數(shù)字圖像處理與深度學習技術應用 課件 第6章 圖像平滑處理

第6章圖像平滑處理目錄6.1概述6.2噪聲消除法6.2.1二值圖像的黑白點噪聲濾波6.2.2消除孤立黑像素點6.3鄰域平均法6.3.13×3均值濾波6.3.2N×N均值濾波6.3.3超限鄰域平均法6.3.4方框濾波6.4高斯濾波6.5中值濾波6.5.1N×N中值濾波6.5.2十字型中值濾波6.5.3N×N最大值濾波6.6雙邊濾波6.72D卷積核的實現(xiàn)6.8產(chǎn)生噪聲6.8.1隨機噪聲6.8.2椒鹽噪聲6.1概述概述圖像平滑或濾波目的是消除噪聲，降低干擾，改善圖像質量。圖像平滑常用的方法是采用區(qū)域處理，利用相鄰的像素值，進行均值濾波或中值濾波。6.2噪聲消除法6.2.1二值圖像的黑白點噪聲濾波理論基礎理論基礎設當前像素f(i,j)周圍的8個像素的平均值為a時，若|f(i,j)-a|的值在127.5以上，則對f(i,j)的黑白進行翻轉，若不到127.5則f(i,j)不變。函數(shù)說明（1）retval=image.getdata(band=None)將此圖像的內(nèi)容作為一個包含像素值的序列對象返回。該序列對象是平鋪的，所以第一行的值直接跟在第0行的值之后，以此類推。retval：包含像素值的序列的對象；band：返回頻段。默認是返回所有波段。要返回單個波段，需要傳入索引值（例如，從“RGB”圖像中獲得“R”波段，則索引值為0）。（2）retval=image.putpixel(xy,color)用于修改x，y處的像素。retval：返回一個修改后的圖像；xy：像素坐標，以（x,y）的形式給出；value：像素值。效果展示6.2.2消除孤立黑像素點理論基礎像素的4點鄰域和8點鄰域關系如圖6-2連通圖所示。

****

。*.*。*。.。*****4點領域8點領域圖6-2連通圖在4點鄰域的情況下，若黑像素上下左右4個像素全為白色(255)，則f(i,j)也取為255。在8點鄰域的情況下，若黑像素的周圍8個像素全為白色(255)，則f(i,j)也取為255。效果展示6.3鄰域平均法鄰域平均法是一種利用模板對圖像進行模板操作（卷積運算）的方法（b)5x5模版鄰域平均法也叫均值濾波，是對待處理的像素給定一個模板，該模板包括了其周圍的鄰近像素，用模板中的全體像素的均值來替代原來的像素值。均值濾波器對高斯噪聲的濾波效果較好，對椒鹽噪聲的濾波效果不好。（a）3x3模版6.3鄰域平均法效果展示6.3.13×3均值濾波理論基礎理論基礎在f(i,j)上按行（或列）對每個像素選取3×3尺寸的鄰域，并用鄰域中鄰近像素的平均灰度來置換這一像素值。函數(shù)說明retval=cv2.blur(src,ksize,anchor,borderType)retval：表示返回的均值濾波處理結果；src：表示原始圖像，該圖像不限制通道數(shù)目；ksize：表示濾波卷積核的大??；anchor：表示圖像處理的錨點，其默認值為（-1,-1），表示位于卷積核中心點，通常直接使用默認值即可；borderType：表示以哪種方式處理邊界值，通常直接使用默認值即可。效果展示圖6-8圖像3x3鄰域平均法效果圖6.3.2N×N均值濾波理論基礎在本程序中當灰度圖像f中以像素f(i,j)為中心的N×N屏蔽窗口(N=3,5,7,…)內(nèi)平均灰度值為a時，無條件做f(i,j)=a處理，N由用戶給定，且取N值越大，噪聲減少越明顯。但“平均”是以圖像的模糊為代價的。圖像7×7均值濾波效果6.3.3超限鄰域平均法理論基礎為了減少模糊效應，找到清除噪聲和邊緣模糊這對矛盾的最佳統(tǒng)一。閾值的鄰域平均法以某個灰度值T作為閾值，如果某個像素的灰度大于其鄰近像素的平均值，并超過閾值，才使用平均灰度置換這個像素灰度：（6-1）函數(shù)說明retval=cv2.cvtColor(src,code[,dstCn])retval：表示與輸入值具有相同類型和深度的輸出圖像；src：表示原始輸入圖像；code：是色彩空間轉換碼，常見的枚舉值有cv2.cvtColor_BGR2RGB、cv2.cvtColor_BGR2GRAY、cv2.cvtColor_BGR2HSV、cv2.cvtColor_BGR2YCrCb、cv2.cvtColor_BGR2HLS；dstCn：表示目標圖像的通道數(shù)。

