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。
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
- 图像处理里的卷积
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:
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
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
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?
- 超限像素平滑法
- 灰度相近的K个邻点平均法
- 最大均匀性平滑
- 有选择保边缘平滑法
- 空间低通滤波法
- 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
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。
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。
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。
线性滤波中的高斯滤波
高斯掩模的权重系数推导
高斯噪声滤波效果对比
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。
- 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
- 对脉冲干扰及椒盐噪声的抑制效果好。
- 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)
一维中值滤波向二维推广
中值滤波的MATLAB实现
其他示例
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