4-2、圖像增強(qiáng)之噪聲抑制

1、圖像噪聲抑制主要內(nèi)容：圖像噪聲的概念均值濾波中值濾波邊界保持類濾波器圖像增強(qiáng)的目的之一就在于增強(qiáng)有用信息，抑制無用信息，從而改善圖像質(zhì)量，提高視覺效果。圖像在攝取或傳輸過程中會受到隨機(jī)干擾信號的影響，稱之為圖像噪聲。噪聲的出現(xiàn)使圖像質(zhì)量下降。常見的有椒鹽噪聲和高斯噪聲。 一、圖像噪聲的概念椒鹽噪聲示例高斯噪聲示例椒鹽噪聲的特征: 出現(xiàn)位置是隨機(jī)的，但噪聲的幅值是基本相同的。高斯噪聲的特征： 出現(xiàn)在位置是一定的（每一點(diǎn)上），但噪聲的幅值是隨機(jī)的。圖像噪聲的特點(diǎn)設(shè)計(jì)出噪聲抑制濾波器，在盡可能保持原圖信息的基礎(chǔ)上，抑制噪聲，以達(dá)到圖像平滑的目的。均值濾波器中值濾波器邊界保持類濾波器二、圖像噪聲的抑制

2、方法1、均值濾波在假定噪聲為加性的條件下，利用鄰域的平均或加權(quán)平均來有效地抑制噪聲干擾。也稱為均值濾波。鄰域的兩種類型：4鄰域和8鄰域4鄰域和8鄰域4鄰域8鄰域均值濾波器 原理在圖像上，對待處理的像素給定一個(gè)模板，該模板包括了其周圍的鄰域像素。將模板中的全體像素的均值來替代原來的像素值的方法。以模塊運(yùn)算系數(shù)表示即：12111111911121255656565551211111191112125565656555122334444待處理像素均值濾波器 處理方法(1+2+1+1+1+1+1+1+2)/9=1.2=1(2+1+1+1+1+9+1+2+1)/9=2.1=2(1+1+1+1+9+1+2

3、+1+2)/9=2.1=2(1+1+1+1+1+2+5+5+6)/9=2.6=3(1+1+9+1+2+1+5+6=5)/9=3.4=3(1+9+1+2+1+2+6+5+6)/9=3.7=4(1+1+2+5+5+6+5+6+5)/9=4(1+2+1+5+6+5+6+5+5)/9=4(2+1+2+6+5+6+5+5+5)/9=4.1=4均值濾波器 效果分析12111111911121255656565555556564445243311221111121對于邊緣，處理前圖像子塊中第三行與第四行間有灰度突變，體現(xiàn)為圖像邊緣；處理后灰度突變由4個(gè)灰度級降為01個(gè)灰度級，灰度突變減弱，邊緣被模糊；對于噪

4、聲點(diǎn)，處理后其幅值從9降為2，幅值降低，噪聲被抑制；均值濾波器濾椒鹽噪聲的效果均值濾波器濾高斯噪聲的效果均值濾波器的缺點(diǎn)是，會使圖像變的模糊，原因是它對所有的點(diǎn)都是同等對待，在將噪聲點(diǎn)分?jǐn)偟耐瑫r(shí)，將景物的邊界點(diǎn)也分?jǐn)偭?。為了改善效果，就可采用加?quán)平均的方式來構(gòu)造濾波器。均值濾波器的改進(jìn) 加權(quán)均值濾波均值濾波器的改進(jìn) 加權(quán)均值濾波 如下，是幾個(gè)典型的加權(quán)平均濾波器。示例示例示例示例加權(quán)均值濾波器的效果(H1)H0的比較例H1的效果加權(quán)均值濾波器的效果（H2）H0的比較例H2的效果加權(quán)均值濾波器的效果(H3)H0的比較例H3的效果加權(quán)均值濾波器的效果(H4)H0的比較例H4的效果2、中值濾波器雖然

5、均值濾波器對噪聲有抑制作用，但同時(shí)會使圖像變得模糊。即使是加權(quán)均值濾波，改善的效果也是有限的。為了有效地改善這一狀況，必須改換濾波器的設(shè)計(jì)思路，中值濾波就是一種有效的方法。中值濾波器 設(shè)計(jì)思想因?yàn)樵肼暎ㄈ缃符}噪聲）的出現(xiàn)，使該點(diǎn)像素比周圍的像素亮（暗）許多。如果在某個(gè)模板中，對像素進(jìn)行由小到大排列的重新排列，那么最亮的或者是最暗的點(diǎn)一定被排在兩側(cè)。取模板中排在中間位置上的像素的灰度值替代待處理像素的值，就可以達(dá)到濾除噪聲的目的。中值濾波器 濾波處理方法與均值濾波類似，做3*3的模板，對9個(gè)數(shù)排序，取第5個(gè)數(shù)替代原來的像素值。中值濾波器 例題示例2示例1121111119111212556565

