【图像处理】空间滤波、中值滤波（Spatial Filtering and Median Filtering）

实验要求

  编写一个能够完成两幅图像之间加、减、乘、除四种算术运算的函数。另外，对于两幅图像的乘法，所编写的乘法程序还要能够完成一幅图像乘以一个常数的功能。使用图Fig1.10(4)和Fig1.10(5)验证实验。

  编写一个对图像进行空域滤波的函数(实现方法见课本3.5 节)。空域模板的尺寸固定为3 x 3 大小, 但模板中的系数要做为程序的输入参数。

  (1.a) 使用上述函数实现图像的平滑滤波，其中的模板使用图3.32 所示的掩模。

  (1.b) 使用上述函数实现公式(3.6-8)和公式(3.6-9)描述的拉普拉斯图像锐化增强技术，其中的拉普拉斯模板使用图3.37(c)(d)所示的掩模。

  (1.c) 使用上述函数实现公式(3.6-8)和公式(3.6-9)描述的一阶导数锐化增强技术，其中的一阶导数模板使用图3.41(d)(e)所示的掩模。

  (1.d) 使用课本图3.38(a)，对(1.a)(1.b)(1.c)中的程序实现进行验证,并对结果进行简要对比分析。

  (2.a) 编写一个给图像中添加椒盐噪声的程序，程序的输入参数为两个噪声分量的概率值。

  (2.b) 编写的程序，实现3 x 3 中值滤波。

  (2.c) 给图5.7(a)添加Pa = Pb = 0.2 的椒盐噪声。

  (2.d) 对 (2.c)中得到的图像进行中值滤波。说明实验结果与课本图5.10(b)的主要差异。

---

技术论述

1.图像间算术运算

  图像相加一般用于对同一场景的多幅图像求平均效果，以便有效地降低具有叠加性质的随机噪声。

  图像减法也称为差分方法，是一种常用于检测图像变化及运动物体的图像处理方法。

  图像乘法运算可以实现掩模操作。图像乘以一个常数通常被称为缩放，是一种常见的图像处理操作。当缩放因数大于1时图像亮度将增强，当缩放因数小于1则会使图像变暗。

  图像除法运算可用于校正成像设备的非线性影响，这在特殊形态的图像处理中常常用到，也常用语检测两幅图像间的区别。

2.图像空间滤波

  本实验所用空间滤波方法有平滑滤波、拉普拉斯滤波、sobel滤波。
平滑滤波器用于模糊处理和降低噪声。模糊处理经常用于预处理任务中，例如在（大）目标提取之前去除图像中的一些琐碎细节，以及其桥接直线或曲线的缝隙。通过线性滤波和非线性滤波模糊处理，可以降低噪声。

  一幅M×N的图像经过一个大小为m×n(m和n是奇数)的加权均值滤波器滤波的过程可由下式给出：

  拉普拉斯滤波是通过二阶微分来对图像进行锐化。一个图像函数f(x,y)的拉普拉斯算子定义为

  一阶导数锐化增强是用梯度幅值来实现的，其中sobel算子是图3.41中的(d)、(e)。对于函数f(x,y)，f在坐标(x,y)处的梯度定义为二维列向量，它指出了在位置(x,y)处f的最大变化率的方向。

3.非锐化掩蔽

  非锐化掩蔽的处理过程由下列步骤组成：
  (1) 模糊原图像。
  (2) 从原图像中减去模糊图像（产生的差值图像称为模板）。
  (3) 将模板加到原图像上。

4.椒盐噪声

  对于一幅8比特图像，a =0(黑)和b =255(白)。黑点是胡椒点，白点是盐粒点。

5.中值滤波

   中值滤波器是常用的统计排序滤波器，是一种非线性平滑技术，使用一个像素邻域中的灰度级的中值来替代该像素的值。对于某些类型的随机噪声如单极或双极脉冲噪声，中值滤波器可以提供良好的去噪能力，而且比相同尺寸的线性平滑滤波器引起的模糊更少。

  要实现中值滤波，首先将像素邻域中所有像素点的灰度值进行排序，然后用排序后的中值替代该像素的值即可。中值滤波对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。

---

实验结果

---

实验程序

% 主函数

img_A = imread('Fig1.10(4).jpg');
img_B = imread('Fig1.10(5).jpg');