图像平滑PPT演示课件(PPT 98页).pptx

1、第五章第五章 图像平滑图像平滑1第1页，共98页。所谓的图像噪声，是图像在摄取时或是传输时所受到的随机干扰信号。这些干扰信号的抑制称为图像的噪声抑制。2第2页，共98页。3第3页，共98页。空间域与频率域4第4页，共98页。空间域与频率域5第5页，共98页。空间域与频率域6第6页，共98页。7第7页，共98页。),(),(),(vuFvuHvuG8第8页，共98页。00),(0),(1),(DvuDDvuDvuH 其中为截止频率，：频率平面原点到点(u,v)的距离。9第9页，共98页。物理上不可实现有抖动现象滤除高频成分使图象变模糊10第10页，共98页。理想低通滤波器转移函数三维图11第11

2、页，共98页。理想低通滤波器转移函数剖面图12第12页，共98页。（2）巴特沃思低通滤波器nnDvuDDvuDvuH2020),(414.011),()12(11),(D(u,v)=D0，H(u,v)降为最大值的 。n为阶数。21BLPF 传递系数：01H(u,v)D(u,v)13第13页，共98页。1阶巴特沃思低通滤波器转移函数三维图14第14页，共98页。1阶巴特沃斯低通滤波器转移函数剖面图15第15页，共98页。3阶巴特沃思低通滤波器转移函数三维图16第16页，共98页。3阶巴特沃思低通滤波器转移函数剖面图17第17页，共98页。),(347.0exp),()21expln(),(00n

3、nDvuDDvuDvuH（3）指数形低通滤波器（ELPF）D(u,v)=D0，H(u,v)降为最大值的 。n为阶数。2101H(u,v)D(u,v)18第18页，共98页。1阶指数形低通滤波器转移函数三维图19第19页，共98页。1阶指数形低通滤波器转移函数剖面图20第20页，共98页。3阶指数形低通滤波器转移函数三维图21第21页，共98页。3阶指数形低通滤波器转移函数剖面图22第22页，共98页。（4）梯形低通滤波器1101010),(0),()(),(),(1),(DvuDDvuDDDDDvuDDvuDvuHH(u,v)D0 D101D(u,v)23第23页，共98页。梯形低通滤波器转移

4、函数三维图24第24页，共98页。梯形低通滤波器转移函数剖面图类别振铃程度图像模糊程度噪声平滑效果 ILPF TLPF ELPF BLPF严重较轻无无严重轻较轻很轻最好好一般一般25第25页，共98页。26第26页，共98页。1 1 均值滤波器均值滤波器均值滤波的原理是：在图像上，对待处理的像均值滤波的原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来像素。将模板中的全体像素的均值来替代原来的像素值的方法。的像素值的方法。均值滤波可以用来对均值滤波可以用来对椒盐噪声椒盐噪声和和高斯噪声高斯噪声进

5、行滤波。进行滤波。27第27页，共98页。1.1 1.1 均值滤波器均值滤波器1091 1 11 1 11 1 1H以模块运算系数表示即：以模块运算系数表示即：12143122345768957688567891214312234576895768856789344456678C=6.6316C=5.526328第28页，共98页。1.2 1.2 加权均值滤波器加权均值滤波器1111211111011H1212421211612H111101111813H0010041414141214H将以上的均值滤波器加以修正，可以得到加权平均滤将以上的均值滤波器加以修正，可以得到加权平均滤波器。波器。2

6、9第29页，共98页。2 2 中值滤波器中值滤波器1.问题的提出问题的提出 我们看到，虽然均值滤波器对噪声有抑制我们看到，虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。为了有作用，但同时会使图像变得模糊。为了有效地改善这一状况，必须寻找新的滤波器。效地改善这一状况，必须寻找新的滤波器。中值滤波就是一种有效的方法。中值滤波就是一种有效的方法。30第30页，共98页。2 2 中值滤波器中值滤波器2.中值滤波器的设计思想中值滤波器的设计思想因为噪声（椒盐）的出现，使该点像素比周围因为噪声（椒盐）的出现，使该点像素比周围的像素亮（暗）许多，的像素亮（暗）许多，给出滤波用的模板，给出滤波用的模

7、板，如下图所示是一个一维的模板，对模板中的像如下图所示是一个一维的模板，对模板中的像素值由小到大排列，最终待处理像素的灰度取素值由小到大排列，最终待处理像素的灰度取这个模板中排在中间位置上的像素的灰度值。这个模板中排在中间位置上的像素的灰度值。31第31页，共98页。2 2 中值滤波器中值滤波器数值排序数值排序m-2m-1mm+1m+2610258mm+1m-2m+2m-16102582632第32页，共98页。5.2 5.2 中值滤波器中值滤波器例：原图像为：处理后为：22(1,2,2,2,6)2(1,2,2,2,6)2(1,2,2,4,6)2244444(2,4,4)33第33页，共98页

