圖像去噪課件

圖像處理與分析圖像去噪1.圖像處理與分析圖像去噪1.圖像處理與分析圖像去噪1.圖像處理與分析圖像去噪1.目錄基礎知識基本的去噪算法改進的去噪算法總結與問題2.目錄基礎知識2.目錄基礎知識2.目錄基礎知識2.圖像噪聲

噪聲對人的影響可以理解為“妨礙人們感覺器官對所接收的信源信息理解的因素”。而圖像中各種妨礙人們對其信息接受的因素即可稱為圖像噪聲；實際的圖像受到隨機誤差的影響而發(fā)生的退化稱之為圖像噪聲。圖像去噪

減少數(shù)字圖像中噪聲的過程稱為圖像去噪，其有利于對圖像的進一步處理，如圖像增強、圖像邊緣檢測等。3.圖像噪聲3.圖像噪聲3.圖像噪聲3.常見的圖像噪聲（1）加性噪聲加性嗓聲和圖像信號是不相關的，如圖像在傳輸過程中引進的“信道噪聲”電視攝像機掃描圖像的噪聲。這類噪聲和圖像的關系可表示為

（2）乘性噪聲乘性嗓聲和圖像信號是相關的，往往隨圖像信號的變化而變化，如飛點掃描圖像中的嗓聲、電視掃描光柵、膠片顆粒造成等。這類噪聲和圖像的關系可表示為

4.常見的圖像噪聲4.常見的圖像噪聲4.常見的圖像噪聲4.

（3）量化噪聲

量化嗓聲是數(shù)字圖像的主要噪聲源，其大小顯示出數(shù)字圖像和原始圖像的差異，減少這種嗓聲的最好辦法就是采用按灰度級概率密度函數(shù)選擇化級的最優(yōu)化措施。

（4）脈沖噪聲（椒鹽噪聲）

椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由圖像切割引起。椒鹽噪聲是指兩種噪聲，一種是鹽噪聲（saltnoise），另一種是胡椒噪聲（peppernoise）。鹽=白色，椒=黑色。前者是高灰度噪聲，后者屬于低灰度噪聲。5.（3）量化噪聲5.（3）量化噪聲5.（3）量化噪聲5.圖像去噪算法分類

（1）空間域濾波（均值濾波、中值濾波、維納濾波等）（2）變換域濾波（傅里葉變換、小波變換、K-L變換等）（3）偏微分方程（4）變分法（5）形態(tài)學噪聲濾波器6.圖像去噪算法分類6.圖像去噪算法分類6.圖像去噪算法分類6.基于空間域的去噪算法均值濾波一種典型的線性濾波算法，它是指對目標圖像上每一個像素給一個模板進行處理。均值濾波又被稱為線性濾波，這種濾波方式使用的方法主要是鄰域平均法。中值濾波一種非線性的平滑技術，它的原理是將任意像素點的灰度值設為這個點某鄰域窗口內(nèi)的所有像素點灰度值的數(shù)字序列中的中值，從而能夠有效地去除孤立點。維納濾波維納濾波器（Wienerfilter）是由20世紀著名的數(shù)學家諾伯特·維納（RorbertWiener）提出的一種以最小平方為最優(yōu)準則的線性濾波器。它適用于需要從噪聲中分離出的有用信號是整個信號（即就是波形），而不僅僅只是為了分離出它的幾個參量。7.基于空間域的去噪算法均值濾波7.基于空間域的去噪算法均值濾波7.基于空間域的去噪算法均值濾波均值濾波（鄰域平均法、平滑線性濾波）原理：給定一個模板，用模板中的全體像素的均值來替代原來模板中心像素值。P0P1P2P3P4P5P6P7P8輸出中心像素的8鄰域的平均值qx,y=0,1,…,N-1；S是以(x,y)為中心的鄰域的集合，M是S內(nèi)的點數(shù)。8.均值濾波（鄰域平均法、平滑線性濾波）原理：給定一個模板，用均值濾波（鄰域平均法、平滑線性濾波）原理：給定一個模板，用中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗口內(nèi)各點的中值代替。443521034524444按灰度值大小排列像素點223344451022334445109.中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗口內(nèi)各點的中值代替。22215151522215151522215151522151510.中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗改進的中值濾波算法利用較大鄰域作噪聲的甄別，甄別出噪聲后在小的鄰域內(nèi)利用判別為圖像信息的像素點作中值濾波運算的雙鄰域算法。通過方差來進行椒鹽噪聲和圖像信息的甄別采用3x3的鄰域窗口模板，記中心像素點為f(i,j)，將中心像素點及其8鄰域記作一個集合，可得平均值為方差為：i-1,j-1i,j-1i+1,j-1i-1,ji,ji+1,ji-1,j+1i,j+1i+1,j+111.改進的中值濾波算法利用較大鄰域作噪聲的甄別，甄別出噪聲后在小改進的中值濾波算法利用較大鄰域作噪聲的甄別，甄別出噪聲后在小

