噪聲抑制ppt課件(2)(編輯修改稿)
2025-05-30 18:24 本頁面
【文章內(nèi)容簡介】 理效果好。n 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n 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n 原因：n 高斯噪聲是幅值近似正態(tài)分布，但 分布在每點 像素上。n 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。n 因為正態(tài)分布的均值為 0，所以 均值濾波可以消除噪聲。邊界保持類平滑濾波器 —— 問題的提出n 經(jīng)過平滑濾波處理之后，圖像就會變得模糊。n 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。n 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 —— 設計思想n 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n 邊界保持濾波器的核心是確定邊界點與非邊界點。n 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。n 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 括了兩個區(qū)域。12K近鄰 (KNN)平滑濾波器 —— 原理分析n 在模板中，分別選出 5個與點 1或點 2灰度值最相近的點進行計算，則不會出現(xiàn)兩個區(qū)域信息的混疊平均。n 這樣，就達到了邊界保持 的目的。12K近鄰 (KNN)平滑濾波器 —— 實現(xiàn)算法1) 以待處理像素為中心，作一個 m*m的作用模板。2
教學課件相關推薦
鄂ICP備17016276號-1