【文章內(nèi)容簡介】 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 鄰域平均法 ? 采用 3x3均值濾波 ? 濾波核為： ? 結(jié)果如右圖所示 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 0 0 0 0 0 0 1 1 1 0 0 0 0 ? ? 0 0 0 0 0 0 0 1 1 1 0 0 0 0 ? ? 0 0 1 2 3 3 3 3 3 3 2 1 0 0 ? ? 0 0 2 4 6 6 6 6 6 6 4 2 0 0 ? ? 0 0 3 6 9 9 9 9 9 9 6 3 0 0 ? ? 0 0 3 6 9 9 9 9 9 9 6 3 0 0 ? ? 0 0 3 6 9 9 8 8 8 9 6 3 0 0 ? ? 0 0 3 6 9 9 8 8 8 9 6 3 0 0 ? ? 0 0 3 6 9 9 8 8 8 9 6 3 0 0 ? ? 0 0 3 6 9 9 9 9 9 9 6 3 0 0 ? ? 0 0 2 4 6 6 6 6 6 6 4 2 0 0 ? ? 0 0 1 2 3 3 3 3 3 3 2 1 0 0 ? ? 1 1 1 0 0 0 0 0 0 0 0 0 0 0 ? ? 1 1 1 0 0 0 0 0 0 0 0 0 0 0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 鄰域平均法 1 1 1 1/9 1 1 1 1 1 1 ?5 x 5 均值濾波 ?濾波核： 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 或 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 1/25 1/25 1/25 1/25 1/25 1 1 1 1 1 模板越大，模糊作用越強 鄰域平均法 ?均值濾波的特點 局部求均值的運算或平均計算使數(shù)字信號變“平坦”，可以在圖像中消除或抑制噪聲。同時，圖像中景物邊緣也會不同程度地變得模糊。 鄰域平均法 中值濾波 ?中值濾波 中值濾波與均值濾波的區(qū)別僅限于：中值濾波是求局部 中值 而不是局部均值，即對參與計算的像素 灰度值按大小排序，然后取位置居中的像素灰度值。 ? Median filtering ?目的： 既要消除噪聲又要保持圖像的細節(jié) 步驟 : 1） 模板游走 2） 將 mask下對應(yīng)的灰度值（奇數(shù)）排序 3） 用中間值代替 f(x,y), 消除孤立的噪聲點 ? mask大小不一樣，效果不一樣，與疊加的噪聲有關(guān)系 ?窗口形狀 方形、十字形、圓形、圓環(huán)形 中值濾波 ?使用二維濾波需注意 1）有尖頂角幾何結(jié)構(gòu)的圖像，一般采用十字窗，大小不超過最小有效物體的尺寸 2）有較多的點、線、尖頂角的細節(jié)結(jié)構(gòu)，不用中值濾波 0 0 0 0 1 0 0 00 0 0 0 1 0 0 00 1 0 0 1 0 0 00 0 0 0 1 0 0 00 0 0 0 1 0 0 00 1 0 0 1 0 0 00 0 0 0 1 0 0 00 0 0 0 1 0 0 0用 3 3方形，圖像全為 0 用 3 3十字，保留了線狀細節(jié)，丟失了點狀細節(jié) 中值濾波 ? [例 3] 設(shè) 16x16點陣的圖像如右圖所示 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 1 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 9 9 9 9 9 9 9 9 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 8 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 中值濾波 ? 采用 3x3中值濾波，結(jié)果如右圖所示 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ? ? 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ? ? 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ? ? 0 0 0 0 9 9 9 9 9 9 0 0 0 0 ? ? 0 0 0 9 9 9 9 9 9 9 9 0 0 0 ? ? 0 0 0 9 9 9 9 9 9 9 9 0 0 0 ? ? 0 0 0 9 9 9 9 9 9 9 9 0 0 0 ? ? 0 0 0 9 9 9 9 9 9 9 9 0 0 0 ? ? 0 0 0 9 9 9 9 9 9 9 9 0 0 0 ? ? 0 0 0 9 9 9 9 9 9 9 9 0 0 0 ? ? 0 0 0 0 9 9 9 9 9 9 0 0 0 0 ? ? 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ? ? 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ? ? 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 中值濾波 中值濾波 ?中值濾波的機理 在圖像局部中，雜散噪聲點的灰度值較大或較小，求中值可以自動將其消除。但中值濾波不同于均值濾波，中值直接取自某個 像素 的灰度值，所以能較好地保持圖像景物原狀。 ?中值濾波的特點 可以消除雜散噪聲點而不會或較小程度地造成邊緣 模糊 。 多圖像平均法 ?多圖像平均法 是利用對同一景物的多幅圖像取平均來消除噪聲產(chǎn)生的高頻成分，在圖像采集中常應(yīng)用這種方法去除噪聲。 頻域低通濾波法 (1) 理想低通濾波器（ ILPF） H(u,v) = 1 當(dāng) D(u,v) ≤ D0 0 當(dāng) D(u,v) D0 其中：