對9個像素點按大小排序后，其值可表示為yi(i=1，2，...，9)，當|yi-M|≤σ時，認為對應像素點值為圖像信號值，保留不變；當|yi-M|>σ時，認為對應yi為噪聲信號值，舍棄。最后取判定為信號值的像素點值的中值為鄰域中心像素點替代值。

根據(jù)統(tǒng)計規(guī)律，3x3鄰域內(nèi)占比例高的噪聲在更大的范圍內(nèi)不一定還占有數(shù)量優(yōu)勢，這樣可以在較大鄰域中進行噪聲像素點的甄別，比如取5x5的鄰域，則均值和方差為對像素點的比較仍然對3x3鄰域的9個像素點進行。12.對9個像素點按大小排序后，其值可表示為yi(對9個像素點按大小排序后，其值可表示為yi(13.13.13.13.算法對比優(yōu)點缺點適應范圍均值濾波算法簡單，計算速度快降低噪聲的同時使圖像產(chǎn)生模糊，特別是景物的邊緣和細節(jié)部分用來填補空洞或消除小的離散點,有形態(tài)學的作用中值濾波抑制效果很好，畫面的清析度基本保持對高斯噪聲的抑制效果不是很好用于去除椒鹽噪聲雙鄰域算法對于椒鹽噪聲占比較大時，處理效果顯著提高對高斯噪聲的抑制效果不是很好用于去除椒鹽噪聲14.算法對比優(yōu)點缺點適應范圍均值濾波算法簡單，計算速度快降低噪聲算法對比優(yōu)點缺點適應范圍均值濾波算法簡單，計算速度快降低噪聲總結與問題如何學？學什么？15.總結與問題15.總結與問題15.總結與問題15.圖像處理與分析圖像去噪16.圖像處理與分析圖像去噪1.圖像處理與分析圖像去噪16.圖像處理與分析圖像去噪1.目錄基礎知識基本的去噪算法改進的去噪算法總結與問題17.目錄基礎知識2.目錄基礎知識17.目錄基礎知識2.圖像噪聲

噪聲對人的影響可以理解為“妨礙人們感覺器官對所接收的信源信息理解的因素”。而圖像中各種妨礙人們對其信息接受的因素即可稱為圖像噪聲；實際的圖像受到隨機誤差的影響而發(fā)生的退化稱之為圖像噪聲。圖像去噪

減少數(shù)字圖像中噪聲的過程稱為圖像去噪，其有利于對圖像的進一步處理，如圖像增強、圖像邊緣檢測等。18.圖像噪聲3.圖像噪聲18.圖像噪聲3.常見的圖像噪聲（1）加性噪聲加性嗓聲和圖像信號是不相關的，如圖像在傳輸過程中引進的“信道噪聲”電視攝像機掃描圖像的噪聲。這類噪聲和圖像的關系可表示為

（2）乘性噪聲乘性嗓聲和圖像信號是相關的，往往隨圖像信號的變化而變化，如飛點掃描圖像中的嗓聲、電視掃描光柵、膠片顆粒造成等。這類噪聲和圖像的關系可表示為

19.常見的圖像噪聲4.常見的圖像噪聲19.常見的圖像噪聲4.

