數(shù)字圖像處理與分析第3章-閱讀頁
2025-05-15 02:53本頁面
【正文】 噪聲 ， 但也使圖像變得模糊 。可以 將一個(gè)像素及其鄰域內(nèi)的所有像素的平均灰度值賦給平滑圖像中對(duì)應(yīng)的像素， 從而達(dá)到平滑的目的。 非加權(quán)鄰域平均 ?最簡(jiǎn)單的鄰域平均法為非加權(quán)鄰域平均： ? 一幅圖像大小為 N N的圖像 f(x,y)，用鄰域平均法得到的平滑圖像為 g(x,y)，則 ? x,y=0,1,…,N1。M表示集合 s內(nèi)像素的總數(shù)。 四近鄰 八近鄰 空間平滑濾波增強(qiáng) — 非加權(quán)鄰域平均 ?在圖像上，對(duì) 待處理的像素 給定一個(gè)模板，該模板包括了其周圍的鄰近像素。 非加權(quán)鄰域平均 ? 非加權(quán)鄰域平均法可以用模板求得，即在待處理圖像中逐點(diǎn)地移動(dòng)模板，求模板系數(shù)與圖像中相應(yīng)像素的乘積之和，模板數(shù)為 1。 ?91 10 9111111111H??????????? 非加權(quán)鄰域平均 3 3模板 ： 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 4 4 5 6 6 7 8 原圖像 處理后的圖像 非加權(quán)鄰域 均值濾波器 —— 處理方法 待處理像素 空間平滑濾波增強(qiáng) — 非加權(quán)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 10 9111111111H???????????1 1 1 1 1 1 1 1 1 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 邊界處理： 空間平滑濾波增強(qiáng) — 非加權(quán)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(jī)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。 ? 為了改善效果，就可采用加權(quán)平均的方式來構(gòu)造濾波器。 ?鄰域平均法雖然可以平滑圖像，但在消除噪聲的同時(shí)，會(huì)使圖像中的一些細(xì)節(jié)變得模糊。 ?中值濾波方法對(duì)脈沖干擾和椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時(shí)能夠保持邊緣減少模糊。 ? 如果在某個(gè)模板中，對(duì)像素進(jìn)行由小到大排列的重新排列，那么最亮的或者是最暗的點(diǎn)一定被排在兩側(cè)。 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(jī)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。 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(jī)分布在不同位置上，圖像中 有干凈點(diǎn)也有污染點(diǎn) 。 ?因?yàn)樵肼暤木挡粸?0，所以 均值濾波 不能很好地去除噪聲點(diǎn)。 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(diǎn) 像素上。 ?因?yàn)檎龖B(tài)分布的均值為 0，所以 均值濾波 可以消除噪聲。） 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。 非線性濾波器 ?g=medfilt2(f,[m n]) 中值濾波器
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1