DSP原理及图像处理应用第9章-噪声图像的产生及课件.ppt

1、第第9章章 噪声图像的产生噪声图像的产生 及处理及处理数字信号处理器原理数字信号处理器原理A1、第、第8章学习了章学习了“彩色图像转化成灰度彩色图像转化成灰度图像图像”，请问：，请问：nRGB彩色图像转化成灰度的图像的方彩色图像转化成灰度的图像的方法有几种？法有几种？n分别是什么？分别是什么？ 所谓加权平均法就是根据三基色的重要性及其它指标，所谓加权平均法就是根据三基色的重要性及其它指标，将将R、G、B三个分量以不同的权值进行加权平均三个分量以不同的权值进行加权平均由于人眼对绿色的敏感最高，对蓝色敏感最低；由于人眼对绿色的敏感最高，对蓝色敏感最低；因此，我们可以按下式对因此，我们可以按下式对R

2、、G、B三分量进行加权平均三分量进行加权平均，则能得到较合理的灰度图像。，则能得到较合理的灰度图像。(, )0.30(, ) 0.59(, ) 0.11(, )F i jR i jG i jB i jl 一般有以下三种转化方案：一般有以下三种转化方案： 所谓平均值法就是对彩色图像的每个像素中的所谓平均值法就是对彩色图像的每个像素中的R、G、B三个分量的值进行简单的算术平均；三个分量的值进行简单的算术平均； 将得到平均值作为灰度图像对应像素的亮度值；将得到平均值作为灰度图像对应像素的亮度值； 其计算式如下所示：其计算式如下所示：( , )( , )( , )( , ) 3F i jR i jG

3、i jB i j一、彩色图像灰度化的原理一、彩色图像灰度化的原理所谓最大值法就是将彩色图像中每个像素的所谓最大值法就是将彩色图像中每个像素的R、G、B三个分量中的最大值作为灰度图对应像素三个分量中的最大值作为灰度图对应像素的灰度值。的灰度值。其计算式如下：其计算式如下：( , )max( ( , ),( , ), ( , )F i jR i j G i j B i j一、彩色图像灰度化的原理一、彩色图像灰度化的原理1、什么是图像的噪声？、什么是图像的噪声？2、图像的噪声可分成哪几种类型？、图像的噪声可分成哪几种类型？ 3、常用的图像去噪方法有哪些？、常用的图像去噪方法有哪些？4、本章教材内容有

4、哪些地方有错误？、本章教材内容有哪些地方有错误？第第9章章 图像噪声产生及处理图像噪声产生及处理 9.1 引言引言 9.2 图像去噪图像去噪 9.3 椒盐噪声椒盐噪声 9.4 高斯噪声高斯噪声 9.5 试验结果与分析试验结果与分析 9.6 分析与总结分析与总结 u了解图像噪声的概念及特点；了解图像噪声的概念及特点；u了解图像噪声的类型；了解图像噪声的类型；u 了解常用的图像去噪方法；了解常用的图像去噪方法；u掌握图像高斯噪声的生成模型及方法；掌握图像高斯噪声的生成模型及方法；u掌握图像椒盐噪声的生成模型及方法。掌握图像椒盐噪声的生成模型及方法。 高斯、椒盐噪声的生成原理与方法；高斯、椒盐噪声的

5、生成原理与方法； 相应的相应的DSP编程方法。编程方法。u所谓噪声是电路或系统中不含信息量的电压或电流，如：所谓噪声是电路或系统中不含信息量的电压或电流，如： 在工业与自然界中，存在着各种干扰源（噪声源），如大功在工业与自然界中，存在着各种干扰源（噪声源），如大功率电力电子器件的接入、大功率用电设备的开启与断开、雷率电力电子器件的接入、大功率用电设备的开启与断开、雷击闪电等都会使空间电场和磁场产生有序或无序的变化，这击闪电等都会使空间电场和磁场产生有序或无序的变化，这些都是干扰源（或噪声源）。些都是干扰源（或噪声源）。 这些源产生的电磁波或尖峰脉冲通过磁、电耦合或是通过电这些源产生的电磁波或尖

6、峰脉冲通过磁、电耦合或是通过电源线等路径进入放大电路，各种电气设备，形成各种形式的源线等路径进入放大电路，各种电气设备，形成各种形式的干扰。干扰。 u噪声可以理解为噪声可以理解为“ 妨碍人们感觉器官对所接收的信源信息理妨碍人们感觉器官对所接收的信源信息理解的因素解的因素”。u例如，一幅黑白图片，其平面亮度分布假定为例如，一幅黑白图片，其平面亮度分布假定为f(x，y)，那么，那么对其接收起干扰作用的亮度分布对其接收起干扰作用的亮度分布R(x，y)，即可称为图像噪声。，即可称为图像噪声。 u但是，噪声在理论上可以定义为但是，噪声在理论上可以定义为“不可预测，只能用概率统不可预测，只能用概率统计方法