（3）量化噪聲

量化嗓聲是數(shù)字圖像的主要噪聲源，其大小顯示出數(shù)字圖像和原始圖像的差異，減少這種嗓聲的最好辦法就是采用按灰度級概率密度函數(shù)選擇化級的最優(yōu)化措施。

（4）脈沖噪聲（椒鹽噪聲）

椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由圖像切割引起。椒鹽噪聲是指兩種噪聲，一種是鹽噪聲（saltnoise），另一種是胡椒噪聲（peppernoise）。鹽=白色，椒=黑色。前者是高灰度噪聲，后者屬于低灰度噪聲。20.（3）量化噪聲5.（3）量化噪聲20.（3）量化噪聲5.圖像去噪算法分類

（1）空間域濾波（均值濾波、中值濾波、維納濾波等）（2）變換域濾波（傅里葉變換、小波變換、K-L變換等）（3）偏微分方程（4）變分法（5）形態(tài)學噪聲濾波器21.圖像去噪算法分類6.圖像去噪算法分類21.圖像去噪算法分類6.基于空間域的去噪算法均值濾波一種典型的線性濾波算法，它是指對目標圖像上每一個像素給一個模板進行處理。均值濾波又被稱為線性濾波，這種濾波方式使用的方法主要是鄰域平均法。中值濾波一種非線性的平滑技術，它的原理是將任意像素點的灰度值設為這個點某鄰域窗口內(nèi)的所有像素點灰度值的數(shù)字序列中的中值，從而能夠有效地去除孤立點。維納濾波維納濾波器（Wienerfilter）是由20世紀著名的數(shù)學家諾伯特·維納（RorbertWiener）提出的一種以最小平方為最優(yōu)準則的線性濾波器。它適用于需要從噪聲中分離出的有用信號是整個信號（即就是波形），而不僅僅只是為了分離出它的幾個參量。22.基于空間域的去噪算法均值濾波7.基于空間域的去噪算法均值濾波22.基于空間域的去噪算法均值濾均值濾波（鄰域平均法、平滑線性濾波）原理：給定一個模板，用模板中的全體像素的均值來替代原來模板中心像素值。P0P1P2P3P4P5P6P7P8輸出中心像素的8鄰域的平均值qx,y=0,1,…,N-1；S是以(x,y)為中心的鄰域的集合，M是S內(nèi)的點數(shù)。23.均值濾波（鄰域平均法、平滑線性濾波）原理：給定一個模板，用均值濾波（鄰域平均法、平滑線性濾波）原理：給定一個模板，用中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗口內(nèi)各點的中值代替。443521034524444按灰度值大小排列像素點2233444510223344451024.中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗口內(nèi)各點的中值代替。22215151522215151522215151522151525.中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗中值濾波原理：用一個奇數(shù)點的移動窗口，將窗口中心點的值用窗改進的中值濾波算法利用較大鄰域作噪聲的甄別，甄別出噪聲后在小的鄰域內(nèi)利用判別為圖像信息的像素點作中值濾波運算的雙鄰域算法。通過方差來進行椒鹽噪聲和圖像信息的甄別采用3x3的鄰域窗口模板，記中心像素點為f(i,j)，將中心像素點及其8鄰域記作一個集合，可得平均值為方差為：i-1,j-1i,j-1i+1,j-1i-1,ji,ji+1,ji-1,j+1i,j+1i+1,j+126.改進的中值濾波算法利用較大鄰域作噪聲的甄別，甄別出噪聲后在小改進的中值濾波算法利用較大鄰域作噪聲的甄別，甄別出噪聲后在小

對9個像素點按大小排序后，其值可表示為yi(i=1，2，...，9)，當|yi-M|≤σ時，認為對應像素點值為圖像信號值，保留不變；當|yi-M|>σ時，認為對應yi為噪聲信號值，舍棄。最后取判定為信號值的像素點值的中值為鄰域中心像素點替代值。

根據(jù)統(tǒng)計規(guī)律，3x3鄰域內(nèi)占比例高的噪聲在更大的范圍內(nèi)不一定還占有數(shù)量優(yōu)勢，這樣可以在較大鄰域中進行噪聲像素點的甄別，比如取5x5的鄰域，則均值和方差為對像素點的比較仍然對3x3鄰域的9個像素點進行。27.對9個像素點按大小排序后，其值可表示為yi(對9個像素點按大小排序后，其值可表示為yi(28.13.28.13.算法