图像平滑处理技术
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
3阶巴特沃思低通滤波器转移函数三维图
3阶巴特沃思低通滤波器转移函数剖面图
(3)指数形低通滤波器
H (u, v) exp{[ln(1 2)][D(u, v) D0 ]n} exp{0.347[D(u, v) D0 ]n}
D(u,v)=D0,H(u,v)降为最大值的 1 2 。 n为阶数。
例 中值滤波法
取3X3窗口
212 200 198
212 200 198
206 202 201
206 205 201
208 205 207
208 205 207
从小到大排列,取中间值
198 200 201 202 205 206 207 208 212
例 中值滤波去除噪声
取N=3
80 90 200 110 120
n(i,
j)
1 M
2 n
简单局部平均法
平滑后噪声方差为处理前的
1 M
。
简单局部平均会使图象模糊,特 别是轮廓边缘不清晰。
(二)中值滤波法 算例
用局部中值代替局部平均值。 令[f(x,y)]--原始图象阵列,
[g(x,y)]--中值滤波后图象阵列, f(x,y) --灰度级, g(x,y) --以f(x,y)为中心的窗口 内各象素的灰度中间值。
图像平滑的作用类似剃须刀
低通滤波法
低通滤波法: 滤除高频成分,保留低频成分,在 频域中实现平滑处理。
滤波公式: G(u, v) H (u, v)F(u, v) F(u,v) 原始图象频谱, G(u,v) 平滑图象频谱, H(u,v) 转移函数。
空间域与频率域
空间域与频率域
空间域与频率域
Terms
Frequency response: 频率响应 Cut-off frequency: 截止频率 Spectrum: 频谱 Amplitude spectrum: 幅值谱 Phase spectrum: 相位谱 Power spectrum: 功率谱 Blur: 模糊
Terms
Random: 随机 Additive: 加性的 Uncorrelated: 互不相关的 Salt & pepper noise: 椒盐噪声 Gaussian noise: 高斯噪声 Speckle noise: 斑点噪声 Grain noise: 颗粒噪声
1阶指数形低通滤波器转移函数三维图
1阶指数形低通滤波器转移函数剖面图
3阶指数形低通滤波器转移函数三维图
3阶指数形低通滤波器转移函数剖面图
(4)梯形低通滤波器
1 H (u, v) [D(u, v) D1] (D0 D1)
0
D(u, v) D0 D0 D(u, v) D1
D(u, v) D1
梯形低通滤波器转移函数三维图
梯形低通滤波器转移函数剖面图
点 击 图 片
播 放 视 频
梯形的好处
理想滤波器的难处
局部平均法
直接在空间域上对图象进行平滑处理。
该方法便于实现,计算速度快,结果也 比较令人满意。
(一)简单局部平均法 设有一幅数字有噪图象
g(x, y) f (x, y) n(x, y)
Terms
Bartlett window: 巴特雷窗 Hamming window: 汉明窗 Hanning window: 汉宁窗 Blackman window: 布赖克曼窗 Convolution: 卷积 Convolution kernel: 卷积核
(2 3)
简单局部平均法
经局部平均处理后,得到平滑图象为:
g(x, y) 1
g(i, j)
M (i, j )S
1
f (i, j) 1
n(i, j)
M (i, j )S
M (i, j )S
(2 4)
f(x,y)为原始图,n(x,y)为噪声, S:点(x,y)邻域内的点集, M:S内总点数。
M
ni (x, y)
i 1
信噪功率比增加M倍,噪声方差减小M倍。
pp.106-108
平
原
均
图
2
次
平
平
均
均
4
8
次
次
实例
中值滤波 去雀斑
中值滤波 去雀斑
中值滤波 去雀斑
高斯滤波 去雀斑
高斯滤波 去雀斑
高斯滤波 去雀斑
高斯滤波 去雀斑
局部中值滤波 去雀斑
局部中值滤波 去雀斑
对比度增强
80 90 110
例 中值滤波去除噪声
