圖像檢測-5噪聲抑制(編輯修改稿)
2025-09-07 15:59 本頁面
【文章內(nèi)容簡介】 計數(shù)學，均值可以消除噪聲。 （ 注意：實際上只能減弱，不能消除。思考為什么？ ） 邊界保持平滑濾波器 1. 問題的提出： 前面的處理結(jié)果可知，經(jīng)過平滑（特別是均值）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。 邊界保持平滑濾波器設計思想 ? 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 ? 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。 ? 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，不影響 效果。 換句話說，對非邊界點的影響 不是很大，但是對邊界點的影 響就非常大。 1 2 K近鄰 (KNN)平滑濾波器算法 1) 以待處理像素為中心，作一個 m ? m的作用模板。 2）在模板中，選擇 K個與待處理像素的灰度 差 為最小的像素。 3）將這 K個像素的灰度均值替換掉原來的像素值。 KNN平滑濾波例題 例： 3 3模板， K=5 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 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 16 7 76 7(1+1+1+2+2)/5=?1 (1+2+2+3+4)/5= 2(1+2+3+4+4)/5= 3(5+5+6+6+7)/5= 6(6+7+7+8+8)/5= 76+8+8+9)/5=+6+7+7)/5=+7+7+7)/5=(7+8+8+8+9)/5=8 1 2 1 4 3 1 2 3 4 4 5 5 6 6 9 5 6 7 8 8 5 6 7 8 9 1 2 1 4 3 1 3 4 4 4 5 5 5 6 9 5 6 7 8 8 5
教學課件相關(guān)推薦
鄂ICP備17016276號-1