6、65551211111191112125565656555111122555中值濾波器的效果（椒鹽噪聲）中值濾波器的效果（高斯噪聲）中值濾波器與均值濾波器的比較對于椒鹽噪聲，中值濾波效果比均值濾波效果好。 中值濾波與均值濾波效果比較 （椒鹽噪聲）中值濾波均值濾波中值濾波器與均值濾波器的比較原因：椒鹽噪聲是幅值近似相等但隨機(jī)分布在不同位置上，圖像中有干凈點(diǎn)也有污染點(diǎn)。中值濾波是選擇適當(dāng)?shù)狞c(diǎn)來替代污染點(diǎn)的值，所以處理效果好。因?yàn)樵肼暤木挡粸?，所以均值濾波不能很好地去除噪聲點(diǎn)。中值濾波器與均值濾波器的比較對于高斯噪聲，均值濾波效果比中值濾波效果好。 中值濾波與均值濾波效果比較（高斯噪聲）中值濾波

7、均值濾波中值濾波器與均值濾波器的比較原因：高斯噪聲是幅值近似正態(tài)分布，但分布在每點(diǎn)像素上。因?yàn)閳D像中的每點(diǎn)都是污染點(diǎn)，所以中值濾波選不到合適的干凈點(diǎn)。因?yàn)檎龖B(tài)分布的均值為0，所以均值濾波可以消除噪聲。中值濾波器與均值濾波器的比較噪聲特點(diǎn)方法處理后圖像椒鹽分布隨機(jī)幅值一定均值抑制噪聲，邊緣明顯模糊中值濾除噪聲，邊緣少許模糊高斯分布固定幅值不定均值濾除噪聲，邊緣明顯模糊中值噪聲無法去除，邊緣也無模糊3、邊界保持類平滑濾波器經(jīng)過平滑濾波處理之后，圖像就會變得模糊。分析原因，在圖像上的景物之所以可以辨認(rèn)清楚是因?yàn)槟繕?biāo)物之間存在邊界。而邊界點(diǎn)與噪聲點(diǎn)有一個(gè)共同的特點(diǎn)是，都具有灰度的躍變特性。所以平滑處理

8、會同時(shí)將邊界也處理了。 邊界保持類平滑濾波器 設(shè)計(jì)思想為了解決圖像模糊問題，一個(gè)自然的想法就是，在進(jìn)行平滑處理時(shí)，首先判別當(dāng)前像素是否為邊界上的點(diǎn)，如果是，則不進(jìn)行平滑處理；如果不是，則進(jìn)行平滑處理。K近鄰(KNN)平滑濾波器 原理分析邊界保持濾波器的核心是確定邊界點(diǎn)與非邊界點(diǎn)。如圖所示，點(diǎn)1是黃色區(qū)域的非邊界點(diǎn)，點(diǎn)2是藍(lán)色區(qū)域的邊界點(diǎn)。點(diǎn)1模板中的像素全部 是同一區(qū)域的； 點(diǎn)2模板中的像素則包 括了兩個(gè)區(qū)域。12K近鄰(KNN)平滑濾波器 原理分析在模板中，分別選出5個(gè)與點(diǎn)1或點(diǎn)2灰度值最相近的點(diǎn)進(jìn)行計(jì)算，則不會出現(xiàn)兩個(gè)區(qū)域信息的混疊平均。這樣，就達(dá)到了邊界保持 的目的。12K近鄰(KNN)

9、平滑濾波器 實(shí)現(xiàn)算法1) 以待處理像素為中心，作一個(gè)3*3的作用模板2）在模板中，選擇K個(gè)與待處理像素的灰度差為最小的像素3）將這K個(gè)像素的灰度均值替換待處理像素值K近鄰(KNN)均值濾波器 例題例：圖像子塊如下圖，給定3*3模板，k=5。12111111911121255656565551211111191112125565656555113111555(1+1+1+1+1)/5=1(1+1+1+1+1)/5=1(1+1+2+2+9)/5=3(1+1+1+1+1)/5=1(1+1+1+1+2)/5=1.2=1(1+1+1+2+2)/5=1.4=1(5+5+5+5+6)/5=5.2=5(5+5+5+5+6)/5=5.2=5(5+5+5+5+6)/5=5.2=5K近鄰(KNN)平滑濾波器 效果分析首先來看一下KNN平滑濾波的效果。KNN濾波