5 图像的噪声抑制
(一)噪声与图像噪声的概念
噪声
是不可预测的随机信号。
- 根据产生来源分类: 外部噪声、内部噪声
- 根据统计特征是否随时间变化分类: 平稳噪声、非平稳噪声
- 根据对信号的影响分类: 加性噪声、乘性噪声
图像噪声
:所谓的图像噪声,是图像在摄取时或是传输时所受到的随机干扰信号。
常见的有 椒盐噪声 和 高斯噪声。
椒盐噪声
的特征: 出现位置是随机的,但噪声的幅值是基本相同的。高斯噪声
的特征:出现位置是一定的(每一点上),但噪声的幅值是随机的。
(二)图像噪声的抑制方法
设计噪声抑制滤波器,在尽可能保持原图信息的基础上,抑制噪声。
有三种方法:均值滤波器
、中值滤波器
、边界保持类滤波器
1)均值滤波器
原理
均值滤波器基本工作原理:
- 噪声具有随机性。一个邻域内的所有像素点同时被叠加同样幅值的噪声,概率是很低的。 (噪声有大有小,甚至相互抵消)
- 同时,相邻像素点之间的取值具有局部相似性
- 因此,可以用邻域像素点的平均值来推断该点的真实像素值,从而在保持原始信号概貌的同时,削弱噪声的影响
均值滤波器原理
在图像上,对待处理的像素给定一个模板,该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。
处理方法
缺点
均值滤波器的缺点是:模板越小,对噪声抑制作用越小;但另一方面,模板越大,会使图像变的模糊。
原因是它对所有的点都是同等对待,在将噪声点分摊的同时,将景物的边界点也分摊了。
为了改善效果,就可采用加权平均的方式来构造滤波器。
2) 中值滤波器
问题的提出
虽然均值滤波器对噪声有抑制作用,但同时会使图像变得模糊。即使是加权均值滤波,改善的效果也是有限的。
为了有效地改善这一状况,必须改换滤波器的设计思路,中值滤波就是一种有效的方法。
设计思想
- 因为噪声(如椒盐噪声)的出现,使该点像素比周围的像素亮(暗)许多。
- 如果在某个模板中,对像素进行由小到大排列的重新排列,那么最亮的或者是最暗的点一定被排在两侧。
- 取模板中排在中间位置上的像素的灰度值替代待处理像素的值,就可以达到滤除噪声的目的。
原理示例
滤波处理方法
中值滤波器对不同类型的噪声抑制效果:
- 对于椒盐噪声,中值滤波的噪声抑制效果比较好。
- 对于高斯噪声,中值滤波的噪声抑制效果不够好。
- 椒盐噪声 是幅值近似相等但随机分布在不同位置上,图像中 有干净点也有污染点。
- 中值滤波,有较大概率选择到图像中未被噪声污染的点来替代污染点,所以有抑制噪声的作用。
- 高斯噪声是幅值近似正态分布,但分布在每点像素上。
- 因为图像中的每点都是污染点,所以中值滤波选不到合适的干净点。
3)边界保持类平滑滤波器
问题的提出
经过平滑滤波处理之后,图像就会变得模糊。
分析原因,在图像上的景物之所以可以辨认清楚是因为目标物之间存在边界。 而边界点与噪声点有一个共同的特点是,都具有灰度的跃变特性。所以平滑处理会同时将边界也处理了。
设计思想
为了解决图像模糊问题,一个自然的想法就是,在进行平滑处理时,首先判别当前像素是否为边界上的点,如果是,则不进行平滑处理;如果不是,则进行平滑处理。
① 灰度最小方差平滑滤波器
—— 基本原理
将属于同一个区域的可能的相邻关系以9种模板表示出来,然后计算每个模板中的灰度分布方差,以方差最小的那个模板的均值替代原像素值。
—— 模板结构
② K近邻(KNN)平滑滤波器
—— 原理分析
边界保持滤波器的核心是确定边界点与非边界点。
如图所示,点1是黄色区域的非边界点,点2是蓝色区域的边界点。
点1模板中的像素全部是同一区域的; 点2模板中的像素则包括了两个区域。
在模板中,分别选出5个与点1或点2灰度值最相近的点进行计算,则不会出现两个区域信息的混叠平均。这样,就达到了边界保持的目的。
—— 实现算法
1)以待处理像素为中心,作一个m*m的作用模板。
2) 在模板中,选择K个与待处理像素的灰度差为最小的像素。
3) 将这K个像素的灰度均值替换掉原来的像素值。
—— 效果分析
KNN滤波器因为有了边界保持的作用,所以在去除椒盐以及高斯噪声时,对图像景物的清晰度保持方面的效果非常明显。当然,所付出的代价是:算法的复杂度增加了。
③ 对称近邻平滑滤波器
—— 基本原理
算法示意图如下,从模板中的对称点对寻找与待处理像素相同区域的点。然后对选出的点做均值运算。
以
i
i
i行
j
j
j列的点
p
p
p为中心,用
(
2
∗
n
+
1
)
∗
(
2
∗
n
+
1
)
(2*n+1)*(2*n+1)
(2∗n+1)∗(2∗n+1)的模板覆盖点
p
p
p。模版中的任意一点(row行col 列)的对称点的坐标为:
2
∗
i
−
r
o
w
行
,
2
∗
j
−
c
o
l
列
2*i-row行,2*j-col列
2∗i−row行,2∗j−col列
边界保持类平滑滤波器的核心是:尽可能地将平滑处理避开两个或多个不同区域进行计算。可以采用不同形状结构判别,也可以采用同类相似的概念进行判别。
bingo~ ✨ To love,and to be loved,is the greatest happiness of existence. 爱与被爱是生存的最大幸福