7、来认识的随机误差计方法来认识的随机误差”。u因此，将图像噪声看成是多维随机过程是合适的，而描述噪因此，将图像噪声看成是多维随机过程是合适的，而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。在很多情况下，这样的描述方法是数和概率密度分布函数。在很多情况下，这样的描述方法是很复杂的，甚至是不可能的；很复杂的，甚至是不可能的；u实际应用通常是用其数字特征，即均值方差，相关函数等。实际应用通常是用其数字特征，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。因为这些数字特征都可以从某些方面反映

8、出噪声的特征。 简单而言，图像噪声使得图像模糊，甚至淹没图像简单而言，图像噪声使得图像模糊，甚至淹没图像特征，给图像分析带来困难。特征，给图像分析带来困难。(1) 噪声在图像中的分布和大小不规则，即具有随机性。噪声在图像中的分布和大小不规则，即具有随机性。(2) 噪声与图像之间一般具有相关性。例如，摄像机的信号和噪噪声与图像之间一般具有相关性。例如，摄像机的信号和噪声相关，黑暗部分噪声大，明亮部分噪声小。又如，数字图声相关，黑暗部分噪声大，明亮部分噪声小。又如，数字图像中的量化噪声与图像相位相关，图像内容接近平坦时，量像中的量化噪声与图像相位相关，图像内容接近平坦时，量化噪声呈现伪轮廓，但图像

9、中的随机噪声会因为颤噪效应反化噪声呈现伪轮廓，但图像中的随机噪声会因为颤噪效应反而使量化噪声变得不很明显。而使量化噪声变得不很明显。(3) 噪声具有叠加性。在串联图像传输系统中，各部分窜入噪声噪声具有叠加性。在串联图像传输系统中，各部分窜入噪声若是同类噪声可以进行功率相加，依次信噪比要下降。若不若是同类噪声可以进行功率相加，依次信噪比要下降。若不是同类噪声应区别对待，而且要考虑视觉检出特性的影响。是同类噪声应区别对待，而且要考虑视觉检出特性的影响。但是因为视觉检出特性中的许多问题还没有研究清楚，所以但是因为视觉检出特性中的许多问题还没有研究清楚，所以也只能进行一些主观的评价试验。也只能进行一些

10、主观的评价试验。 (1)加性噪声和乘性噪声。加性噪声和乘性噪声。假定信号为假定信号为S(t)，噪声为，噪声为n(t)，如果混合叠加波形是，如果混合叠加波形是S(t)+n(t)的形式，则称其为加性噪声；的形式，则称其为加性噪声；如果叠加波形为如果叠加波形为S(t)1+n(t)的形式，则称其为乘性的形式，则称其为乘性噪声。噪声。(2)外部噪声和内部噪声。外部噪声和内部噪声。外部噪声，即指系统外部干扰以电磁波或经电源串进系外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声；统内部而引起的噪声；电气设备内部引起的噪声为内部噪声电气设备内部引起的噪声为内部噪声。(3)平稳噪声和非平稳噪声

11、。平稳噪声和非平稳噪声。(4)其它几类噪声。其它几类噪声。（1）高斯噪声：）高斯噪声：221( )exp() / 22p zzu（2）瑞利噪声：）瑞利噪声：22()exp() /,( ),0zazazabp zbza当当（3）伽马）伽马(爱尔兰爱尔兰)噪声噪声 ：10( )(1)!00bbaxa zezp zbz（4）指数分布噪声）指数分布噪声 ：（6）“椒盐噪声椒盐噪声”（脉冲噪声）（脉冲噪声） ： 椒盐噪声是一种因为信号脉冲强度引起的噪声；椒盐噪声是一种因为信号脉冲强度引起的噪声； 椒盐噪声是指两种噪声，一种是盐噪声（椒盐噪声是指两种噪声，一种是盐噪声（salt noise），另一），另一

12、种是胡椒噪声（种是胡椒噪声（pepper noise）。）。 盐盐=白色，椒白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪黑色。前者是高灰度噪声，后者属于低灰度噪声。声。 一般两种噪声同时出现，呈现在图像上就是黑白杂点。一般两种噪声同时出现，呈现在图像上就是黑白杂点。 0( )00axzazp zz（5）均匀噪声：）均匀噪声：1( )0azbp zba， 当其他 （1）空间域滤波）空间域滤波（2）变换域滤波）变换域滤波（3）偏微分方程）偏微分方程（4）变分法）变分法（5）形态学噪声滤除器）形态学噪声滤除器 像素点（像素点（x，y），选择一个模板，求模板中所有像素的），选择一个模板，求模板中

13、所有像素的均值；均值；g（x，y）=1/m f（x，y），）， m为模板中像素的总个数。为模板中像素的总个数。 u均值滤波器优缺点均值滤波器优缺点均值滤波器是一种典型的线性去噪方法，因为其运算简单均值滤波器是一种典型的线性去噪方法，因为其运算简单快速，快速， 同时又能够较为有效地去除高斯噪声。因而适用面较同时又能够较为有效地去除高斯噪声。因而适用面较广，至今仍是一种常用的去噪方法，广，至今仍是一种常用的去噪方法， 许多滤除噪声方法都是许多滤除噪声方法都是在此基础上发展而来。在此基础上发展而来。其缺点是严重破坏了图像的边缘，模糊了图像。其缺点是严重破坏了图像的边缘，模糊了图像。 u小波去噪算法小

