【正文】 放大算法及實現(xiàn) [D]. 吉林大學 , 2021 . [6] 羅會信，曹艷力 .一種高效的圖像插值算法 [J].計算機與現(xiàn)代化， (5):12 [7 ] 陳丹 ,張峰 ,賀貴明 .一種改進的文本圖像二值化算法 [J ] .計算機工程 ,2021 ,29 (13) :85～ 86 [8 ] W Niblack. An Introduction to Digital Image Processing [M]. New Jersey : Prentice Hall ,1986 :115～116。處理結(jié)果的好壞需要根據(jù)具體的場合及要求衡量 ，并且算法本身也需要不斷改進，儀器得到更理想的效果 。但我們可以不斷地改進濾波的技術(shù)，如實際應用中常用一些改進型的濾波方法如小波導向、多級門限檢測來提高去噪的效果從而最大可能地恢復出原始圖像。 上述濾波方法雖有一定的降噪效果，但都有其局限性。當物體的灰度級比較集中時，簡單設(shè)置灰度級閾值提取物體是一個有效方法。 廈門大學本科畢業(yè)論文 結(jié)論 21 結(jié)論 閾值分割法是一種簡單且非常有效的方法，它的主要局限是，最簡單形式的閾值法只能產(chǎn)生二值圖像來區(qū)分 2 個不同的類。 不同類型的圖像，有對應的過濾方法對其去噪 ，同 時，某些過濾方法也只是適用于某些特殊類型的圖像 。 綜上所述，對于受不同噪聲干擾的圖像，要選擇合適的濾波方法。 三、添加乘性噪聲的處理圖 (a) 原始圖像 (b) 添加乘性 噪聲圖 (c) 均 值濾波效果 (d) 中值濾波效果 (d) 維納濾波效果 (e) 強制去噪效果 廈門大學本科畢業(yè)論文 第五章 20 (f) 全局閾值去噪效果 (g) 給定閾值去噪效果 可知，對于添加乘性噪聲的圖像，維納濾波和 基于小波變換去噪方法 的處理效果較好，圖像清晰并且細節(jié)明顯，保留 原有信息最理想。 二、添加椒鹽噪聲的處理圖 (a) 原始圖像 (b) 添加椒鹽噪聲圖 (c) 均 值濾波效果 (d) 中值濾波效果 (e) 維納濾波效果 (f) 強制去噪效果 廈門大學本科畢業(yè)論文 第五章 19 (g) 全局閾值去噪效果 (h) 給定閾值去噪效果 可知，對于添加椒鹽噪聲的圖像，中值濾波和 基于小波變 換的 強制去 噪的處理效果較好，能夠較大程度上去除椒鹽噪聲干擾， 圖像清晰并且層次分明，保留原有信息最理想， 經(jīng)濾波后的圖像既 適合人眼的視覺感覺 ， 又能夠消除圖像的干擾影響 。 一、 添加高斯噪聲的處理圖 (a) 原始圖像 (b) 添加高斯噪聲圖 (c) 均值濾波效果圖 (d) 中值 濾波效果 (e) 維納 濾波效果 （ f）強制去噪 效果 廈門大學本科畢業(yè)論文 第五章 18 (g) 全局閾值去噪效果 (h) 給定閾值去噪效果 可知， 均值濾波、 維納濾波，對于高斯噪聲有較好 的抑制作用， 并且圖像光照效果保留較好，對圖像的還原度優(yōu)秀 。 圖像去噪效果對比 選用 Matlab軟件作為編程實現(xiàn)平臺，對圖像分別添加高斯噪聲、椒鹽噪聲和乘性噪聲。另外，它只考慮像素本身的值．一般都不考慮圖像的空間特性，這樣就對噪聲很敏感。 (a) Origin Image (b) Otsu法 (c) Niblack 法 — 55s (d)Kittler法 — 圖 二值化效果圖 經(jīng)過多次實驗，總結(jié)得到如下結(jié)論：在對圖像進行閾值分割 的過程中， Otsu算法的效果能夠有效提取想要的 圖像信息，算法簡單高效 ，運行時間最短為 ； Niblack法 保留較 多的圖像細節(jié)， 但是在局部處理上不恰當， 經(jīng)驗取值需要改進， 運算 處理 時間較長； 相比于 Otsu算法， Kittler算法在有效提取圖像信息的基礎(chǔ)上，能夠保留更多的細節(jié)，運行時間較為理想 。其中，全局閾值對各層所有的小波包系數(shù)或同一層內(nèi)各結(jié)點的小波包系數(shù)都是統(tǒng)一的，而局部自適應閾值是根據(jù)當前系數(shù)周圍的實際情況來確定的。 并且閾值的選取是針對 1 組小波包系數(shù) ， 并根據(jù)這組小波包系數(shù)的統(tǒng)計特性，計算出 1個閾值。 如果閾值太小，去噪后仍有噪聲，閾值太大，圖像的重要細節(jié)會丟失，引起偏差。 在上述 4個步驟之中 ， 最關(guān)鍵的是如何選取閾值和如何進行閾值量化，因為量化和選取目的是為濾掉噪聲的小波包系數(shù) ， 保留原圖像小波包系數(shù)，因此它直接關(guān)系到圖像去噪的質(zhì)量[21]。 (4) 小波包重構(gòu)。 (3) 小波包分解系數(shù)的閾值量化。選擇 1個小波并確定小波包分解的層次 N，然后對圖像進行 N 層小波包分解。小波閾值去噪方法的思想就是對小波分解后各層系數(shù)中模值大于或者小于某閾值的系數(shù)分別處理 ,然后對處理完的小波系數(shù)再進行反變換 ,重構(gòu)出經(jīng)過去噪后的圖像信號 [19]。小波分析就是把一個信號分解為將母小波經(jīng)過縮放和平移之后的一系列小波，因此小波是小波變換的基函數(shù)。 