圖像檢測(cè)噪聲抑制

圖像檢測(cè)噪聲抑制第一頁，共五十一頁，2022年，8月28日5.1圖像噪聲的基本概念所謂的圖像噪聲，是圖像在攝取時(shí)或是傳輸時(shí)所受到的隨機(jī)干擾信號(hào)。這些干擾信號(hào)的抑制稱為圖像的噪聲抑制。第二頁，共五十一頁，2022年，8月28日高斯噪聲

數(shù)學(xué)期望椒鹽噪聲

但數(shù)據(jù)中還存在一些沒有噪聲的點(diǎn)

理想情況下，所得到的結(jié)果中不含噪聲

經(jīng)過均值濾波之后，中所包含的噪聲強(qiáng)度低于第三頁，共五十一頁，2022年，8月28日5.2均值濾波器均值濾波的原理是：在圖像上，對(duì)待處理的像素給定一個(gè)模板，該模板包括了其周圍的鄰近像素。將模板中的全體像素的均值來替代原來的像素值的方法。均值濾波可以用來對(duì)椒鹽噪聲和高斯噪聲進(jìn)行濾波。第四頁，共五十一頁，2022年，8月28日5.2.1均值濾波器

以模塊運(yùn)算系數(shù)表示即：12143122345768957688567891214312234576895768856789344556678C=6.6316C=5.5263第五頁，共五十一頁，2022年，8月28日5.2.2加權(quán)均值濾波器將以上的均值濾波器加以修正，可以得到加權(quán)平均濾波器。第六頁，共五十一頁，2022年，8月28日5.3中值濾波器1.問題的提出我們看到，雖然均值濾波器對(duì)噪聲有抑制作用，但同時(shí)會(huì)使圖像變得模糊。為了有效地改善這一狀況，必須尋找新的濾波器。中值濾波就是一種有效的方法。2.中值濾波器的設(shè)計(jì)思想

因?yàn)樵肼暎ń符}）的出現(xiàn)，使該點(diǎn)像素比周圍的像素亮（暗）許多，給出濾波用的一個(gè)一維的模板，對(duì)模板中的像素值由小到大排列，最終待處理像素的灰度取這個(gè)模板中排在中間位置上的像素的灰度值。第七頁，共五十一頁，2022年，8月28日數(shù)值排序m-2m-1mm+1m+2610258mm+1m-2m+2m-161025826第八頁，共五十一頁，2022年，8月28日例：原圖像為：

22621244424

處理后為：

22(1,2,2,2,6)2(1,2,2,2,6)2(1,2,2,4,6)2244444(2,4,4)第九頁，共五十一頁，2022年，8月28日3.二維中值濾波模板：

與均值濾波類似，做33的模板，對(duì)9個(gè)數(shù)排序，取第5個(gè)數(shù)替代原來的像素值。第十頁，共五十一頁，2022年，8月28日例：12143122345768957688567891214312234576895768856789234566678C=6.6316C=5.5263第十一頁，共五十一頁，2022年，8月28日因?yàn)橹兄禐V波的原理是取合理的鄰近像素值來替代噪聲點(diǎn)，所以只適合于椒鹽噪聲的去除，不適合高斯噪聲的去除。第十二頁，共五十一頁，2022年，8月28日中值濾波器與均值濾波器的比較對(duì)于椒鹽噪聲，中值濾波效果比均值濾波效果好。

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)。第十三頁，共五十一頁，2022年，8月28日對(duì)于高斯噪聲，均值濾波效果比均值濾波效果好。

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，所以根據(jù)統(tǒng)計(jì)數(shù)學(xué)，均值可以消除噪聲。（注意：實(shí)際上只能減弱，不能消除。思考為什么？）第十四頁，共五十一頁，2022年，8月28日5.4邊界保持平滑濾波器1.問題的提出：

前面的處理結(jié)果可知，經(jīng)過平滑（特別是均值）濾波處理之后，圖像就會(huì)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。所以平滑處理會(huì)同時(shí)將邊界也處理了。第十五頁，共五十一頁，2022年，8月28日5.4.1邊界保持平滑濾波器設(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。第十六頁，共五十一頁，2022年，8月28日5.4.2K近鄰(KNN)平滑濾波器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)。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，不影響效果。

換句話說，對(duì)非邊界點(diǎn)的影響不是很大，但是對(duì)邊界點(diǎn)的影響就非常大。12第十七頁，共五十一頁，2022年，8月28日5.4.3K近鄰(KNN)平滑濾波器算法1)以待處理像素為中心，作一個(gè)mm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掉原來的像素值。第十八頁，共五十一頁，2022年，8月28日5.4.4KNN平滑濾波例題例：3×3模板，K=512143122345768957688567891214312234576895768856789123677678(1+1+1+2+2)/5=1.41(1+2+2+3+4)/5=2.42(1+2+3+4+4)/5=2.83(5+5+6+6+7)/5=5.86(6+7+7+8+8)/5=7.17(6+6+8+8+9)/5=7.47(6+6+6+7+7)/5=6.46(6+6+7+7+7)/5=6.67(7+8+8+8+9)/5=812143123445566956788567891214313444555695678856789中值濾波均值濾波第十九頁，共五十一頁，2022年，8月28日5.4.5KNN平滑濾波器的效果分析首先來看一下KNN均值濾波的效果。KNN濾波器因?yàn)橛辛诉吔绫３值淖饔?，所以在去除椒鹽以及高斯噪聲時(shí)，對(duì)圖像景物的清晰度保持方面的效果非常明顯；KNN濾波器的像素選擇，同時(shí)也使噪聲得到了最大程度的抑制。當(dāng)然，所付出的代價(jià)是：算法的復(fù)雜度增加了。第二十頁，共五十一頁，2022年，8月28日5.4.6KNN中值濾波器1)作一個(gè)m×m的作用模板。2）在其中選擇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)像素的灰度中值替換掉原來的值。1311424552,3，4，5,5131142455第二十一頁，共五十一頁，2022年，8月28日5.4.7SNN對(duì)稱近鄰（均值濾波器)

