影像品質(zhì)的改善與回復(fù)

1第二章

影像品質(zhì)的改善與回復(fù)

1第二章

影像品質(zhì)的改善與回復(fù)2內(nèi)容2.1前言2.2平滑法和統(tǒng)計上的意義

2.3中值法和其電路設(shè)計2.4中央加權(quán)中值法2.5柱狀圖等化法2.6模糊中值法2.7頻率域濾波器設(shè)計2.8韋納濾波器2.9結(jié)論2內(nèi)容2.1前言32.1前言本章主要針對在雜訊(Noise)的干擾或灰階分佈太集中的影響下，如何盡可能恢復(fù)原影像的品質(zhì)。圖2.1.1受雜訊干擾的影像圖2.1.2某些灰階分布太集中的影像32.1前言本章主要針對在雜訊(Noise)的干擾或灰階分42.2平滑法和統(tǒng)計上的根據(jù)利用將灰階值平均(Averaging)，將雜訊的影響淡化。以迴積(Convolution)的方式完成計算。面罩(Mask)放在3×3子影像上，用反應(yīng)值(Response)取代中心點。疑似雜訊圖2.2.13×3子影像圖2.2.2平滑法的面罩圖2.2.2.1經(jīng)平滑法作用於中心點後的子影像(2+1+2+3+20+2+2+1+3)/942.2平滑法和統(tǒng)計上的根據(jù)利用將灰階值平均(Avera5範(fàn)例1：給一如下的4×4子影像，利用平滑法去除雜訊後，所得的影像為何？解答：進行平滑動作，得影像如下解答完畢平滑過的灰階值有經(jīng)過四捨五入。5範(fàn)例1：給一如下的4×4子影像，利用平滑法去除雜訊後，所得6範(fàn)例2：如何針對邊緣像素進行平滑法的雜訊去除？解答：將邊緣像素複製一次，原影像被放大成如下6×6影像：經(jīng)平滑動作後，

可得下列結(jié)果：

解答完畢6範(fàn)例2：如何針對邊緣像素進行平滑法的雜訊去除？經(jīng)平滑動作後7範(fàn)例3：如何降低(Reduce)相鄰兩個平滑運算的計算量？解答：下列3×2視窗是重覆的：

為了降低計算量，在第一個平滑運算中可以被保留下來，以便在第二個平滑運算時繼續(xù)使用。

解答完畢7範(fàn)例3：如何降低(Reduce)相鄰兩個平滑運算的計算量？8定理2.2.1.平滑法作用到影像後，的確可將原影像的標(biāo)準(zhǔn)差予以有效降低。(詳見本書證明)Y的平均值為Y的變異數(shù)為在上述的特殊分布假設(shè)下，平滑法的標(biāo)準(zhǔn)差為單一像素的標(biāo)準(zhǔn)差之1/3。(2.2.1)假設(shè)，並假設(shè)則得到，也就是8定理2.2.1.平滑法作用到影像後，的確可將原影像的標(biāo)9定理2.2.1.結(jié)論若面罩變大，標(biāo)準(zhǔn)差將下降；計算量也會增大，且有模糊(Blurred)現(xiàn)象。9定理2.2.1.結(jié)論若面罩變大，標(biāo)準(zhǔn)差將下降；計算量也會增102.3中值法和其電路設(shè)計利用排序後的中值，去除雜訊的干擾。中值法常以3×3、5×5或7×7的面罩，以迴積的方式完成。

圖2.3.1一個平滑法不適合的例子圖2.3.1.1經(jīng)平滑法作用於中心點後的子影像圖2.3.1.2經(jīng)中值法作用於中心點後的子影像和周圍鄰居之灰階值相比，仍視為雜訊。中值法有效去除雜訊干擾。102.3中值法和其電路設(shè)計利用排序後的中值，去除雜訊的干11範(fàn)例1.1：給一如下的4×4子影像，灰階值255為脈衝雜訊(ImpulsiveNoise)1.請用平滑法及中值法去除雜訊。2.哪個方法較佳？1812181212225225151522518121815121811範(fàn)例1.1：給一如下的4×4子影像，灰階值255為脈衝雜12解答：(a)平滑法(18+12+18+12+225+225+15+225+18)/9=85.3(12+225+225+15+225+18+18+15+12)/9=85(12+18+12+225+225+15+225+18+12)/9=84.6(225+225+15+225+18+12+15+12+18)/9=8518121812128585151585851218151218(b)中值法12,12,15,18,18,18,225,225,22512,12,15,15,18,18,225,225,22512,12,12,15,18,18,225,225,22512,12,15,15,18,18,225,225,225181218121218181515181812181512182.

