噪聲抑制ppt課件(2)-wenkub.com
2025-04-30 18:24 本頁面
【正文】 可以采用不同形狀結(jié)構(gòu)判別，也可以采用同類相似的概念進(jìn)行判別。2σ范圍。最小方差平滑濾波器 —— 模板結(jié)構(gòu)n 模板如下：本例在第 2和第 6中選擇一個方差小的。K近鄰 (KNN)平滑濾波器 —— 效果分析n 首先來看一下 KNN平滑濾波 的效果。K近鄰 (KNN)平滑濾波器 —— 例題例：下圖，給定 3*3模板， k=5。n 這樣，就達(dá)到了邊界保持 的目的。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 分析原因，在圖像上的景物之所以可以辨認(rèn)清楚是因為目標(biāo)物之間存在邊界。 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。 中值濾波器 與均值濾波器的比較n 原因：n 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 。n 取模板中排在中間位置上的像素的灰度值替代待處理像素的值，就可以達(dá)到濾除噪聲的目的。即使是加權(quán)均值濾波，改善的效果也是有限的。 以模塊運算系數(shù)表示即：1 2 1 4 31 2 2 3 45 7 6 8 95 7 6 8 85 6 7 8 91 2 1 4 31 2 2 3 45 7 6 8 95 7 6 8 85 6 7 8 93 4 44 5 66 7 8C= C=均值濾波器 —— 處理方法 待處理像素示例邊框保留不變的效果示例均值濾波器 的改進(jìn) —— 加權(quán)均值濾波n 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?jǐn)偟耐瑫r，將景物的邊界點也分?jǐn)偭?。n 高斯噪聲的特征
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1