5.3 只存在噪声的复原-空间滤波

最新推荐文章于 2022-12-04 10:59:47 发布

caesar_凯神

最新推荐文章于 2022-12-04 10:59:47 发布

阅读量922

点赞数 1

分类专栏：数字图像处理文章标签：数字图像处理冈萨雷斯 Matlab 图像处理空间滤波均值滤波自适应滤波器

本文链接：https://blog.csdn.net/xkk1063036775/article/details/107192234

版权

本文介绍了数字图像处理中用于噪声复原的空间滤波方法，包括均值滤波、几何均值滤波和自适应滤波。均值滤波通过邻域像素的算术平均值来平滑图像，而几何均值滤波则保留更多图像细节。自适应滤波器根据图像局部特征调整，提供更好的降噪效果，但计算复杂度较高。文章通过实例展示了各种滤波器对高斯噪声、椒盐噪声的处理效果。

摘要由CSDN通过智能技术生成

本节所用图片素材共享于原始图片，提取码 523o

数字图形处理过程中引入噪声可分为两类，一类是由于经过系统引起的噪声，一类是由于干扰引起的加性噪声，当仅考虑加性噪声时，含有噪声的图像可表示:
$y)+\eta(x,y) \tag{1}$
和DFT形式：
$\tag {2}$
对于这种形式的噪声，主要考虑空间域滤波。

均值滤波器

为描述方便，后文中用 $S_{xy}$ 表示 $f (x, y)$ 周围 $\times n$ 邻域内的点的坐标的集合，那么，那么 $(s, t)$ 就表示该邻域内某一点的坐标， $g (s, t)$ 就表示该邻域内某一点的灰度值

算数均值滤波器

算数均值滤波是通过计算点 $f (x, y)$ 周围大小为 $\times n$ 的邻域中像素灰度的算数平均值来完成的，即：
$\hat f(x,y) = \frac{1}{mn} \sum_{(s,t) \in S_{xy}}g(s,t) \tag{3}$
显然，该滤波器可以通过如下方式实现:
```
filter = ones(m, n) / (m*n);
g = imfilter(f, filter, 'replicate');
```
不过，为了减少双精度浮点数计算的舍入误差，一般将将系数 $\frac{1}{mn}$ 放在最后计算：
```
filter = ones(m, n);
g = imfilter(f, filter, 'replicate') / (m * n);
```
当然，图像处理工具箱中也提供了算数均值滤波器的实现：
```
filter = fspecial('average', [m, n]);
g = imfilter(f, filter, 'replicate');
```
实际中使用哪种都是可以的
几何均值滤波器

几何均值滤波是通过计算点 $f (x, y)$ 周围大小为 $\times n$ 的邻域中像素灰度的几何平均值来完成的，即：
$\hat f(x,y) =\left [ \prod_{(s,t) \in S_{xy}}g(s,t) \right ]^{\frac{1}{mn}} \tag{4}$
几何均值滤波器与算数均值滤波器相比，丢失的图像细节更少。
matlab中提供了计算几何均值的函数geomean()，故几何均值滤波可通过如下代码实现：
```
g = colfilt(f, [m, n], 'sliding', @geomean);
```

如下图(a)是一块8比特X射线图，图(b)显示了被均值为0，方差为400的加性高斯噪声污染的结果，图(c)和图(d)显示了使用大小为3x3的算数均值滤波和几何均值滤波的结果，显然这两种滤波器都衰减了噪声，几何均值滤波与算数均值滤波相比，图像模糊程度更小(注意例如图(c)和图(d)顶部连接片)。
算数均值滤波与几何均值滤波在这里插入图片描述本节所用完整代码如下

f = imread('Fig0507(a)(ckt-board-orig).tif');
figure
subplot(1, 2, 1);
imshow(f);
title('(a)原始图像');

f_with_noise = imread('Fig0507(b)(ckt-board-gauss-var-400).tif');
subplot(1, 2, 2);
imshow(f_with_noise);
title('(b)被均值为0，方差为400的加行高斯噪声污染的图像');

g_mean = colfilt(f_with_noise, [3, 3], 'sliding', @mean) / (3 * 3);
figure
subplot(1, 2, 1);
imshow(g_mean, [ ]);
title('(c)算数平均值滤波');

% 注意, geomean使用了进行了取对数加快运算，因此为了防止丢失精度和
% log0的出现，要将原图转为double类型并加上eps(matlab所能表示的最小的数)
g_geomean = colfilt(double(f_with_noise) + eps, [3, 3], 'sliding', @geomean);
subplot(1, 2, 2);
imshow(g_geomean, [ ]);
title('(d)几何平均值滤波');

谐波均值滤波器
谐波滤波器由如下式子给出：
$\hat f(x,y) =\frac {mn}{\sum_{(s, t) \in S_{xy}} \frac {1}{g(s,t)}} \tag{5}$
谐波均值滤波器对于盐粒噪声(白点)效果较好，但不适用于胡椒噪声(暗点)，也善于处理像高斯噪声那样的其他噪声
逆谐波均值滤波器
逆谐波均值滤波器由如下式子给出
$\hat f(x,y) =\frac {\sum_{(s, t) \in S_{xy}} g(s,t)^{Q+1} }{\sum_{(s, t) \in S_{xy}} g(s,t)^Q} \tag{6}$
其中Q为滤波器的阶数，这种滤波器适合消除椒盐噪声，当Q为正时，消除胡椒噪声；当Q为负时，消除盐粒噪声。当Q=0时，(6)式简化为一个算数均值滤波器，当Q = -1时，(6)简化为一个谐波均值滤波器。
根据逆谐波均值滤波器的定义，逆谐波均值滤波器可通过如下代码实现：
这里分母在计算完成后要加上eps防止分母为0的情形出现。
```
g = imfilter(f .^ (Q + 1), ones(m,n), 'replicate') ./ (imfilter(f .^ (Q), ones(m,n), 'replicate') + eps);
```
下图(a)和(c )显示了一幅被概率为0.1的胡椒噪声(a)和盐粒噪声(c )污染的图像，图(b)是对图(a)使用Q=1.5的逆谐波均值滤波器滤波的结果，图(d)是对图(c )使用Q = -1.5的逆谐波均值滤波器滤波的结果，可以看到在正确选择Q后，胡椒噪声与盐粒噪声均被消除。另外，逆谐波均值滤波器不能同时处理椒盐噪声，换言之，如果使用正Q处理盐粒噪声或负Q处理胡椒噪声，则会产生不可预估的后果，如图(e)(f)是使用Q=-1.5处理图(a)和Q=1.5处理图(c )的结果，显然，这两个都没有完成去噪的任务。
本节所用的完整代码如下