數(shù)字圖像處理與分析第3章-資料下載頁
2025-04-30 02:53本頁面
【正文】 5 6 7 8 9 邊界處理： 空間平滑濾波增強 — 非加權鄰域平均 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 0 0 0 0 0 0 0 0 1 2 1 4 3 0 0 1 2 2 3 4 0 0 5 7 6 8 9 0 0 5 7 6 8 9 0 0 5 6 7 8 9 0 0 0 0 0 0 0 0 1 1 2 1 4 3 3 1 1 2 1 4 3 3 1 1 2 2 3 4 4 5 5 7 6 8 9 9 5 5 7 6 8 9 9 5 5 6 7 8 9 9 5 5 6 7 8 9 9 邊界處理： （ a）為含有隨機噪聲的灰度圖像 (b)（ c） (d）是分別用 3 5 7 7模板得到的平滑圖像。 ? 均值濾波器的缺點是，會使圖像變的模糊，原因是它對所有的點都是同等對待，在將噪聲點分攤的同時，將景物的邊界點也分攤了。 ? 為了改善效果，就可采用加權平均的方式來構造濾波器。 加權鄰域平均 空間平滑濾波增強 — 加權鄰域平均 ?所有模板系數(shù)可以有不同的權值 (p61) 空間平滑濾波增強 — 加權鄰域平均 ???????????1111211111011H???????????1212421211612H???????????111101111813H???????????0010041414141214H? 下面幾個典型的加權平均濾波器。 ?鄰域平均法雖然可以平滑圖像，但在消除噪聲的同時，會使圖像中的一些細節(jié)變得模糊。 中值濾波則在消除噪聲的同時還能保持圖像中的細節(jié)部分，防止邊緣模糊 。 ?中值濾波方法對脈沖干擾和椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能夠保持邊緣減少模糊。 中值濾波器 —— 設計思想 ? 因為噪聲（如椒鹽噪聲）的出現(xiàn)，使該點像素比周圍的像素亮（暗）許多。 ? 如果在某個模板中，對像素進行由小到大排列的重新排列，那么最亮的或者是最暗的點一定被排在兩側。 ? 對于圖像中的每個像素 ,先確定一個 奇數(shù)像素窗口W，窗口內各像素按灰度值從小到大排序后，用中間位置灰度值代替原灰度值 ， 就可以達到濾除噪聲的目的。 中值濾波器 —— 例題 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 3 4 5 6 6 7 （ a）為含有隨機噪聲的灰度圖像 (b)（ c） (d）是分別用 3 5 7 7模板得到的平滑圖像。 可以看出，中值濾波的效果優(yōu)于均值濾波的效果，圖像中的邊緣輪廓比較清晰 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 ，均值濾波效果比中值濾波效果好。 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。） 線性濾波函數(shù) ?g=imfilter(f,w,filtering_mode,boundary_options,size_options) 其中： f為輸入圖像， w為濾波掩模。 w可通過 fspecial函數(shù)生成。 非線性濾波器 ?g=medfilt2(f,[m n]) 中值濾波器
教學課件相關推薦
鄂ICP備17016276號-1