核心思想:在一個(gè)局部范圍內(nèi)，通過幾對(duì)對(duì)稱點(diǎn)像素值的比較，獲得對(duì)相同區(qū)域及不同區(qū)域的判別，之后將均值計(jì)算在所判定的同一個(gè)區(qū)域內(nèi)進(jìn)行，這樣可以使邊界的保持更加靈活的同時(shí)又可以降低計(jì)算量。(a)椒鹽噪聲污染(b)圖(a)的處理結(jié)果(c)高斯噪聲污染(d)圖(c)的處理結(jié)果第二十二頁，共五十一頁，2022年，8月28日找到12對(duì)對(duì)稱點(diǎn)為(2,9)，(1,9)，(4,8)，(3,7)，(3,6)，(10,8)，(2,8)，(3,0)，(4,7)，(4,5)，(2,6)，(6,8)；找出與灰度值相近的點(diǎn)為[9,9,8,7,6,10,8,3,7,5,7,8]求均值得對(duì)于f(4,4)=18點(diǎn)第二十三頁，共五十一頁，2022年，8月28日補(bǔ)充:代數(shù)運(yùn)算

(圖像間運(yùn)算:+-

)迭加:相減：DSA、運(yùn)動(dòng)物體檢測(cè)。相乘：提取或刪掉圖像某部分。相除：遙感多光譜圖像相除抵消入射分量i(x,y)。CT原理示意圖第二十四頁，共五十一頁，2022年，8月28日相加M=1M=2M=4M=16順便提:多幅圖像的均值濾波應(yīng)用第二十五頁，共五十一頁，2022年，8月28日照相B門的運(yùn)用，（長(zhǎng)時(shí)間曝光可以看成多幅圖迭加），生成特效照片：千手觀音表演（中國殘疾人藝術(shù)團(tuán)）CT原理圖：淡入淡出第二十六頁，共五十一頁，2022年，8月28日相加第二十七頁，共五十一頁，2022年，8月28日相減第二十八頁，共五十一頁，2022年，8月28日第二十九頁，共五十一頁，2022年，8月28日相減：檢測(cè)運(yùn)動(dòng)物體第三十頁，共五十一頁，2022年，8月28日打造影劑前成一幅圖像，打造影劑后成一幅圖像，因造影劑只隨血流在血管中擴(kuò)散。兩幅圖相減得到血管的增強(qiáng)圖像。第三十一頁，共五十一頁，2022年，8月28日相乘第三十二頁，共五十一頁，2022年，8月28日相除

遙感多光譜圖像相除抵消入射分量i(x,y)。第三十三頁，共五十一頁，2022年，8月28日

作業(yè)（共2題）1.P100第2題2.P101第3（2）題第三十四頁，共五十一頁，2022年，8月28日均值濾波器的效果（椒鹽噪聲）第三十五頁，共五十一頁，2022年，8月28日均值濾波器的效果（高斯噪聲）第三十六頁，共五十一頁，2022年，8月28日加權(quán)均值濾波器的效果h0h1h2h3h4第三十七頁，共五十一頁，2022年，8月28日加權(quán)均值濾波器的效果(H0)第三十八頁，共五十一頁，2022年，8月28日加權(quán)均值濾波器的效果（H1）第三十九頁，共五十一頁，2022年，8月28日加權(quán)均值濾波器的效果(H2)第四十頁，共五十一頁，2022年，8月28日加權(quán)均值濾波器的效果(H3)第四十一頁，共五十一頁，2022年，8月28日加權(quán)均值濾波器的效果(H4)第四十二頁，共五十一頁，2022年，8月28日中值濾波器的效果（椒鹽噪聲）第四十三頁，共五十一頁，2022年，8月28日中值濾波器的效果（高斯噪聲）第四十四頁，共五十一頁，2022年，8月28日中值濾波與均值濾波效果比較

（椒鹽噪聲）中值濾波均值濾波第四十五頁，共五十一頁，2022年，8月28日中值濾波與均值濾波效果比較

（高斯噪聲）中值濾波均值濾波第四十六頁，共五十一頁，2022年，8月28日KNN均值濾波器的效果（椒鹽噪聲）均值濾波中值濾波KNN均值濾波第四十七頁，共五十一頁，2022年，8月28日KNN均值濾波器的效果（高斯噪聲）

均值濾波

中值濾波KNN均