四、 基于小波變換的去噪技術(shù) 小波變換是通過縮放母小波（ Mother wavelet）的寬度來獲得信號的頻率特征 [17]， 通過平移母小波來獲得信號的時間信息。但當給定問題的隨機過程的功率譜密度是有理分式函數(shù)時， () Hs 的顯式解就可比較容易地定出 ， 信號的最優(yōu)估值 op(t) 則可由相應關(guān)廈門大學本科畢業(yè)論文 第四章 15 系式定出。 ()it 的拉普拉斯變換就是所要決定的維納濾波器的傳遞函數(shù) () Hs 。如果所討論的各隨機過程均具有各態(tài)歷經(jīng)性 ， 則式中的 ()xzR? 和 ()xxR? 均是已知的。在假定信號過程 e(t) 與噪聲過程 y(t) 為聯(lián)合平穩(wěn)和假定在半無限時間區(qū)間 (, )t? 內(nèi)能獲得 o(t) 的全部觀測數(shù)據(jù)的前提下，維納濾波給出了計算最優(yōu)估值 op(t) 的一種方法 [16]。數(shù)學上，濾波問題可以歸結(jié)為根據(jù) o(t) 來求出 e(t) 的最優(yōu)估值 op(t) 。它是利用平穩(wěn)隨機過程的相關(guān)特性和頻譜特性 對混有噪聲的信號進行濾波的方法 [15]。則可對二維中值濾波做如下定義： 設(shè) 2,{ , , ) }ijx i j I? ???? ? ?表示數(shù)字圖像各點的灰度值，濾波窗口為 A ， yij為窗口 A 在 ijx點的中值，則 2( ) ( ) { } { , ( , ) , ( , ) } ij i r j sij A M e d r s A i j Iy M e d x x ??? ? ? ? () 式 ()為窗口 A 在 ijx點的中值表達式，二維中值濾波的窗口可以取方形，也可以取近似圓形或十字形 [15]。窗口長度為 n ，且令 1u = 2n? ，則濾波器的輸出為 M e d { }= M e d { } y i i u i i ui xxxx ? ?? ， ， () 廈門大學本科畢業(yè)論文 第四章 14 式 ()表明 i 點的中值僅與窗口前后各點的中值有 關(guān)， yi為序列 ix的中值。對序列而言中值的定義是這樣的： 若 12 , , nxxx 為一組序列，先把其按大小排列為 1 2 3 nx x x x?? ? () 則該序列的中值為 121( ) n 2y =M e d { , } =11( ) ( ) n 2 2 2, iniinnnxxxxxx????? ???? ???? ???為 奇 數(shù)為 偶 數(shù) () 式 ()中，若把一個點的特定長度或形狀的鄰域作為窗口，在一維情況下，中值濾波器是一個含有奇數(shù)個像素的滑動窗口。它可以克服線性濾波器給圖像帶來的模糊，在有效清除顆粒噪聲的同時，又能保持良好的邊緣特性，從而獲得較滿意的濾波效果，特別適合于去除圖像的椒鹽噪聲。這種方法在實際應用中的最大困難在于把多幅圖像配準 ,以便使相應的像素能正確地對應排列。模板選擇越小 ,去噪能力會下降。因圖像細節(jié)信息主要分布在高頻區(qū)域 ,因此均值濾波的過程會導致圖像變模糊。 廈門大學本科畢業(yè)論文 第四章 13 11191??????????????????????????????????????? 111 12511?????????????????????????????????????????????????????????????????????????????????????????????????????????????? 圖 （ a） 33? 均值濾波模板 圖 （ b） 55? 均值濾波模板 這種運算的實質(zhì)是求窗口內(nèi)的所有像素點的平均值 ， 然后將其賦給中心像素點 ,作為中心像素點的濾波輸出 。即 { ( , )} 0iE N x y? () { ( , ) ( , ) } { ( , ) } { ( , ) },i j i jE N x y N x y E N x y E N x y i j? ? ? ?? ? () { ( , ) ( , ) } { ( , ) } { ( , ) },i j i jE N x y N x y E N x y E N x y i j? ?? ?? ?? ?? ? () 式中 {}E 表示數(shù)學期望算子。由于有噪聲存在，導致圖像的質(zhì)量下降。 濾波實現(xiàn)方法 一、 均值濾波 均值濾波是典型的線性濾波算法，其采用的主要方法為鄰域平 均法。 從連續(xù)的 (或離散的 )輸入數(shù)據(jù)中濾除噪聲和干擾以提取有用信息 ， 是抑制和防止干擾的一項重要措施 ， 這是信號處理中經(jīng)常采用的主要方法之一，具有十分重要的應用價值。 因為 e( x ， y )表征了點（ x ， y ）領(lǐng)域的 性質(zhì)，因此本方法也屬于基于區(qū)域的全局閾值法廈門大學本科畢業(yè)論文 第四章 12 第 四 章 圖像去噪 濾波原理 所謂濾波就是去掉或者抑制信號中的某些部分，同時保留或者放大另外的部分。 用 Kittler二值化算法對灰度圖像進行二值化處理 ， 該步驟得到全局閾值 T， Kittler二值化的處理公式為 : 廈門大學本科畢業(yè)論文