图像处理——图像平滑

图像处理——图像平滑图像的空间域平滑图像平滑的目的使图像亮度趋于平缓 突出图像的宽大区域 低频成分 主干成分 或抑制图像噪声和高频干扰成分 实则是低通滤波 平滑会导致图像边缘模糊

大家好,欢迎来到IT知识分享网。

图像的空间域平滑

图像平滑的目的

使图像亮度趋于平缓,突出图像的宽大区域,低频成分、主干成分,或抑制图像噪声高频干扰成分

实则是低通滤波

·平滑会导致图像边缘模糊

图像空间域平滑方法

  • 均值滤波
  • 中值滤波
  • 高斯滤波
  • 双边滤波

理解图像局部处理

例如,对一幅图像采用模板进行卷积运算

  • 数字信号处理里的卷积

图像处理——图像平滑

  • 图像处理里的卷积
图像处理——图像平滑

使用一个卷积核从左往右,从上往下,依次扫描整幅图像,使用每次扫描的结果,代替卷积核中间的上的像素的像素值。

均值滤波(局部平滑法)

局部平滑法是一种直接在空间域上进行平滑处理的技术。

  • 假设图像是由许多灰度恒定的小块组成,相邻像素间存在很高的空间相关性,而噪声是统计独立的。
  • 因此,可用邻域内各像素的灰度平均值代替该像素原来的灰度值,实现图像的平滑。
  • 数学公式:
图像处理——图像平滑

图像处理——图像平滑

程序示例

%% 均值滤波 I = imread('circuit.tif'); h1 = fspecial('average', 3); h2 = fspecial('average', 7); J1 = imfilter(I,h1); J2 = imfilter(I,h2); figure, subplot(1,3,1), imshow(I), title('原图'); subplot(1,3,2), imshow(J1), title('3*3卷积核'); subplot(1,3,3), imshow(J2), title('7*7卷积核'); 

运行结果

图像处理——图像平滑

卷积核越大,平滑效果越好,图像越模糊。

均值滤波对各类图像噪声的滤波效果

  • 对图像加各类噪声(imnoise)
  • 用同一尺寸的均值滤波器滤波,对比滤波效果(imfilter)

程序示例

%% 均值滤波对各类噪声的效果 clear; close all; I = imread('eight.tif'); Isp = imnoise(I,'salt & pepper',0.02); Igs= imnoise(I, 'gaussian'); Ipsn= imnoise(I,'poisson'); Ispck = imnoise(I,'speckle'); h = fspecial('average', 3);%均值滤波器 J=imfilter(I,h); Jsp=imfilter(Isp,h); Jgs=imfilter(Igs,h); Jpsn=imfilter(Ipsn,h); Jspck=imfilter(Ispck,h); figure, subplot(1,5,1), imshow(I),title('原图') subplot(1,5,2),imshow(Isp),title('椒盐噪声') subplot(1,5,3),imshow(Igs),title('高斯噪声') subplot(1,5,4),imshow(Ipsn),title('泊松噪声') subplot(1,5,5), imshow(Ispck),title('乘性噪声') figure, subplot(2,5,6), imshow(J),title('原图滤波') subplot(2,5,7),imshow(Jsp),title('椒盐噪声滤波') subplot(2,5,8),imshow(Jgs),title('高斯噪声滤波') subplot(2,5,9),imshow(Jpsn),title('泊松噪声滤波') subplot(2,5,10), imshow(Jspck),title('乘性噪声滤波') 

运行结果

图像处理——图像平滑

均值滤波的特点

在平滑图像的同时,使图像变模糊,特别是在边缘和细节处,且去噪能力越强,模糊程度越严重。

问题︰如何克服简单平均法的弊病?

  1. 超限像素平滑法
  2. 灰度相近的K个邻点平均法
  3. 最大均匀性平滑
  4. 有选择保边缘平滑法
  5. 空间低通滤波法
  6. 中值滤波

几种均值滤波的改进算法

超限像素平滑法

  • 抑制椒盐噪声比较有效果
  • 对保护微小灰度差的细节及纹理也有效
图像处理——图像平滑

灰度相近的K个邻点平均法

  • 用窗口内与中心像素的灰度最接近的k个邻像素的平均灰度代替中心像素的灰度。

最大均匀性平滑

  • 先找出围绕图像中每个像素的最均匀区域,然后用这个区域的灰度均值代替原灰度。
图像处理——图像平滑

有选择保边缘平滑法

  • 对5*5邻域内的9个掩模,即一个3+3正方形,4个五边形和4个六边形,计算各掩模的均值和方差,对方差排序,最小方差对应的掩模区的灰度均值作为输出值。
图像处理——图像平滑

总结:所有改进均是在邻域内找(空间变化,值相近判断)

空间低通滤波法

  • 前已提及,邻域平均法实际上是一种滤波方法,平滑是低通滤波,所用卷积运算中的卷积核是(H1)。
  • 卷积核不同,中心点和邻域的重要程度不同。
图像处理——图像平滑

线性滤波中的高斯滤波

图像处理——图像平滑

高斯掩模的权重系数推导

图像处理——图像平滑

高斯噪声滤波效果对比

图像处理——图像平滑

中值滤波

中值滤波将图像的每个像素用邻像素的中值代替。 是一种非线性的图像平滑法。

图像处理——图像平滑

  • 例:采用1*3窗口进行中值滤波
    • 原图像为︰
    • 处理后为∶ 4

中值滤波的特点

  • 脉冲干扰及椒盐噪声抑制效果好
  • 在抑制随机噪声的同时能有效保护边缘少被模糊掉
  • 但对点,线等细节较多的图像仍不太合适
  • 窗口尺寸的选择很重要。

一维中值滤波的几个例子(N=5)

图像处理——图像平滑

一维中值滤波向二维推广

图像处理——图像平滑

中值滤波的MATLAB实现

图像处理——图像平滑

其他示例

图像处理——图像平滑

免责声明:本站所有文章内容,图片,视频等均是来源于用户投稿和互联网及文摘转载整编而成,不代表本站观点,不承担相关法律责任。其著作权各归其原作者或其出版社所有。如发现本站有涉嫌抄袭侵权/违法违规的内容,侵犯到您的权益,请在线联系站长,一经查实,本站将立刻删除。 本文来自网络,若有侵权,请联系删除,如若转载,请注明出处:https://yundeesoft.com/93818.html

(0)

相关推荐

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

关注微信