数字图像处理与应用——图像滤波技术

图像噪声

噪声

• Impulse noise 冲击噪声；
• Gaussian white noise (thermal noise) 高斯白噪声（电子元器件加热引起）；
• Texture noise (spatial correlated noise) 纹理噪声（半色调技术）。

Impulse noise 冲击噪声（脉冲噪声）

• 椒盐噪声（盐是白色，胡椒粉为黑色）——噪声值将是图像灰度等级的最大值或最小值，每一个概率相等（某一个像素点要么直接是255，要么是0）；
• 均匀脉冲噪声——噪声值是图像灰度等级的最大值和最小值之间的均匀随机变量，[0, 255]的均匀分布（虽然被噪点干扰了，但有可能值与原始值相同）。

为用户给定的参数，表示该像素点被噪声干扰的百分比是多少。

椒盐噪声与脉冲噪声示例。

Gaussian white noise 高斯白噪声

高斯噪声示例。

Texture noise 纹理噪声

 计算自相关函数，纹理噪声干扰的邻近像素会有较大的相关性。

表示原始图像，即GT；表示被噪声污染的图像，表示经过滤波后的图像；

ISNR：信噪比提高的部分，好的情况下，滤波处理后的图像离GT距离更近，为正值。

滤波后的结果，图像模糊了，再添加一个阈值。

双边滤波

• 橘黄色：高斯低通滤波，中间权重最大，周围权重递减，公式中p、q表示空间像素点的位置，p是当前要滤波的像素点的空间位置，q表示邻近的某个像素点的空间位置；
• 蓝色：若p、q两点的灰度值差别很大，权重值会下降，当和非常接近的时候，权重值才会大，加入蓝色这一项，与前面相乘，对周围像素值进行非线性变换（即相似时权重会很大，但不相似时虽然靠得近但权重也会小）；
• 紫色：保证滤波后的像素值仍在[0, 255]，起归一化的作用，保证所有权重值之和为1。

去噪前后结果对比。

失败的结果。 

参数不同的失败结果。

双边滤波作用于彩色图像。

不是只可以作用在噪声图像上，看起来更加光滑。

帽子上的褶皱统统被抹去，脸部出现了mach band。

 

本质目的想去除手后面背景的纹理，但双边滤波对纹理噪声作用效果不大。

非线性全变分滤波

将滤波看为优化问题，优化的目标是：滤波后x方向上的差分和y方向上的差分尽量的少，也就是说要使得图像变得比较光滑。

一些限制条件：

• 原始图像的能量与受噪声干扰的图像是一样的
• 二者差异的积分为给定的均方差。

采用梯度下降法优化。

20次迭代。

滤波后的结果。

双边纹理滤波

这是对原始双边滤波器（Tomasi & Manduchi, 1998）的修改，它对纹理特征进行基于局部块的分析，并将其结果纳入范围滤波器内核；

• 它将纹理信息（而不是颜色信息）纳入了范围过滤器内核

确保适当的纹理/结构分离的中心思想是基于patch移位，从最有代表性的纹理patch中捕捉到纹理信息，并清除突出的结构边缘。

• 纹理往往包含足够强烈的对比，从而与结构相混淆

 假设一个的box代表一个patch，每个像素在中共有个patch包含（右图蓝色为最后一个）。

形成一个指导图像，是根据局部纹理的测量值来的。

如何衡量局部纹理特征的值 or patch是包含边缘的？

• 我们暂且假设纹理信号的振幅比相邻结构边缘的振幅小；
• 我们将纹理定义为信号的细尺度空间振荡；
• 通过色调范围（tonal range）来衡量一个patch 包含结构边缘的可能性。

色调范围即图像块中最大灰度值和最小灰度值的差，若patch中真正包含边缘，的值相对较大，若为纹理，该值相对较小（判断是真正包含边缘还是由于纹理噪声而引起的伪边缘的相应）。

 

实验结果。

结构边缘信息保留，纹理信息消除。

Reference

数字图像处理与应用_浙江大学_中国大学MOOC(慕课)数字图像处理与应用,spContent=深刻理解图像处理原理，生动展现图像处理过程，灵活应用图像处理方法,中国大学MOOC(慕课)https://www.icourse163.org/course/ZJU-1206408807?from=searchPage