14、波去噪算法:（1） 进行二维图像信号的小波变换；进行二维图像信号的小波变换；（2） 提取小波分解中第一层的低频图像，跟踪该尺度下的极值点；提取小波分解中第一层的低频图像，跟踪该尺度下的极值点；（3） 令令j = 1，对第一层低频图像进行小波变换，提取第二层低频图像，对第一层低频图像进行小波变换，提取第二层低频图像信号，同时，以步骤中的小波变换极值点为参考，找出幅值减小的极值信号，同时，以步骤中的小波变换极值点为参考，找出幅值减小的极值点，并除去，保留幅值增加的极值点；点，并除去，保留幅值增加的极值点；（4）令）令j = 2 ,3 , ,重复步骤（重复步骤（3）；）；（5）重建去噪后的二维图像信

15、息。）重建去噪后的二维图像信息。 双极脉冲噪声也称为椒盐噪声，双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声。有时也称为散粒和尖峰噪声。 ()0abpzapzpza其 他 如果如果ba，灰度值，灰度值b在图像中将显示为一个亮点，相反，在图像中将显示为一个亮点，相反，a的值将显示为一个暗点；的值将显示为一个暗点； 若若Pa或或Pb为零，则脉冲噪声称为单极脉冲。如果为零，则脉冲噪声称为单极脉冲。如果Pa和和Pb均不可能为零，尤其是它们近似相等时，脉冲噪声值均不可能为零，尤其是它们近似相等时，脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒。将类似于随机分布在图像上的胡椒和盐粉微粒。n 噪声

16、脉冲可以是正的，也可以是负的。噪声脉冲可以是正的，也可以是负的。n 因为脉冲干扰通常与图像信号的强度相比较大，因因为脉冲干扰通常与图像信号的强度相比较大，因此，在一幅图像中，脉冲噪声总是数字化为最大值此，在一幅图像中，脉冲噪声总是数字化为最大值(纯黑或纯白纯黑或纯白)。n 这样，通常假设这样，通常假设a，b是饱和值是饱和值,从某种意义上看，在从某种意义上看，在数字化图像中，它们等于所允许的最大值和最小值。数字化图像中，它们等于所允许的最大值和最小值。n 由于这一结果，负脉冲以一个黑点由于这一结果，负脉冲以一个黑点(胡椒点胡椒点)出现在图出现在图像中。由于相同的原因，正脉冲以白点像中。由于相同的

17、原因，正脉冲以白点(盐点盐点)出现在出现在图像中。图像中。n 对于一个对于一个8位图像，这意味着位图像，这意味着a=0(黑黑)。b=255(白白)。图图9.1 椒盐噪声加噪算法流程图椒盐噪声加噪算法流程图l椒噪声和盐噪声加噪算法对应的椒噪声和盐噪声加噪算法对应的DSP程序如下：程序如下：9.4.1 基本原理基本原理n 高斯噪声是指噪声的概率密度函数服从高斯分布（即正态高斯噪声是指噪声的概率密度函数服从高斯分布（即正态分布）的一类噪声。分布）的一类噪声。 含有高斯噪声的图像，可以看成是图像的每一个像素值加含有高斯噪声的图像，可以看成是图像的每一个像素值加上一个高斯分布的随机数。上一个高斯分布的随

18、机数。 因此，要生成含高斯噪声的图像，就必须先产生高斯分布因此，要生成含高斯噪声的图像，就必须先产生高斯分布的随机数，然后再将随机数加入图像。的随机数，然后再将随机数加入图像。n 由于电脑系统函数库中的随机数生成函数生成的随机数为由于电脑系统函数库中的随机数生成函数生成的随机数为均匀分布的随机数，没有直接生成高斯随机数的函数。均匀分布的随机数，没有直接生成高斯随机数的函数。p第一，生成均匀分布随机数； p第二，实现均匀分布随机数向高斯分布随机第二，实现均匀分布随机数向高斯分布随机数转化。数转化。n 常用转化方法：中心极限定理的方法和常用转化方法：中心极限定理的方法和box-muller算法。算法。： 计算机中都有产生概率为均匀分布的函数，通过反复相加计算机中都有产生概率为均匀分布的函数，通过反复相加这个噪声，就可以产生高斯噪声，这就是中心极限定理生这个噪声，就可以产生高斯噪声，这就是中心极限定理生成高斯随机数的方法。成高斯随机数的方法。 这也可以解释为什么高斯噪声在自然界中这么常见，因为这也可以解释为什么高斯噪声在自然界中这么常见，因为各种噪声经过叠加就成了高斯噪声。各种噪声经过叠加就成了高斯噪声。