第二章 常见算法处理（三）加减乘除，空间域和频域,内插

目录

第一章 图像处理基础概念

第二章 常见算法处理

第三章 灰度变化

第四章 空间滤波

第五章 频域滤波

第六章 色彩基础

第七章 小波和多分辨率

第八章 图像表示和描述

第九章 形态学图像处理

第十章 图像分割与目标识别

---

一、加(求平均降噪)

针对降噪的带噪图像相加（平均）

原理：

相加是连续积分的离散形式。通过图片相加的相同处理方法是使用CCD或类似传感器的累积能力，通过长时间地观察同一场景来达到降噪的目的。冷却也常用于降低传感器噪声，最终结果类似于对一组噪声数字图像进行平均操作

计算方法：

g(x,y)=f(x,y)+n(x,y),

无噪声图像f(x,y)；加性噪声n(x,y),被加性噪声污染后的f图像g(x,y),g(x,y)=f(x,y)+n(x,y),

假设噪声不相关，且均值为零。通过一组带噪图像g1(x,y)的相加来减少噪声。

如果图像g(mean)(x,y)是通过K幅不同的噪声图像进行平均形成的，

则g(mean)（x,y）=1/K *[g1(x,y)+g2(x,y)+...g(k)(x,y)]

E{g(mean)(x.y)}=f(x,y)

σ^2(g(mean)(x,y)=1/K*σ^2(n(x,y))

E{g(mean)(x.y)}是g(mean)的期望值，σ^2(g(mean)(x,y)是g(mean)所在坐标（x，y）处的方差，σ^2(n(x,y))是n在坐标（x,y）处的方差

在平均图像中任意一点处的标准差是

σ（g(mean)(x,y))=1/sqrt(K)*σ(n(x,y))

注意事项：

随着K的增大（图片数量的增加），每个位置的像素值的变化将减小，即在求平均的过程中所使用的带噪图像数量增加，则g(x,y)越接近无噪图像f(x,y),为了避免输出图像带来模糊和其他人为缺陷，加噪图像g(x,y)必须已对齐（配准）

均值m