【文章內(nèi)容簡(jiǎn)介】 ，其通帶要寬些（GPLF的剖面線沒有二階BLPF的剖面線緊湊），這樣平滑效果要差些。低通濾波用于去噪。 頻域高通濾波器由前面低通濾波可知，衰減傅立葉變換的高頻成份將使圖像模糊。由于在灰度級(jí)的邊緣和其它地方的急劇變化與高頻有關(guān)，圖像銳化能夠在頻率域用高通濾波器處理實(shí)現(xiàn)，衰減低頻部分不會(huì)擾亂傅里葉變換的高頻信息。高通濾波器的傳遞函數(shù)由下面關(guān)系式獲得：Hhpu,v=1Hlp(u,v):相應(yīng)的低通濾波器高通濾波器: 理想高通濾波器IHPF；巴特沃思高通濾波器BHPF；高斯高通濾波器GHPF；(IHPF)定義：與低通濾波器相對(duì)，IHPF 將以D0 為半徑的圓周內(nèi)的所有頻率置為0，而毫不衰減地通過(guò)圓周外的任何頻率。IHPF 也是物理不可實(shí)現(xiàn)的，只能通過(guò)計(jì)算機(jī)實(shí)現(xiàn)。和ILPF 一樣有振鈴現(xiàn)象Hu,v=0 D(u,v)≤D0 1 D(u,v)D0 () 階巴特沃思高通濾波器(BHPF)：BHPF 比IHPF 更平滑，它在高低頻之間有比較光滑的過(guò)渡；BHPF振鈴不明顯，對(duì)微小物體的過(guò)濾比IHPF清晰。Hu,v=11+[D0Du,v]2n ()D0越大，保存的低頻越少，高頻更突出，圖象邊緣更清晰(GHPF)：GHPF 比前2種更平滑，它在高低頻之間有光滑的過(guò)渡無(wú)振鈴效果，對(duì)微小物體的過(guò)濾更清晰第3章 噪聲分類及去噪噪聲是最常見的退化因素之一，也是圖像恢復(fù)中重點(diǎn)研究的內(nèi)容，圖像中的噪聲可定義為圖像中不希望有的部分。噪聲是一種隨機(jī)過(guò)程，它的波形和瞬時(shí)振幅以及相位都隨時(shí)間無(wú)規(guī)則變化，因此無(wú)法精確測(cè)量，所以不能當(dāng)做具體的處理對(duì)象，而只能用統(tǒng)計(jì)的理論和方法去處理。1． 高斯噪聲的產(chǎn)生： 所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。一個(gè)高斯隨機(jī)變量z的PDF可表示為：P（z）=其中z代表灰度，u是z的均值，是z的標(biāo)準(zhǔn)差。高斯噪聲的灰度值多集中在均值附近。（高斯函數(shù)）圖31 高斯噪聲的灰度值因此可以通過(guò)不同的算法用matlap來(lái)產(chǎn)生高斯噪聲。2．高斯噪聲對(duì)信號(hào)的影響：噪聲影響圖像處理的輸入、采集、處理的各個(gè)環(huán)節(jié)以及輸出結(jié)果的全過(guò)程，在圖像中加高斯噪聲通常會(huì)使圖像變得模糊且會(huì)出項(xiàng)細(xì)小的斑點(diǎn)，使得圖像變得不清晰。3．去除高斯噪聲的方法：去除高斯噪聲的方法有直方圖變換，低通濾波，高通濾波，逆濾波，維納濾波，中值濾波。本文應(yīng)用維納和中值濾波。 I=imread(39。39。)。J=imnoise(I,39。gaussian39。,0,)。subplot(2,2,1),imshow(I)title(39。原圖39。)。subplot(2,2,2),imshow(J)。title(39。加高斯噪聲39。)。K=wiener2(J,[5,5])。L=medfilt2(J)。A=[1/9 1/9 1/9。1/9 1/9 1/9。1/9 1/9 1/9]。C=conv2(A,J)。subplot(2,2,3),imshow(K),title(39。維納濾波39。)。subplot(2,2,4),imshow(L),title(39。中值濾波39。)。 圖31 原圖 圖32 加高斯噪聲后 圖33 維納濾波 圖34 中值濾波 椒鹽噪聲 1. 椒鹽噪聲的產(chǎn)生：椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲往往由圖像切割引起。 去除脈沖干擾及椒鹽噪聲最常用的算法是中值濾波。 路面圖像屬于結(jié)構(gòu)光圖像，使用區(qū)域分割技術(shù)中的閾值分割法消除白噪聲及部分椒鹽噪聲，而不能使用中值濾波對(duì)白噪聲及椒鹽噪聲進(jìn)行濾波，因?yàn)闉V波模板在圖像中漫游時(shí)會(huì)改變光條中像素的真實(shí)灰度分布，給隨后的重心法細(xì)化過(guò)程帶來(lái)負(fù)面影響。 