數(shù)字圖像處理第五章圖像的噪聲抑制(編輯修改稿)
2025-03-20 10:25 本頁面
【文章內(nèi)容簡介】 6 7 8 9 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 3 4 5 6 6 7 C= C= 示例 中值濾波器與均值濾波器的比較 ?對于 椒鹽噪聲 ，中值濾波效果比均值濾波效果好。 中值濾波器與均值濾波器的比較 ? 原因： ? 椒鹽噪聲是幅值近似相等但隨機分布在不同位置上，圖像中 有干凈點也有污染點 。 ? 中值濾波 是選擇適當?shù)狞c來替代污染點的值，所以處理效果好。 ? 因為噪聲的均值不為 0，所以 均值濾波 不能很好地去除噪聲點。 中值濾波器與均值濾波器的比較 ?對于 高斯噪聲 ，均值濾波效果比均值濾波效果好。 中值濾波器與均值濾波器的比較 ? 原因： ? 高斯噪聲是幅值近似正態(tài)分布，但 分布在每點 像素上。 ? 因為圖像中的每點都是污染點，所以 中值濾波 選不到合適的干凈點。 ? 因為正態(tài)分布的均值為 0，所以 均值濾波 可以消除噪聲。 （ 注意：實際上只能減弱，不能消除。思考為什么？） 邊界保持類平滑濾波器 —— 問題的提出 ? 經(jīng)過平滑濾波處理之后，圖像就會變得模糊。 ? 分析原因，在圖像上的景物之所以可以辨認清楚是因為目標物之間存在邊界。 ? 而邊界點與噪聲點有一個共同的特點是，都具有灰度的躍變特性。所以平滑處理會同時將邊界也處理了。 邊界保持類平滑濾波器 —— 設(shè)計思想 ? 為了解決圖像模糊問題，一個自然的想法就是，在進行平滑處理時，首先判別當前像素是否為邊界上的點 ，如果是，則不進行平滑處理；如果不是，則進行平滑處理。 K近鄰 (KNN)平滑濾波器 —— 原理分析 ? 邊界保持濾波器的核心是確定邊界點與非邊界點。 ? 如圖所示，點 1是黃色區(qū)域的非邊界點，點 2是藍色區(qū)域的邊界點。 ? 點 1模板中的像素全部 是同一區(qū)域的； 點 2模板中的像素則包
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1