數(shù)字圖像處理與分析第3章-資料下載頁
2025-06-19 16:03本頁面
【正文】 —— 設(shè)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(cè)。 ? 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(nèi)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(dāng)?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。） Matlab函數(shù) ?g = imnoise(f,type,parameter) 噪聲生成 ?返回對圖像 f 添加典型噪聲后的有噪圖像 g ，參數(shù) type 和 parameter 用于確定噪聲的類型和相應(yīng)的參數(shù)。 ?Type:常用的有 gaussian(高斯噪聲 ),salt amp。 pepper(椒鹽噪聲 ) ?g = imnoise(f,” salt amp。 pepper”,)(發(fā)生概率 ) ?g = imnoise(f,” gaussian”,0,)(均值和方差 ) 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。 ?線性空間濾波器（線性模板形狀） ?語法： w=fspecial(‘type’,parameter) ?說明：其中‘ type’為模板類型，parameter為待定模板的相關(guān)參數(shù)，如： ?w=fspecial(‘a(chǎn)verage’,[5 5])表示一個 5*5的方形模板 非線性濾波器 非線性空間濾波器 語法： g=medfilt2(f, [m n],padopt) 說明：中值濾波器。 f表示待處理的圖像， [m n]表示模板的尺寸， padopt指定了三個可能的邊界填充選項之一： ‘ zeros’（默認值）。 ‘ symmetric’，鏡像反射。 ‘ indexed’， double類圖像，以 1填充，否則以 0填充。
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號-1