大量的實(shí)驗(yàn)研究發(fā)現(xiàn)，由攝像機(jī)拍攝得到的圖像受離散的脈沖、椒鹽噪聲和零均值的高斯噪聲的影響較嚴(yán)重。噪聲給圖像處理帶來(lái)很多困難，對(duì)圖像分割、特征提取、圖像識(shí)別等具有直接影響。因此，實(shí)時(shí)采集的圖像需進(jìn)行濾波處理。消除圖像中的噪聲成份叫做圖像的平滑化或?yàn)V波操作。濾波的目的有兩個(gè):一是抽出對(duì)象的特征作為圖像識(shí)別的特征模式。二是為適應(yīng)計(jì)算機(jī)處理的要求，消除圖像數(shù)字化時(shí)所混入的噪聲。對(duì)濾波處理的要求有兩條:一是不能損壞圖像輪廓及邊緣等重要信息。二是使圖像清晰，視覺效果好。 椒鹽噪聲是指兩種噪聲，一種是鹽噪聲（salt noise），另一種是胡椒噪聲（pepper noise）。鹽白色，椒黑色。前者是高灰度噪聲，后者屬于低灰度噪聲。一般兩種噪聲同時(shí)出現(xiàn)，呈現(xiàn)在圖像上就是黑白雜點(diǎn)。2．椒鹽噪聲對(duì)信號(hào)的影響：椒鹽噪聲是圖像處理中十分常見的一種噪聲，它可 能產(chǎn)生于圖像捕捉設(shè)備傳感器上的壞點(diǎn)或者強(qiáng)噪聲信道條件下的圖像傳輸過(guò)程。對(duì)于被椒鹽噪聲污染的圖像，噪聲點(diǎn)只取圖像動(dòng)態(tài)范圍內(nèi)(如0～255) 的最大值或最小值, 即在圖像中出現(xiàn)一些灰度值很小(接近黑色) 或灰度 值很大( 接近白色) 的污染點(diǎn)，在圖像上呈現(xiàn)一個(gè)個(gè)暗點(diǎn)和亮點(diǎn)，類似于胡椒末和鹽粉的微粒，因此稱為椒鹽噪聲。3．去除椒鹽噪聲的方法：clc。hood=3。[I,map]=imread(39。39。)。 figure。imshow(I,map)。noisy=imnoise(I,39。salt amp。 pepper39。,)。figure。imshow(noisy,map)。 filtered1=medfilt2(noisy,[hood hood])。figure。imshow(filtered1,map)。 myfilt1=[111。111。111]。myfilt1=myfilt1/9。filtered1=filter2(myfilt1,noisy)。figure。imshow(filtered1,map)。 圖35 原圖 圖36 加椒鹽噪聲后 圖37 維納濾波 圖38 中值濾波 同時(shí)含有椒鹽噪聲和高斯噪聲的圖像消噪處理 所謂噪聲是電路或系統(tǒng)中不含信息量的電壓或電流。在工業(yè)與自然界中，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設(shè)備的開啟與斷開、雷擊閃電等都會(huì)使空間電場(chǎng)和磁場(chǎng)產(chǎn)生有序或無(wú)序的變化，這些都是干擾源（或噪聲源）。這些源產(chǎn)生的電磁波或尖峰脈沖通過(guò)磁、電耦合或是通過(guò)電源線等路徑進(jìn)入放大電路，各種電氣設(shè)備，形成各種形式的干擾。高斯噪聲是指噪聲的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。如果一個(gè)噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。高斯白噪聲的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號(hào)在時(shí)間上的相關(guān)性。 高斯白噪聲包括熱噪聲和散粒噪聲。而椒鹽噪聲是指椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲往往由圖像切割引起。本文將采用中值濾波和維納濾波對(duì)含有高斯噪聲和椒鹽噪聲的圖像進(jìn)行處理，通過(guò)比較兩種濾波技術(shù)對(duì)圖像處理的效果，可以看出哪種濾波技術(shù)對(duì)椒鹽噪聲更起作用，哪種濾波技術(shù)對(duì)高斯噪聲更有效果，再根據(jù)同一種濾波技術(shù)對(duì)不同窗口尺寸的圖像進(jìn)行濾波，比較處理效果，最終將選出對(duì)圖像采用哪種濾波技術(shù)或者對(duì)同一種濾波技術(shù)哪種窗口尺寸濾波效果更好。 