取N=3
80 90 200 110 120
200显然是个噪声。
80 90 110 120
例 中值滤波去除噪声
取N=3
80 90 200 110 120
200显然是个噪声。
80 90 110 120 120
滤波后,200被去除。
中值滤波对持续期小于窗宽(N=5) 的1/2的脉冲将进行抑制---三角形
中值滤波法
中值滤波在抑制图象随机脉冲噪声 方面甚为有效。且运算速度快,可硬 化,便于实时处理。
实例
中值滤波去除噪声
中值滤波去除噪声
中值滤波去除噪声
中值滤波去除噪声
中值滤波去除噪声
中值滤波去除噪声
(三)加权平均法
常用的几种低通滤波器
(1)理想低通滤波器
H
(u,
v)
1 0
D(u, v) D0 D(u, v) D0
其中D0为截止频率,
D(u,v)=(u2+v2)1/2: 频 率 平 面原点到点(u,v)的距离。
理想低通滤波器
特点: 物理上不可实现 有抖动现象 滤除高频成分使图象变模糊
理想低通滤波器转移函数三维图
直方图均衡化
图像锐化
Terms
Image smoothing: 图象平滑 Image averaging: 图象平均 Expectation: 数学期望 Mean: 均值 Variance: 方差 Median filtering: 中值滤波 Neighborhood: 邻域 Filter: 滤波器 Lowpass filter: 低通滤波器
Terms
Highpass filter: 高通滤波器 Bandpass filter: 带通滤波器 Bandreject filter、Bandstop filter: 带阻滤波器 Ideal filter: 理想滤波器 Butterworth filter: 巴特沃思滤波器 Exponential filter: 指数滤波器 Trapezoidal filter: 梯形滤波器 Transfer function: 传递函数
理想低通滤波器转移函数剖面图
(2)巴特沃思低通滤波器
H (u, v)
1
1 ( 2 1)[D(u, v) D0 ]2n
1
1 0.414[D(u, v)
D0 ]2n
D(u,v)=D0,H(u,v)降为最大值的 1 2 。 n为阶数。
1阶巴特沃思低通滤波器转移函数三维图
1阶巴特沃斯低通滤波器转移函数剖面图
简单局部平均法
局部平均法的基本假设: (1)图象由许多灰度恒定的小块组成。 (2)图象上的噪声是加性的、均值为零,
且与图象信号互不相关。 根据假设(1),式(2-4)第一项非常接
近 f(x,y)。 平滑后噪声方差
D
1 M
n(i,
(i, j )S
j)
1 M2
D
(i, j )S
g(x, y) w(i, j) f (i, j) n(i, j) (i, j )S
其中 w(i, j) 为权值,且 w(i, j) 1 (i, j )S
多帧平均法
g(xHale Waihona Puke Baidu y) 1
M
M
fi (x, y) ni (x, y)
i 1
f (x, y) 1 M
中值滤波对持续期小于窗宽(N=5) 的1/2的脉冲将进行抑制---阶跃
中值滤波对持续期小于窗宽(N=5) 的1/2的脉冲将进行抑制---斜坡
中值滤波对持续期小于窗宽(N=5) 的1/2的脉冲将进行抑制---单脉冲
中值滤波对持续期小于窗宽(N=5) 的1/2的脉冲将进行抑制---双脉冲
中值滤波对持续期小于窗宽(N=5) 的1/2的脉冲将进行抑制---三脉冲
图象平滑
要点:
低通滤波 局部平均 中值滤波 多帧平均
图象平滑
背景 图象在传输过程中,由于传
输信道、采样系统质量较差, 或受各种干扰的影响,而造成 图象毛糙,此时,就需对图象 进行平滑处理。
平滑可以抑制高频成分, 但也使图像变得模糊。
点 击 图 片 播 放 视 频
为什么点得着火?
200显然是个噪声。
例 中值滤波去除噪声
取N=3
80 90 200 110 120
200显然是个噪声。
80
例 中值滤波去除噪声
取N=3
80 90 200 110 120
200显然是个噪声。
80 90
例 中值滤波去除噪声
取N=3
80 90 200 110 120
200显然是个噪声。