8、。2 2 中值滤波器中值滤波器3.二维中值滤波模板：与均值滤波类似，做3*3的模板，对9个数排序，取第5个数替代原来的像素值。34第34页，共98页。2 2 中值滤波器中值滤波器例：12143122345768957688567891214312234576895768856789234566678C=6.6316C=5.526335第35页，共98页。2 2 中值滤波器中值滤波器因为中值滤波的原理是取合理的邻近像素值来替代噪声点，所以只适合于椒盐噪声的去除，不适合高斯噪声的去除。36第36页，共98页。中值滤波器与均值滤波器的比较对于对于椒盐噪声椒盐噪声，中值滤波效果比均值，中值滤波效果比均

9、值滤波效果好。滤波效果好。原因：原因：椒盐噪声是幅值近似相等但随机分布在不同位椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。置上，图像中有干净点也有污染点。中值滤波是选择适当的点来替代污染点的值，所中值滤波是选择适当的点来替代污染点的值，所以处理效果好。以处理效果好。因为噪声的均值不为因为噪声的均值不为0 0，所以均值滤波不能很好，所以均值滤波不能很好地去除噪声点。地去除噪声点。37第37页，共98页。中值滤波器与均值滤波器的比较对于对于高斯噪声高斯噪声，均值滤波效果比中值滤波效，均值滤波效果比中值滤波效果好。果好。原因：原因：高斯噪声是幅值近似正态分布，但分布在每点

10、像素上。高斯噪声是幅值近似正态分布，但分布在每点像素上。因为图像中的每点都是污染点，所中值滤波选不到合适的干因为图像中的每点都是污染点，所中值滤波选不到合适的干净点。净点。因为正态分布的均值为因为正态分布的均值为0，所以根据统计数学，均值可，所以根据统计数学，均值可以消除噪声。以消除噪声。38第38页，共98页。3 3 边界保持平滑滤波器边界保持平滑滤波器1.1.问题的提出：问题的提出：前面的处理结果可知，经过平滑（特别前面的处理结果可知，经过平滑（特别是均值）滤波处理之后，图像就会变得模糊。是均值）滤波处理之后，图像就会变得模糊。分析原因，在图像上的景物之所以可以辨认分析原因，在图像上的景物

11、之所以可以辨认清楚是因为目标物之间存在边界。而边界点与噪清楚是因为目标物之间存在边界。而边界点与噪声点有一个共同的特点是，都具有灰度的跃变特声点有一个共同的特点是，都具有灰度的跃变特性。所以平滑处理会同时将边界也处理了。性。所以平滑处理会同时将边界也处理了。39第39页，共98页。3.1 3.1 边界保持平滑滤波器设计思想边界保持平滑滤波器设计思想为了解决图像模糊问题，一个自然的想法就是，为了解决图像模糊问题，一个自然的想法就是，在进行平滑处理时，首先判别当前像素是否为在进行平滑处理时，首先判别当前像素是否为边界上的点，如果是，则不进行平滑处理；如边界上的点，如果是，则不进行平滑处理；如果不是

12、，则进行平滑处理。果不是，则进行平滑处理。40第40页，共98页。3.2 K3.2 K近邻近邻(KNN)(KNN)平滑滤波器平滑滤波器边界保持滤波器的核心是确定边界点与非边界点。如图所示，点1是黄色区域的非边界点，点2是蓝色区域的边界点。在模板中，分别选出5个与点1或点2灰度值最相近的点进行计算，不影响 效果。换句话说，对非边界点的影响 不是很大，但是对边界点的影 响就非常大。1241第41页，共98页。3.3K K近邻近邻(KNN)(KNN)平滑滤波器算法平滑滤波器算法1)1)以待处理像素为中心，作一个以待处理像素为中心，作一个m m*m m的作用模板。的作用模板。2 2）在模板中，选择）在

13、模板中，选择K K个与待处理像素的灰度差为最个与待处理像素的灰度差为最小的像素。小的像素。3 3）将这）将这K K个像素的灰度均值替换掉原来的像素值。个像素的灰度均值替换掉原来的像素值。42第42页，共98页。3.4 KNN3.4 KNN平滑滤波例题平滑滤波例题例：3*3模板，k=512143122345768957688567891214312234576895768856789223678768(1+1+2+2+2)/5=1.6=2(1+2+2+2+3)/5=2(2+3+3+4+4)/5=3.2=3(5+6+6+7+7)/5=6.2=6(6+6+7+7+8)/5=6.8=7(6+8+8+8