(a)中值法結(jié)果較佳。(b)使用平滑法的均化效果有限，灰階值85很容易被視為雜訊，但中值法就可以將雜訊去除。解答完畢12解答：181218121285851515858512113Bitonic數(shù)列為一Bitonic數(shù)列若圖2.3.3中值濾波器網(wǎng)路

13Bitonic數(shù)列為一Bitonic數(shù)列若圖2.3.314範(fàn)例2：針對圖2.3.3的中值濾波器網(wǎng)路設(shè)計，可否給一個示意圖以便更明白其設(shè)計的原理？解答：當(dāng)完成圖2.3.3中的第一階段(Stage1)後，編號0~7的八筆資料會變成大小大小大大小小完成第二階段的第一步(Step1)後，根據(jù)Bitonic數(shù)列的特性，這八筆資料會變成大大大大小小小小完成第二階段的第二步後，八筆資料會變成14範(fàn)例2：針對圖2.3.3的中值濾波器網(wǎng)路設(shè)計，可否給一個15以上資料愈在高處的值越大。完成下一步後，八筆資料會變成當(dāng)完成第三階段的最後一步後，八筆資料會變成此時，輸入的前八筆資料已排序好。我們留下中間的兩段資料和編號8的資料再經(jīng)過二次比較就得到中間的值了。解答完畢15以上資料愈在高處的值越大。完成下一步後，八筆資料會變成當(dāng)16範(fàn)例3：以本小節(jié)範(fàn)例1中的3×3子影像為例，依照列優(yōu)先(RowMajor)的掃瞄次序，我們將得的數(shù)列安放在圖2.3.3中的中值濾波器之輸入端，請列出各步驟執(zhí)行完後的模擬結(jié)果。解答：所得到的反應(yīng)值為6。

解答完畢上述的中值濾波器兼具平行(Parallel)和管道式(Pipelined)的功能。16範(fàn)例3：以本小節(jié)範(fàn)例1中的3×3子影像為例，依照列優(yōu)先(17圖2.1.1受雜訊干擾的影像圖2.2.3圖2.1.1平滑法的效果圖2.3.2圖2.1.1中值法的效果17圖2.1.1受雜訊干擾的影像圖2.2.3圖2.318範(fàn)例4：Windyga的快速雜訊去除法。解答：植基於波峰-波谷的觀念。S2=min{S1,S3}，故進行下面波谷運算：S1S2S3S4t1t1+1t1+2t1+318範(fàn)例4：Windyga的快速雜訊去除法。S1S2S3S419接下來，S3=max{S2,S4}，故進行下面波峰運算：圖2.3.4Windyga雜訊去除法上面所述雖是針對一維的情形，讀者不難將其擴充至二維的影像上(參見作業(yè)9)。解答完畢19接下來，S3=max{S2,S4}，故進行下面波峰運算20(c)利用Windyga法去雜訊(a)原始Lena影像(b)加入15%脈衝雜訊20(c)利用Windyga法去雜訊(a)原始Lena影212.4中央加權(quán)中值法去雜訊外，保留細(xì)紋理。

