《數字圖像處理基礎》第5章 圖像噪聲的抑制 要點歸納

http://blog.csdn.net/jyjmc/article/details/5209407 

5.1圖像噪聲的基本概念

 

兩種典型的圖像噪聲：

椒鹽噪聲：噪聲的幅度基本相同 但噪聲出現的位置是隨機的

高斯/瑞利噪聲：每一點都存在噪聲，但噪聲的幅值是隨機分布，概率密度為高斯/瑞利型

 

加性噪聲：g(x,y)=f(x,y)+n(x,y)

乘性噪聲:  g(x,y)=f(x,y)[1+n(x,y)]

乘性噪聲的噪聲項受信號的調制，如光量子噪聲、底片顆粒噪聲都會因為信號的增大而增大。

 

5.2均值濾波

 

實際上就是用均值替代原圖像中的各個像素值： f(t)=1/n * [g(t-m)+g(t-m+1)+...+g(t)+g(t+1)+...+g(t+m)] 

其中，n=2m+1為均值濾波器的長度，n=3時稱3值平均濾波，n=13即13值平均濾波

 

對於待處理像素，選取一個由近鄰幾個像素組成的模板，用模板各像素均值代替待處理像素，一般選3*3或5*5

均值濾波對高斯噪聲效果尚可，椒鹽噪聲的濾波效果不理想，他將噪聲幅值減小，但同時噪聲點的顆粒面積被變大。此外會將圖像邊緣點同時進行均值處理，使得景物清晰度降低，畫面變模糊。

將均值濾波器改善為常用加權平均濾波器：

H1=1/10{[1,1,1],[1,2,1],[1,1,1]}  H2=1/16{[1,2,1],[2,4,2],[1,2,1]}   H3=1/8{[1,1,1],[1,0,1],[1,1,1]}

 

此法計算速度快，模板越大，噪聲抑制效果越好，同時畫面模糊更加嚴重。

5.3中值濾波

從分析畫面中噪聲出現時所變現的形態可知，噪聲點上的像素通常比周圍非噪聲點的像素亮或暗。

中值濾波核心運算時將模版的數據進行排序，這樣，噪聲（亮點或暗點）會排在最邊，中間的值一般不會是噪聲。

此法對椒鹽噪聲抑制效果好，對高斯噪聲抑制效果差。

5.4邊界保持類平滑濾波

1. 灰度最小方差的均值濾波器：

在5*5模板中的9個區域內找到灰度方差最小的，在該區域內進行均值濾波

特點：物理概念明確，處理效果好，計算量大

 

2. k近鄰（K Nearest Neighbor）平滑（均值、中值）濾波器：

以待處理像素為中心，構造一個N*N的模板（N=3，5，7），在模版中選擇（K=5，9，25）個與待處理像素最相近的像素（不包括待處理像素本身），將他們的均值或中值代替待處理像素

 

3. 對稱近鄰（Symmetric Nearest Neighbor）均值濾波器：

以待處理像素為中心，構造（2N+1）*（2N+1）的模板，除中心外構成2N * （N+1）對點

在每一對對稱點中選擇一個像素值與中心最相近的點，將這2N * （N+1）個選擇的點取均值作為處理結果

該法使得邊界保持更加靈活，並降低計算量

4.西格瑪平滑濾波器

 

以上四種基本的邊界保持類平滑濾波方法都刻意避開景象邊界的平滑，使得圖像的模糊被大大降低

 

 

PS: 在對圖像做濾波時，每一次運算的輸入都應該是原始圖像像素，而不應是濾波過後的像素值。即需要將運算結果暫存，待一些像素都被處理過後，再更改處理過後像素的值。

 

 

聲明：

以上內容為自己在學習過程中的歸納總結，大部分內容來自：

《數字信號處理基礎》 朱虹等編著

科學出版社 ISBN：7-03-014835-5