现代光学检测与图像处理

1概述

在气象预报和对太空其他星球研究方面，数字图像处理技术也发挥了相当大的作用。利用Matlab可以对遥感图像进行图像增强、滤波，融合等，可大大推动在遥感图像处理的深入研究和广泛应用。

2均值滤波、中值滤波和梯度倒数加权滤波

2.1均值滤波

数字图像的均值滤波是一种利用模板对图像进行模板操作（卷积运算）的平滑方法，是一种常用的图像滤波去噪方法，该方法运算简单，对高斯噪声具有良好的去噪能力。但均值滤波在本质上是一种低通滤波的方法，在消除噪声的同时也会对图像的高频细节成分造成破坏和损失，使图像模糊。

下面用图“lena.bmp”进行实验操作：

原图：

10%的椒盐噪声：10%的高斯噪声：

3*3均值滤波：

5*5均值滤波：

2.2中值滤波

中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术。取某种结构的二维滑动模板，对待处理的当前像素，将模板内像素按照像素值的大小进行排序，生成单调上升（或下降）的二维数据序列，取排在中间位置上的像素值代替原像素值。中值对异常值的敏感性比均值的小，所以，中值滤波器可以在不减小图像对比度的情况下剔除这些异常值。

3*3中值滤波：

5*5中值滤波：

2.3梯度倒数加权滤波

为了解决均值滤波算法存在的图像模糊问题，这里介绍一种新的滤波方法：梯度倒数加权平滑法，可以比较好的克服均值滤波带来的模糊图像的缺点。

在一离散图像中，相邻区域的变化大于区域内部的变化，在同一区域中中间像素的变化小于边缘像素的变化，梯度值正比于邻近像素灰度级差值，即在图像变化缓慢区域，梯度越小，反之则大。这样梯度倒数正好与梯度相反，以梯度倒数作权重因子，则区域内部的邻点权重就大于边缘近旁或区域外的邻点。即这种平滑其主要贡献主要来自区域内部的像素，平滑后图像边缘和细节不会受到明显损害。

3数据分析

由表中数据可知，对于椒盐噪声，相比于均值滤波，中值滤波的处理效果要更接近原图像，然而其边界保持的效果也交叉。梯度倒数加权可根据不同的要求调节权重，使得滤波图像达到我们的要求：若要求滤波效果尽可能与原图像接近，那么噪声图像的比重应大一些，若要求边界保持效果好一些，那么比重就应该小一些。总之，倒数加权滤波方法较前两种滤波方法的适应性要好一些。