將中間的值複製W次，利用新的中值取代中心點。圖2.4.2例子1,2,2,2,3,3,100,100,100,100,100,100,100

1,

2,2,2,3,3,100,100,100圖2.4.2.1中值法造成線段的中斷

圖2.4.2.2中央加權(quán)中值法，若W=5，線段不會中斷212.4中央加權(quán)中值法去雜訊外，保留細(xì)紋理。圖2.4.22範(fàn)例1：給一個5×5的子影像，若利用中央加權(quán)中值法去除雜訊，請問子影像中的中央像素需要重覆幾次後，能避免一條斜線被破壞？解答：得W>16。解答完畢22範(fàn)例1：給一個5×5的子影像，若利用中央加權(quán)中值法去除雜23範(fàn)例2：若將範(fàn)例1中的5×5改成7×7，則中央像素需要重複幾次呢？解答：可得到W>36，所以中央像素需被重複37次。解答完畢k(k-1)2W=(k-1)2+1345516177363796465範(fàn)例3：給一個k×k的子影像，如何決定中央加權(quán)中值法的W值？

解答：可推得也就是最小的W值可選。下面的表格可當(dāng)作自動選取Ｗ值之用。解答完畢23範(fàn)例2：若將範(fàn)例1中的5×5改成7×7，則中央像素需要重242.5柱狀圖等化法灰階分佈太集中於[a,b]區(qū)之間。

找出

f

使得分佈能轉(zhuǎn)成均勻分佈。圖2.5.1灰階分布柱狀圖圖2.5.2均勻分布柱狀圖242.5柱狀圖等化法灰階分佈太集中於[a,b]區(qū)之間。25離散頻率總和不變原理G(q)為均勻分佈，其各個的機率值為，表影像的大小。找出f使得f(p)=q的關(guān)係可被確定。25離散頻率總和不變原理G(q)為均勻分佈，其各個的機率值26下面的示意圖很適合用來解釋上面這個等式。H(P)G(q)面積相等解答完畢26下面的示意圖很適合用來解釋上面這個等式。H(P)G(q)27部份重疊柱狀圖等化法將原先影像切割成許多長條型的子影像。每一個子影像仍用柱狀圖平均法處理完後，移動子影像一半的水平距離。繼續(xù)使用柱狀圖均等法，直到所有的子影像和部分重疊的子影像全部處理完。圖2.5.4重疊式區(qū)域柱狀圖平均法

27部份重疊柱狀圖等化法將原先影像切割成許多長條型的子影像。28圖2.1.2灰階分布太集中的影像圖2.5.3經(jīng)柱狀圖等

化法改良後的效果圖2.5.5經(jīng)部份重疊柱狀圖平均法改善效果28圖2.1.2灰階分布圖2.5.3經(jīng)柱狀圖等

化法2.6模糊中值法採用多層中值法(MultilevelMedianMethod)為基礎(chǔ)，配合模糊隸屬函數(shù)(FuzzyMembershipFunction)以改善影像品質(zhì)。給一3×3視窗如圖所示：29圖2.6.1

3×3視窗2.6模糊中值法採用多層中值法(MultilevelMe30有些線段並不是真實的邊線，將假線段(FalseLine)的情形納入考慮；並以信用度(Credibility)的模糊概念來表達中值與集合內(nèi)元素的差異合成。若信用度太低，有可能是假線段或雜訊。30有些線段並不是真實的邊線，將假線段(FalseLine令代表有關(guān)的三個像素

代表與中的像素值的差此時我們再將計算出來的代入圖2.6.2中以找出對應(yīng)的信用度31圖2.6.2令代表有關(guān)的三個像素31圖2.632假設(shè)已算出所有的，則模糊中值法所得的結(jié)果為：32假設(shè)已算出所有的，則模糊中值法所得的結(jié)果為：332.7頻率域濾波器設(shè)計低通濾波器：低通巴特沃斯濾波器：高通巴特沃斯濾波器：FTS(u,v)IFTFIF’I’圖2.7.1和關(guān)係332.7頻率域濾波器設(shè)計低通濾波器：FTS(u,v)IF34圖2.7.2(b)

得到的影像I’圖2.6.3輸入影像I圖2.7.2(a)

n=3和r0=200得到的傅利葉頻譜圖34圖2.7.2(b)

得到的影像I’圖2.6.3352.8韋納濾波器TAFS+N=ZF’圖2.8.1韋納濾波器

希望找到矩陣A

使得e

為最小，就是要解即

(2.8.1)352.8韋納濾波器TAFS+N=ZF’圖2.8.36利用