多媒体技术与应用|图像平滑

图像平滑

实际获得的图像在形成、传输、接收和处理中，存在外部干扰和内部干扰，如：
– 元器件灵敏度的不均匀性；
– 量化噪声
– 传输过程中的误差
– 人为因素等
因此需要图像平滑处理。
图像平滑的目的：
– 改善图像特征
– 抽出对象特征

空间平滑滤波增强

空域平滑滤波器常用的有邻域均值法和中值滤波法。
邻域平均法
假设图像由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则相对独立。可用邻域内各像素的灰度平均值代替该像素原来的灰度值，实现图像的平滑。

其作用相当于用这样的模板同图像卷积。
这种算法简单，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。

超限像素平滑法

这算法对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效。可见随着邻域增大，去噪能力增强，但模糊程度也大。 同局部平滑法相比，超限像元平滑法去椒盐噪声效果更好。

灰度最接近的k个邻点平均法
在n×n的窗口内，属于同一集合体的像素，它们的灰度值将高度相关。因此，可用窗口内与中心像素的灰度最接近的K个邻像素的平均灰度来代替窗口中心像素的灰度值。
较小的K值使噪声方差下降较小，但保持细节效果较好；而较大的K值平滑噪声较好，但会使图像边缘模糊。实验证明，对于3×3的窗口，取K=6为宜。

最大均匀性平滑
为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用这区域的灰度均值代替该像素原来的灰度值。

有选择保边缘平滑法

该方法对图像上任一像素(x,y)的5×5邻域，采用9个掩模，其中包括一个3×3正方形、4个五边形和4个六边形。计算各个掩模的均值和方差，对方差进行排序，最小方差所对应的掩模区的灰度均值就是像素（x,y) 的输出值。
有选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。

加权邻域平均
对于边界上无法通过模板操作的点，通常的做法是复制原图像素的灰度级。
BOX模板

高斯模板

掩模不同，中心点或邻域的重要程度也不相同，因此，应根据问题的需要选取合适的掩模。但不管什么样的掩模，必须保证全部权系数之和为单位值，这样可保证输出图像灰度值在许可范围内，不会产生“溢出”现象。

中值滤波

中值滤波是一种典型的低通滤波器；
• 在一定条件下，可克服线性滤波所带来的图像细节模糊；
• 对滤除脉冲干扰及图像扫描噪声非常有效；
• 目的是保护图像边缘的同时去除噪声。
方法：将灰度级从小到大排列，取中间值。
中值滤波在抑制图象随机脉冲噪声方面甚为有效。且运算速度快，可硬化，便于实时处理。
中值滤波法能有效削弱椒盐噪声，且比邻域、超限像素平均法更有效。