计算机图像处理技术空间离散,计算机图像处理空间域图像平滑.ppt

计算机图像处理空间域图像平滑

计算机图像处理 夏志华 图像增强的方法： 全域线性灰度变换 截取式线性灰度变换 分段式线性变换 直方图均衡化 直方图规定化 都是为了把层次感不强的图像变得层次分明 空间域图像平滑 任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像恶化，质量下降，图像模糊，特征淹没，对图像分析不利。 为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。 平滑的目的在于消除混杂在图像中的干扰，改善图像质量，强化图像表现特征。 本节介绍空域常用方法。 空间域图像平滑 噪声消除法 邻域平均法 中值滤波 法 梯度倒数加权法 选择式掩模平滑 噪声消除法 由传感器或信道引起的噪声通常呈现孤立离散性分布，他们常常与邻域像素有比较明显的差异。 例子 噪声消除法算法 噪声消除法平滑时，顺序检测每一个像素，如果某个像素的幅度大于其邻域平均值，且达到一定的程度，则判定该像素为噪声； 继而用其邻域平均值来代替该像素。 数学表示： 邻域的概念 一个像素的周边像素的集合称之为它的邻域。 通常邻域是远比图象尺寸小的一规则形状。如下面情况中，一个点的邻域定义为以该点为中心的一个圆内部或边界上点的集合。 邻域也称为窗口 常见的有3*3，5*5等样式。 邻域 邻域 对于像素(m,n)，其邻域像素如下： 邻域 如线状、方形、十字形、圆形、菱形等(见图) 噪声消除法举例 给定一幅图像 添加椒盐噪声 椒盐噪声--白图像上的黑点和黑图像上的白点 使用噪声消除法去除噪声 需要确定窗口形状 确定门槛值T 实例 邻域平均法 邻域平均法是一种直接在空间域上进行平滑处理的技术。 邻域平均法 用邻域内各像素的灰度平均值代替该像素原来的灰度值，来实现图像的平滑。 邻域平均法 1、方法：逐个处理待处理像素，以其邻域平均值取代该像素原来的灰度值。 2、邻域的选取：通常有两种方式，以单位距离为半径或单位距离的 倍为半径取一个窗口。 邻域平均法 设有一幅N×N的图像f(x,y)，若变换后的图像为g(x,y),则有 式中x,y=0,1,…,N-1； s为(x,y)邻域内像素坐标的集合； M表示集合s内像素的总数。 可见邻域平均法就是将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。 模板 一个窗口，可理解为一个窗格。如 模板 模板包含一些元素，可用矩阵表示 如： 模板 模板(template，filter mask) 给定图象f(x,y)大小N*N， 模板T(i,j)大小m*m(m为奇数) 常用的相关运算定义为： 使模板中心T((m-1)/2,(m-1)/2) 与f(x,y)对应 模板的相关运算 图像 模板 模板的相关运算 模板的卷积运算 卷积运算定义为： 模板的卷积运算 图像 模板 相关与卷积的物理含义 相关运算是将模板当权重矩阵作加权平均； 而卷积先沿纵轴翻转，再沿横轴翻转后再加权平均。 如果模板是对称的，那么相关与卷积运算结果完全相同。 邻域运算实际上就是卷积和相关运算，用信号分析的观点就是滤波。 实例 邻域平均法举例 给定一幅图像 添加椒盐噪声 使用邻域平均法去除噪声 需要确定窗口形状 确定为3*3窗口 Matlab程序 clear;clc; I=imread('eight.tif'); J=imnoise(I,'salt & pepper',0.02); K=filter2(fspecial('average',3),J)/255; subplot(131),imshow(I); subplot(132),imshow(J); subplot(133),imshow(K); 效果图 中值滤波器 中值滤波： 是对一个滑动窗口(模板)内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，因此它是一种非线性的图像平滑法。 中值滤波器的原理与均值滤波器类似。二者的不同之处在于：中值滤波器的输出像素值是由邻域像素的中间值而不是平均值决定的。 工作步骤 (1)将模板在图中漫游，并将模板中心与图中某个像素位置重合； (2)读取模板下各对应像素的灰度值； (3)将这些灰度值从小到大排成1列； (4)找出这些值中排在中间的1个； (5)将这个中间值赋给对应模板中心位置的像素。 例子 例：采用1×3窗口进行中值滤波 原图像为：　2 2 6 2 1 2 4 4 4 2 4 处理后为： 2 2 2 2 2 2 4 4 4 4 4 中值滤波器的特点 中值滤波器可以在消除图像噪声的同时保持图像的细节。 对中值滤波法来说，正确选择窗口尺寸的大小是很重