中值濾波：是一種非線性平滑技術(shù)，它將每一象素點(diǎn)的灰度值設(shè)置為該點(diǎn)某鄰域窗口內(nèi)的所有象素點(diǎn)灰度值的中值.實(shí)現(xiàn)方法：1．通過(guò)從圖像中的某個(gè)采樣窗口取出奇數(shù)個(gè)數(shù)據(jù)進(jìn)行排序2．用排序后的中值取代要處理的數(shù)據(jù)即可中值濾波在圖像處理中,常用于用來(lái)保護(hù)邊緣信息,是經(jīng)典的平滑噪聲的方法。中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。方法是去某種結(jié)構(gòu)的二維滑動(dòng)模板，將板內(nèi)像素按照像素值的大小進(jìn)行排序，生成單調(diào)上升（或下降）的為二維數(shù)據(jù)序列。二維中值濾波輸出為g（x,y）=med{f(xk,yl),(k,l∈W)} ，其中,f(x,y)，g(x,y)分別為原始圖像和處理后圖像。W為二維模板，通常為2*2，3*3區(qū)域，也可以是不同的的形狀，如線狀，圓形，十字形，圓環(huán)形等。 圖39 Original 圖310 加入椒鹽噪聲 圖311 加入椒鹽噪聲和高斯噪聲 圖312 結(jié)果圖 3*3的濾波窗口的中值濾波 圖313 Original 圖314 加入椒鹽噪聲 圖315 加入椒鹽噪聲和高斯噪聲 圖316 結(jié)果圖 5*5的濾波窗口的中值濾波 第4章 改進(jìn)的極值中值濾波算法 引言噪聲信號(hào)的濾除是圖像處理的基本任務(wù)之一，更是圖像增強(qiáng)的重要手段。1971年Turkey提出的中值濾波算法，因其簡(jiǎn)單性和良好的濾波效果，在圖像處理領(lǐng)域得到了廣泛的應(yīng)用。但由于中值濾波算法沒有考慮像素點(diǎn)是否被噪聲污染，對(duì)所有數(shù)據(jù)采用統(tǒng)一處理方法導(dǎo)致該方法在去除噪聲的同時(shí)損失了圖片細(xì)節(jié)。 針對(duì)中值濾波存在的不足，近年來(lái)出現(xiàn)了大量基于中值濾波的改進(jìn)型算法。Sun和Neuvo提出的開關(guān)中值濾波（SM）算法[1]：該算法在噪聲密度較小的情況下才能取得良好的去噪效果；Wang和Zhang提出的遞進(jìn)開關(guān)（PSM）算法[2]：該算法需要預(yù)先設(shè)定估計(jì)參數(shù)，大大降低了其對(duì)不同圖像去噪的通用性，并且該算法采用迭代方法進(jìn)行，檢測(cè)時(shí)間較長(zhǎng)；Wang和Lin提出的minmax算法[3]：由于該算法只針對(duì)窗口內(nèi)的極值進(jìn)行操作，漏檢率和誤檢率都較高；Brownrigg提出了加權(quán)中值濾波（WM）算法[4]：該算法在加強(qiáng)細(xì)節(jié)保護(hù)但降低了去噪性能；Sun和Wang提出的極值中值（EM）算法[5]：該算法對(duì)檢測(cè)出的噪聲直接采用標(biāo)準(zhǔn)中值濾波算法，在噪聲密度較高時(shí)其去噪性能大大降低。本文提出的改進(jìn)算法是在EM算法的基礎(chǔ)上做了兩點(diǎn)改進(jìn)：（1）對(duì)檢測(cè)出的偽噪聲點(diǎn)做進(jìn)一步的檢測(cè)，判斷其是信號(hào)點(diǎn)還是真噪聲點(diǎn)。這樣可以有效的降低誤檢率，保護(hù)圖像細(xì)節(jié)；（2）對(duì)真正的噪聲點(diǎn)，用窗口內(nèi)信號(hào)點(diǎn)的中值而不是包括噪聲點(diǎn)在內(nèi)的所有點(diǎn)的中值代替噪聲點(diǎn)，這就避免了噪聲的傳播。本文算法能在去除噪聲的同時(shí)很好的保護(hù)了圖像細(xì)節(jié)，在噪聲較大的情況下，其去噪效果遠(yuǎn)優(yōu)于傳統(tǒng)的EM濾波算法以及一些其他算法。原圖加入噪聲噪聲圖像噪聲判斷噪聲去除去噪圖像圖41 改進(jìn)的中值濾波流程圖 中值濾波中值 濾波(M edian filter)是