数字图像处理 阮秋琦 期末复习 #4 图像复原&图像分析

第六章 图像复原

图像复原是改善给定图像的质量，往往需要处理退化或受到噪声污染的图像。

可能的退化包括：
光学系统中的衍射，传感器非线性畸变，光学系统的像差，摄影胶片的非线性，大气湍流的扰动，图像运动造成的模糊，几何畸变等。
噪声干扰可能原因包括：
电子成像系统传感器、信号传输过程或者胶片颗粒性等

6.1 退化模型

退化图像的复原可以归结为：
把退化模型化，然后用相反的过程进行逆处理，以实现图像的复原。
在图像复原处理中，往往用线性和空间不变系统模型进行近似。

6.2 中值滤波

中值滤波的基本思想是用像素邻域内的中值来代替该像素的灰度值，从而达到抑制噪声的目的。

6.2.1 中值滤波的步骤为：

1. 定义滤波窗口大小： 选择一个合适大小的窗口，通常是一个正方形区域，其大小为 (2k+1) x (2k+1)，其中 k 是一个非负整数。

2. 在图像上滑动窗口： 对于图像中的每一个像素，以该像素为中心，将窗口覆盖到图像上，并包含窗口内的所有像素。

3. 计算窗口内的中值： 将窗口内的像素值按照灰度值的大小进行排序，然后取中间值（偶数则中间平分）作为该像素的新灰度值。

4. 用中值替换原始像素值： 将计算得到的中值替代原始像素的灰度值。

例题：

6.2.2 加权中值滤波

加权中值滤波是中值滤波的一种变体，它引入了权重因子，使得滤波过程中不同像素的贡献不同。
计算步骤如下：

1. 定义滤波窗口大小： 选择一个合适大小的窗口，通常是一个正方形区域，其大小为 (2k+1) x (2k+1)，其中 k 是一个非负整数。

2. 在图像上滑动窗口： 对于图像中的每一个像素，以该像素为中心，将窗口覆盖到图像上，并包含窗口内的所有像素。

3. 计算窗口内的加权中值： 对窗口内的像素值进行排序，并计算每个像素的加权中值。通常，权重与像素距离中心像素的距离有关，距离越远的像素权重越小。

4. 用加权中值替换原始像素值： 将计算得到的加权中值替代原始像素的灰度值。

加权中值滤波的优点在于，它能够更灵活地处理不同强度和分布的噪声，因为它允许像素在计算中值时具有不同的权重。这对于一些复杂的噪声情况，例如图像中的脉冲噪声和高斯噪声混合在一起时，可能比标准中值滤波更有效。缺陷是使用不当会损失许多图像细节，对点、线等细节较多的图像不太适用。

第八章 图像分析

8.1 分割

分割的目的是把图像空间分成一些有意义的区域，依据可建立在相似性和非连续性两个基本概念上。

8.1.1 灰度阈值法分割：

通过选择一个适当的灰度阈值，将图像中的像素分为两个类别：一类是大于阈值的像素，另一类是小于阈值的像素。这样就将图像分成了两个区域，形成了二值化的图像。

求最佳分割阈值：假设一幅图像是由背景和物体组成，物体像素的灰度均值为$\mu$，方差为${\sigma }^2$；背景像素灰度级也有$(\nu ,{\tau }^2)$
最佳门限为$$t=\frac{\mu +\nu }{2}$$

8.1.2 样板匹配

样板（模板）是为了检测某些不变区域特性而设计的阵列，分为点样板、线样板、梯度样板、正交样板等。

8.1.3 区域生长

8.2 描绘

当一幅图像被分割或确定之后，通常希望用一系列符号或某种规则来具体描述该图像的特征

8.3 相似性测度

8.3.1 距离测度

8.3.2 相关性

8.3.3 结构相似性