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:
-
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。
-
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。
-
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。
-
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:
-
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。
-
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。
-
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。
-
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
μ
\mu
μ,方差为
σ
2
\sigma^2
σ2;背景像素灰度级也有
(
ν
,
τ
2
)
(\nu,\tau^2)
(ν,τ2)
最佳门限为
t
=
μ
+
ν
2
t=\frac{\mu+\nu}{2}
t=2μ+ν
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