数字图像处理-6第六章图像去噪

第6章图像去噪6.1图像噪声6.2空间域去噪法6.3频域低通滤波法1.图像噪声的产生在图像形成过程中，图像数字化设备、电气系统和外界影响将使得图像噪声的产生不可避免。图像噪声按其产生的原因可分为外部噪声和内部噪声。一般情况下，数字图像中常见的外部干扰主要包括如下几种：设备元器件及材料本身引起的噪声。如磁带、磁盘表面缺陷所产生的噪声;系统内部设备电路所引起的噪声，包括电源系统引入的交流噪声，偏转系统和箝位电路引起的噪声等;电器部件机械运动产生的噪声。如数字化设备的各种接头因抖动引起的电流变化所产生的噪声，磁头、磁带抖动引起的抖动噪声等;2.图像噪声特点分布和大小的不规则性；噪声与图像之间具有相关性；加性噪声：乘性噪声：噪声模型：高斯噪声椒盐噪声泊松噪声nfgfnfg图像去噪方法主要有空域处理法和频域处理法（1）空域处理法：直接在图像所在的二维空间进行处理，即直接对每一像元的灰度值进行处理。（2）频域处理法：将图像从空间域变换到频率域对图像进行处理。6.2空间域滤波增强技术一、定义：空间域滤波是基于邻域处理的增强方法，它应用某一模板对每个像元与其周围邻域的所有像元进行某种数学运算得到该像元的新的灰度值，新的灰度值的大小不仅与该像元的灰度值有关，而且还与其邻域内的像元的灰度值有关。图像平滑邻域平均法中值滤波图像平滑滤波技术定义及用途：平滑滤波对图像的低频分量进行增强，同时可以削弱图像的高频分量，因此一般用于消除图像中的随机噪声，从而起到图像平滑的作用。常用方法：邻域平均法（线性的）和中值滤波法（非线性的）邻域平均法（均值滤波）一幅图像往往受到各种噪声源的干扰（如电传感器和传输误差等），这种噪声常常为一些孤立的像素点，它们像雪花使图像被污染，噪声往往是叠加在图像上的随机噪声,而图像灰度应该相对连续变化的，一般不会突然变大或变小，这种噪声可以用邻域平均法使它得到抑制。邻域平均法是简单的空域处理方法。这种方法的基本思想是用几个像素灰度的平均来代替一个像素原来的灰度值，实现图像的平滑。有一幅图像图像：MNSf(x,y)在图像中为了获取f(x,y)的新值则开一个MN的窗口S窗口S就称为f(x,y)的邻域我们可以根据窗口内各点的灰度确定f(x,y)的新值。邻域平均法常见的方法有：(1)简单平均法：在此算法中，M,N的值不宜过大，因为M,N值的大小对速度有直接影响，且M,N值越大变换后的图像越模糊,特别是在边缘和细节处。设图像像素的灰度值为f(x,y)，取以其为中心的MN大小的窗口，用窗口内各像素灰度值代替f(x,y)的值，即：噪声是随机不相关的，如果窗口内各点的噪声是独立等分布的，经过这种方法平滑后，信噪比可提高倍。SvuvufNMyxf),(),(1),(MN平滑可以抑制高频成分，但也使图像变得模糊。可成功消去噪声。使图像变得模糊返回(2)邻域加权平均方法邻域加权平均法也属于空域滤波增强算法，它是利用模板卷积的方法实现对原图的滤波，可表示为：W称为模板MNWf(x,y)(,)(,)gxyWfuv邻域加权平均法举例：•将模板上系数与模板下对应像素的灰度值相乘；•将所有乘积相加，并除以系数总和；•将模板在图中漫游，并将模板中心与图中某像素点重合；•用所得结果代替原中心点的值；MNWf(x,y)返回其他常用平滑模板101011014010W211111018111W311111119111W4121124216121W501011216010W6111112110111W思考下列模板对图像操作的作用？1121121121W2111222111W3121000121W4101202101W5210101012W6012101210W6111181111W6111191111W中值滤波法前面使用的邻域平均法属于低通滤波的处理方法。它在抑制噪声的同时使图像变得模糊，即图像的细节(例如边缘信息)被削弱，如果既要抑制噪声又要保持细节可以使用中值滤波。•将窗口在图中移动；•读取窗口内各对应像素的灰度值；•将这些灰度值从小到大排成1列；•找出这些值里排在中间的1个；MNSf(x,y)•将这个中间值赋给对应窗口中心位置的像素。工作步骤取3X3窗口207205208201202206198200212207205208201205206198200212212208207206205202201200198从小到大排列，取中间值中值滤波的一些特性(1)对大的边缘高度，中值滤波较邻域均值好得多，而对于较小边缘高度，两种滤波只有很少差别。（2）中值滤波是非线性的。（3）中值滤波在抑制图像随机脉冲噪声方面甚为有效。且运算速度快，便于实时处理。（4）中值滤波去除孤立线或点干扰，而保留空间清晰度较平滑滤波为好；但对高斯噪声则不如平滑滤波。二维中值滤波滤波窗口窗口大小3×35×57×79×911×11f=imread(‘lena.bmp’);fn=imnoise(f,’salt&pepper’,0.02);%在此处修改噪声类型g1=medfilt2(fn);%3x3模板中值滤波g2=medfilt2(fn,[55]);%5x5模板中值滤波g3=medfilt2(fn,[77]);%7x7模板中值滤波(a)椒盐噪声图像(b)3X3中值滤波效果(c)5X5中值滤波效果(c)7X7中值滤波效果多图像平均法对于原图象f(x,y),有一个噪音图像集{gi(x,y)}i=1,2,...M其中：gi(x,y)=f(x,y)+h(x,y)iM个图像的均值定义为：g(x,y)=1/M(g0(x,y)+g1(x,y)+…+gM(x,y))当：噪音h(x,y)i为互不相关，且均值为0时，上述图象均值将降低噪音的影响。相加M=1M=2M=4M=16Addition:averagingfornoisereductionI=imread('peppers.png');I=rgb2gray(I);imshow(I);[a,b]=size(I);Iout=zeros(a,b);NoisI=imnoise(I,'gaussian',0,0.01);%添加均值为0、方差0.01的高斯噪声figure(2);imshow(NoisI);N=16;%定义图像幅数forn=1:NNoisI=imnoise(I,'gaussian',0,0.01);Iout=Iout+double(NoisI);end;Iout=Iout/N;(a)含高斯噪声图像(b)4幅图像平均(c)8幅图像平均(d)16幅图像平均频域增强的原理频率平面与图像空域特性的关系图像变化平缓的部分靠近频率平面的圆心，这个区域为低频区域图像中的边、噪音、变化陡峻的部分，以放射方向离开频率平面的圆心，这个区域为高频区域频域滤波增强频域边、噪音、变化陡峭部分变化平缓部分uv频域滤波增强频域滤波增强频域滤波增强低通滤波器高通滤波器带通、带阻滤波器巴特沃思低通滤波器(BLPF)的特点没有明显的跳跃模糊程度减少和理想圆形低通滤波器相比尾部含有较多的高频，对噪声的平滑效果不如理想低通滤波器。指数低通滤波器(ELPF)的特点有更加平滑的过渡带，平滑后的图像没有跳跃现象与BLPF相比，衰减更快，经过ELPF滤波的图象比BLPF处理的图象更模糊一些