效果展示本例選取閾值為10。6.3.4方框濾波理論基礎除均值濾波之外，OpenCV還提供了方框濾波的方式。與均值濾波的不同在于，方框濾波不僅僅只計算像素均值，兩種方式選擇計算：函數(shù)說明dst=cv2.boxFilter(src,depth,ksize,anchor,normalize,borderType)dst：表示返回的方框濾波處理結果；src：表示原始圖像，該圖像不限制通道數(shù)目；depth：表示處理后圖像的深度，一般使用-1表示與原始圖像相同的深度；ksize：表示濾波卷積核的大小；anchor：表示圖像處理的錨點，其默認值為(-1,-1)，表示位于卷積核中心點；normalize：表示是否進行歸一化操作；borderType：表示以哪種方式處理邊界值。效果展示（a）原圖（b）5x5未歸一化方框濾波結果效果展示（c)2X2為歸一化方框濾波結果（d）5x5歸一化方框濾波結果（e）2x2歸一化方框結果6.4高斯濾波理論基礎在高斯濾波中，按照與中心點的距離的不同，賦予像素點不同的權重值，靠近中心點的權重值較大，遠離中心點的權重值較小，在此基礎上計算鄰域內(nèi)各個像素值不同權重值的和函數(shù)說明dst=cv2.GassianBlur(src,ksize,sigmaX,sigmaY,borderType)dst：表示返回的高斯濾波處理結果；src：表示原始圖像，該圖像不限制通道數(shù)目；ksize：表示濾波卷積核的大小，需要注意的是濾波卷積核的數(shù)值必須是奇數(shù)。sigmaX：表示卷積核在水平方向上的權重值。sigmaY：表示卷積核在垂直方向上的權重值。如果sigmaY被設置為0，則通過sigmaX的值得到，但是如果兩者都為0，則通過如下方式計算得到：

borderType：表示以哪種方式處理邊界值。效果展示6.5中值濾波中值濾波將窗口中奇數(shù)個數(shù)據(jù)按大小順序排列，處于中心位置的那個數(shù)作為處理結果。一般采用一個含有奇數(shù)個點的滑動窗口，將窗口中各點灰度值的中值來替代指定點圖像中值濾波示意圖如圖6-14所示，取3×3窗口，從小到大排列：33200201202205206207208210

取中間值205，代替原來的數(shù)值202

中值濾波實現(xiàn)步驟：①將模板在圖中漫游，并將模板中心與圖中某個像素位置重合；②讀取模板下各對應像素的灰度值；③將這些灰度值從小到大排成1列；④找出這些值里排在中間的1個；（5）將這個中間值賦給對應模板中心位置的像素。中值濾波器對椒鹽噪聲的濾波效果較好，對高斯噪聲的處理效果不好。6.5.1N×N中值濾波理論基礎本程序計算灰度圖像f中以像素f(i,j)為中心的N×N屏蔽窗口（N=3，5，7，…）內(nèi)灰度的中值為u，無條件做f(i,j)=u處理，n由用戶給定。函數(shù)說明在OpenCV中提供了cv2.medianBlur()函數(shù)來實現(xiàn)圖像的中值濾波。其一般格式為：retval=cv2.medianBlur(src,ksize)retval：表示返回的方框濾波處理結果；src：表示原始圖像，該圖像不限制通道數(shù)目；ksize：表示濾波卷積核的大小。效果展示6.5.2十字型中值濾波理論基礎本程序計算灰度圖像f中以像素f(i,?j)為中心的十字形屏蔽窗口內(nèi)灰度值的中值u，無條件做f(i,?j)=u處理，N由用戶給定。效果展示6.5.3

N×N最大值濾波理論基礎本程序計算灰度圖像f中以像素f(i,?j)為中心的N×N屏蔽窗口（N=3，5，7，…）內(nèi)灰度的中值為u，無條件做f(i,j)=u處理，n由用戶給定。函數(shù)說明（1）retval=cv2.copyMakeBorder(src,top,bottom,left,right,borderType)用來給圖片添加邊框。retval：返回帶邊框的圖像；src：要處理的原圖；top,bottom,left,right：上下左右要擴展的像素數(shù)；borderType：邊框類型，（2）min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(ret)該函數(shù)用來找出矩陣中的最大值和最小值以及對應的坐標位置。min_val：最小值；max_val：最大值；min_loc：最小值坐標；max_loc：最大值坐標；ret：輸入矩陣。效果展示6.6雙邊濾波理論基礎雙邊濾波將濾波器的權系數(shù)分解設計為空域濾波器的權系數(shù)和圖像亮度差的權系數(shù)空間距離：當前點距離模板中心點的歐式距離Wd為灰度距離：當前點距離模板中心點的灰度差值的絕對值Wr為雙邊濾波器：

理論基礎雙邊濾波卷積表示為

表示為歸一化因子，S為卷積范圍。綜合結果：①平坦區(qū)域，變化很小，差值接近于0，范圍域權重接近于1，空間域權重起作用，相當于進行高斯模糊；②邊緣區(qū)域，像素差值大，像素范圍域權重變大，即使距離遠空間域權重小，加上像素域權重總的系數(shù)也較大，從而保護了邊緣信息。在突變的邊緣上，使用了像素差權重，所以很好的保留了邊緣。函數(shù)說明dst=cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace,borderType)dst：表示返回的雙邊濾波處理結果；src：表示原始圖像，該圖像不限制通道數(shù)目；d：表示在濾波時選取的空間距離參數(shù)，表示以當前像素點為中心點的半徑，在實際應用中一般選取5；sigmaColor：表示雙邊濾波時選取的色差范圍；sigmaSpace：表示坐標空間中的sigma值，它的值越大，表示越多的點參與濾波；borderType：表示以何種方式處理邊界。效果展示

（a）原圖