圖像濾波ppt課件-在線瀏覽
2025-06-20 18:50本頁面
【正文】 是一種用途很廣的算法，可用卷積來完成各種處理變換。鄰域中的每個像素（假定鄰域為 33大小，卷積核大小與鄰域相同），分別與卷積核中的每一個元素相乘，乘積求和所得結(jié)果即為中心像素的新值。改變卷積核中的加 權(quán)系數(shù)， 會影響到總和的數(shù)值與符號， 從而影響到所求像素的新值。例如，當(dāng)模板為 17 圖像平滑設(shè)原圖像為 經(jīng)過模板操作后的圖像為 “－ ”表示無法進行模板操作的像素點。實際應(yīng)用中，多采用第一種方法。18 圖像平滑216。均值濾波 是最常用的線性低通濾波器，它均等地對待鄰域中的每個像素。從頻率域的角度看，相當(dāng)于進行了低通濾波。均值濾波也叫 鄰域平均法 。均值濾波的思想 ：通過一點和鄰域內(nèi)像素點求平均來去除突變的像素點，從而濾掉一定的噪聲。均值濾波對高斯噪聲比較有效。19 圖像平滑216。假定窗口大小為 n*m，則對于圖像 f的任意一個像素 (x,y)，均值濾波的計算公式為 :20 圖像平滑216。對于 3*3的窗口，對應(yīng)的模板 h(k, l)如圖 (a)所示。1 1 11 1 11 1 10(a) (b)21 圖像平滑216。 均值濾波? 例如，用 33 Box模板對一幅數(shù)字圖像處理結(jié)果，如下圖所示（計算結(jié)果按四舍五入進行了調(diào)整，對邊界像素不進行處理）。 均值濾波252。缺點 ：降低噪聲的同時造成圖像模糊，特別是對圖像的邊緣和細節(jié)削弱很多；隨著鄰域范圍的擴大，去噪能力增強的同時模糊程度越加嚴(yán)重。右圖，均值濾波處理后的結(jié)果 24 圖像平滑216。主要優(yōu)點 ：均值濾波算法簡單，計算速度快252。(a) 原始圖像 (b) 鄰域平均后的結(jié)果25 圖像平滑216。 均值濾波用各種尺寸的模版平滑圖像27 圖像平滑216。均值濾波 的改進 ：為了保留圖像的邊緣和細節(jié)信息，可對上述算法進行改進，引入閾值 T。當(dāng)差異小于閾值時取原值 f，差異大于閾值時取新值 g。 均值濾波(a)原圖像 (b)對 (a)加椒鹽噪聲的圖像(c)33 鄰域平滑 (d) 55 鄰域平滑(e)33 超限像素平滑 (T=64)(f)55 超限像素平滑 (T=48)29 圖像平滑216。 加權(quán)平均模板法 ：Gaussian Filter : 數(shù)學(xué)含義：用不同的系數(shù)乘以像素，權(quán)值不同，像素的重要性不同 —— 該方法可以減小平滑處理中的模糊現(xiàn)象。 中值濾波252。窗口的行列數(shù)一般取奇數(shù)。31 圖像平滑216。假設(shè)窗口內(nèi)有五點，其值為 80、 90、 200、 110和 120， 那么此窗口內(nèi)各點的中值即為 110。 用數(shù)學(xué)公式表示為 32 圖像平滑216。優(yōu)點 ：對椒鹽噪聲的抑制效果好，在抑制隨機噪聲的同時能有效保護邊緣少受模糊。缺點 ：對點、線等細節(jié)較多的圖像卻不太合適。 33 圖像平滑216。 形狀的選擇： 對于有緩變的較長輪廓線物體的圖像，采用方形或圓形窗口為宜。窗口大小的選擇： 則以不超過圖像中最小有效物體的尺寸為宜。 中值濾波 圖 (a)為原圖像；圖 (b)為加椒鹽噪聲的圖像；圖 (c)和圖 (d)分別為 3 55模板進行中值濾波的結(jié)果。 35 圖像平滑216。 中值濾波原始信號 均值濾波 中值濾波（ a） 階躍；（ b） 斜坡；（ c） 單脈沖；（ d） 雙脈沖；（ e） 三脈沖； （ f） 三角波 37 圖像平滑216。 中值濾波39 圖像平滑216。 40 圖像平滑216。 中值濾波 2） 中值濾波去噪聲性能 對于零均值正態(tài)分布的噪聲輸入， 中值濾波輸出的噪聲方差 σ2med近似為 式中： σ2i為輸入噪聲功率（方差）， m為中值濾波窗口長度（點數(shù)）， 為輸入噪聲均值， 為輸入噪聲密度函數(shù)。 中值濾波而均值濾波的輸出噪聲方差 σ20為 可以看出， 中值濾波的輸出與輸入噪聲的密度分布有關(guān)。但對脈沖干擾， 特別是脈沖寬度小 于 m／ 相距較遠的窄脈沖干擾，中值濾波的效果較好。銳化提高了邊緣與周圍像素之間的反差，因此也被稱為 邊緣增強 。44 圖像銳化圖像銳化的 目的 ：加強 圖像中物體（景物）的 邊緣和輪廓及圖像細節(jié) 。45 圖像銳化216。 羅伯特梯度
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1