[]pBmpBuf3;if(biBitCount==8)delete[]pColorTable;}六、實(shí)驗(yàn)效果及分析1、基礎(chǔ)訓(xùn)練部分

輸入圖像 輸出圖像輸入圖像 輸出圖像5次中值濾波后輸出圖像 原圖像根據(jù)實(shí)驗(yàn)結(jié)果可以看出，中值濾波法能將圖片中的椒鹽噪聲很好地濾除掉，但與原圖相比，清晰度也有了很大的損失。這也驗(yàn)證了中值濾波的特性：中值濾波方法以犧牲圖像清晰度為代價消除圖像中的椒鹽噪聲。中值濾波不能保證把噪聲去除，只能在有限的范圍內(nèi)減弱噪聲對圖像的影響。同時，中值濾波不能多次使用，因?yàn)檫@樣會使圖像各個像素間趨于相同，整個圖像就會變得越來越模糊。2、擴(kuò)展訓(xùn)練部分（1）通過查閱資料，我們了解到中值濾波器的效果不僅和觀察窗的大小有關(guān)，還和觀察窗的形狀有關(guān)。觀察窗大小和形狀對中值濾波效果的影響輸入圖像 5格十字窗

當(dāng)使用9當(dāng)使用9格十字窗口時效果變好，但仍有一些噪聲點(diǎn)通過對比我們發(fā)現(xiàn)：兩個同樣用9格窗口的濾波器的效果相近，當(dāng)使用十字窗口時圖像的邊緣部分有一部分仍然清晰，但有一部分卻變得毛躁，整個圖像也在顏色變化時呈現(xiàn)出條紋狀。為取像效5*5的窗進(jìn)為取像效5*5的窗進(jìn)得更為平滑的圖果，我們使用矩形窗作為觀察行濾波。5*5矩形窗由實(shí)驗(yàn)輸出結(jié)果看出：在圖像的中間除下面瓶子的瓶口處仍有一些鹽噪聲還明顯，其余處的濾波效果非常明顯。但由于中值濾波的觀察窗開的較大，導(dǎo)致圖像清晰度受到了很大的損失。所以，我們在選擇觀察窗的時候，要進(jìn)行綜合考慮，窗的大小不宜過大，否則會影響圖像的清晰度；同時要選擇合適的觀察窗的形狀，以求達(dá)到最好的觀察效果。（2）椒鹽噪聲頻度對濾波效果的影響（2）椒鹽噪聲頻度對濾波效果的影響輸入圖像使用MATLAB，可以給原圖像加上頻度不同的椒鹽噪聲。M=imread('')%讀取MATLAB中的名為Original_salt_and_pepper的圖像subplot(3,3,1)imshow(M) %顯示原始圖像P2=imnoise(M,'salt&pepper',%加入椒鹽躁聲，這里的噪聲頻度subplot(3,3,3)imshow(P2) %%加入椒鹽躁聲后顯示圖像figure?title(‘salt&peppernoise')當(dāng)椒鹽噪聲頻度增加，達(dá)到10%時，圖像被嚴(yán)重污染

為簡化計(jì)算設(shè)所有出現(xiàn)噪聲均為椒噪聲或均為鹽噪聲。通過統(tǒng)計(jì)計(jì)算，當(dāng)圖像的噪聲頻率為時，一個窗口內(nèi)噪聲出現(xiàn)次數(shù)和頻率的情況如下:次數(shù)012345概率0由中值濾波原理我們可以知道，當(dāng)噪聲出現(xiàn)次數(shù)小于等于2次時，該濾波器可以很好工作，當(dāng)出現(xiàn)次數(shù)大于2時，濾波器對該點(diǎn)失效，即失效概率為％，對于一個上萬點(diǎn)組成的圖像來說，這個濾波器的效果明顯不能滿足要求。當(dāng)窗口格數(shù)增大時，失效概率也能夠大幅減小。經(jīng)過反復(fù)試驗(yàn)，發(fā)現(xiàn)當(dāng)噪聲頻率在％以下時，選用9格十字窗口既能很好地去除噪聲又能較好地反映出原圖。七、實(shí)驗(yàn)心得體會信息工程實(shí)驗(yàn)的綜合實(shí)驗(yàn)部分著實(shí)鍛煉了我們的自主學(xué)習(xí)和自主設(shè)計(jì)能力，通過這幾周的實(shí)驗(yàn)設(shè)計(jì)，我不僅鞏固學(xué)習(xí)了信號處理的理論知識，而且鍛煉了自己的設(shè)計(jì)思維能力，并在這個過程中學(xué)習(xí)和運(yùn)用了VisualC++和Matlab，學(xué)會了運(yùn)用工具將理論知識和實(shí)踐緊密的結(jié)合起來。雖然我對本實(shí)驗(yàn)的圖像處理基本完成，但我知道自己學(xué)到的還只是圖像處理技術(shù)的九牛一毛，所以在以后的學(xué)習(xí)中還要不斷地去深入研究。記得剛開始拿到這個題目，看了看關(guān)于中值濾波的基本原理，覺得原理很容易理解。但實(shí)際做起來后卻遇到了很多問題，比如怎么用文件調(diào)入圖像，在劃分圖像時怎樣移動行列值進(jìn)行圖像分塊處理等。為此我到圖書館借閱了相關(guān)資料，一步步學(xué)習(xí)，并向老師咨詢了一些問題，老師不厭其煩的講解，再加上同學(xué)之間的討論研究，終于找到了解決問題的關(guān)鍵。在整個設(shè)計(jì)一步一步向前推進(jìn)到最