14、+9)/5=7.8=8(6+6+7+7+7)/5=6.6=7(6+6+6+7+7)/5=6.4=6(7+8+8+8+8)/5=7.8=843第43页，共98页。3.5 KNN平滑滤波器的效果分析首先来看一下首先来看一下KNNKNN均值滤波均值滤波的效果。的效果。KNNKNN滤波器因为有了边界保持的作用，所以在去除椒盐以滤波器因为有了边界保持的作用，所以在去除椒盐以及高斯噪声时，对图像景物的清晰度保持方面的效果非常及高斯噪声时，对图像景物的清晰度保持方面的效果非常明显；明显；KNNKNN滤波器的像素选择，同时也使噪声得到了最大程度的抑滤波器的像素选择，同时也使噪声得到了最大程度的抑制。制。当然，

15、所付出的代价是：算法的复杂度增加了。当然，所付出的代价是：算法的复杂度增加了。44第44页，共98页。均值滤波器的效果（椒盐噪声）均值滤波器的效果（椒盐噪声）45第45页，共98页。均值滤波器的效果（高斯噪声）均值滤波器的效果（高斯噪声）46第46页，共98页。加权均值滤波器的效果加权均值滤波器的效果h0h1h2h3h447第47页，共98页。加权均值滤波器的效果加权均值滤波器的效果(H0)48第48页，共98页。加权均值滤波器的效果（加权均值滤波器的效果（H1）49第49页，共98页。加权均值滤波器的效果加权均值滤波器的效果(H2)50第50页，共98页。加权均值滤波器的效果加权均值滤波器的

16、效果(H3)51第51页，共98页。加权均值滤波器的效果加权均值滤波器的效果(H4)52第52页，共98页。中值滤波器的效果（椒盐噪声）53第53页，共98页。中值滤波器的效果（高斯噪声）54第54页，共98页。中值滤波与均值滤波效果比较（椒盐噪声）中值滤波中值滤波均值滤波均值滤波55第55页，共98页。中值滤波与均值滤波效果比较（高斯噪声）中值滤波中值滤波均值滤波均值滤波56第56页，共98页。KNN均值滤波器的效果（椒盐噪声）均值滤波中值滤波中值滤波KNN均值滤波57第57页，共98页。KNN均值滤波器的效果（高斯噪声）均值滤波均值滤波 中值滤波中值滤波KNNKNN均值滤波均值滤波58第5

17、8页，共98页。KNN中值滤波器的效果（椒盐噪声）注：这种情况用注：这种情况用KNNKNN效果不明显效果不明显59第59页，共98页。KNN中值滤波器的效果（高斯噪声）注：这种情况用注：这种情况用KNNKNN效果不明显效果不明显60第60页，共98页。图像的噪声示意图图像的噪声示意图(a)椒盐噪声 (b)高斯噪声椒盐噪声的幅值近似相等，但发生的位置是随机的；椒盐噪声的幅值近似相等，但发生的位置是随机的；高斯噪声存在于每一点像素，但幅值是随机分布的。高斯噪声存在于每一点像素，但幅值是随机分布的。61第61页，共98页。62第62页，共98页。中值滤波去除噪声63第63页，共98页。中值滤波去除噪

18、声64第64页，共98页。中值滤波去除噪声65第65页，共98页。中值滤波去除噪声66第66页，共98页。中值滤波去除噪声67第67页，共98页。中值滤波去除噪声68第68页，共98页。69第69页，共98页。70第70页，共98页。71第71页，共98页。72第72页，共98页。73第73页，共98页。74第74页，共98页。75第75页，共98页。76第76页，共98页。77第77页，共98页。78第78页，共98页。79第79页，共98页。80第80页，共98页。81第81页，共98页。82第82页，共98页。83第83页，共98页。84第84页，共98页。85第85页，共98页。86第86页，共98页。87第87页，共98页。88第88页，共98页。89第89页，共98页。中值滤波 去雀斑90第90页，共98页。中值滤波 去雀斑91第91页，共98页。中值滤波 去雀斑92第92页，共98页。高斯滤波 去雀斑93第93页，共98页。高斯滤波 去雀斑94第94页，共98页。高斯滤波 去雀斑95第95页，共98页。高斯滤波 去雀斑96第96页，共98页。局部中值滤波 去雀斑97第97页，共98页。局部中值滤波 去雀斑98第98页，共98页。