图像平滑方法综述与MATLAB实现.docx
《图像平滑方法综述与MATLAB实现.docx》由会员分享,可在线阅读,更多相关《图像平滑方法综述与MATLAB实现.docx(12页珍藏版)》请在课桌文档上搜索。
1、图像平滑方法综述与MATLAB实现摘要:在图像的生成、传输或变换的过程中,由于多种因素的影响,总要造成图像质量的下降,这就需要进行图像增强。随着图像处理领域的迅速发展,图像平滑作为图像增强的重要环节,也逐渐受到人们的关注。图像平滑的目的为了消除噪声。图像平滑可以在空间域进行,也可以在频率域进行。空间域常用的方法有领域平均法、中值滤波和多图像平均法;在频率域,因为噪声频谱多在高频段,因此可以采用各种形式的低通滤波方法进行平滑处理。关键词:图像平滑;消除噪声;领域平均法;中值滤波;低通滤波法1 研究背景总所周知,实际获得的图像在形成、传输接收和处理的过程中,不可避免地存在着外部干扰和内部干扰,如光
2、电转换过程中敏感元件灵敏度的不均匀性、数字化过程中的量化噪声、传输过程中的误差以及人为因素等,均会使图像质量变差,需要进行图像的平滑处理。图像平滑是一种实用的熟悉图像处理技术,一个较好的平滑处理方法应该既能消除图像噪声,又不使图像边缘轮廓和线条变模糊,这就是研究数字图形平滑处理要追求的目标。2.主要理论概况2.1 邻域平均法邻域平均法就是对含噪声的原始图像的每一个像素点取一个邻域,计算中所有像素灰度级的平均值,作为邻域平均处理后的图像的像素值。即式中,是预先确定的邻域(不包括),为邻域中像素的点数。图像平滑的直观效果是图像的噪声得以消除或衰减,但同时图像变得比以前模糊了,特别是图像边缘和细节部
3、分,并且所选的邻域半径越大平滑效果越强,图像就越模糊。为了减轻这种效应,可以采用阈值法,即根据下列准则对图像进行平滑:式中,是预先设定的阈值,当*些点的灰度值与其邻域点灰度平均值之差不超过阈值时,仍保留这些点的灰度值。当*些点的灰度值与其邻点灰度的均值差别较大时,这些点必然是噪声,这时再取其邻域平均值作为这些点的灰度点。这样平滑后的图像比单纯的进行邻域平均后的图像要清晰一些,平滑效果仍然很好。2.2 中值滤波中值滤波是一种非线性处理技术,由于它在实际运算过程中并不需要知道图像的统计特性,所以比较方便。中值滤波最初是应用在一维信号处理技术中,后来被二维的图像处理技术所引用。在一定条件下,中值滤波
4、可以克服线性滤波器所带来的图像细节模糊,而且对滤波除脉干扰及图像扫描噪声非常有效。但是对一些细节多,特别是点、线、尖顶较多的图像则不宜采用中值滤波的方法。中值滤波的目的是保护图像边缘的同时去除噪声。2.2.1 中值滤波的主要原理中值滤波实际上就是用一个含有奇数个像素的滑动窗口,将窗口正中点的灰度值用窗口内各点的中值代替。例如若窗口长度为5,窗口中像素的灰度值分别为80、90、200、110、120,则中值为110,于是原来窗口正中的200就由110代替。设有一个一维序列,用窗口长度为m(m为奇数)的窗口对该序列进行中值滤波,就是从序列中相继抽出m个数其中为窗口中心值,再将这m个点的值按其数值大
5、小排列,取其序号为正中间的那个值作为滤波器的输出。用数学公式可表示为对二维序列进行中值滤波时,滤波窗口也是二维的,只不过这种二维窗口可以有各种不同的形状,如线状、方形,圆形、十字形和圆环形等。二维数据的中值滤波可以表示为A为窗口2.2.2 中值滤波的主要特性(1)对*些输入信号中值滤波具有不变性。对*些特定的输入信号,中值滤波的输出保持输入信号值不变。(2)中值滤波去噪声性能。中值滤波可以用来减弱随机干扰和脉冲干扰。2.3 频域低通滤波法图像的边缘以及噪声干扰在图像的频域上对应于图像傅里叶变换中的高频部分,以去掉噪声使图像平滑。根据信号系统的理论,低通滤波法的一半形式可以写为式中是含噪图像的傅
6、里叶变换;是平滑后图像的傅里叶变换;是传递函数。利用和的高频分量得到衰减,得到后再经过傅里叶反变换就可以得到所希望的图像。低通滤波法的系统框架图如下图所示。低通滤波法的系统框图选择不同的可以不同的平滑效果。常用的传递函数由4种,分述如下。(1) 理想低通滤波器(ILPF)一个理想的低通滤波器的传递函数由下式表示:式中,是一个事先设置的非负量,成为理想低通滤波器的截止频率;代表从频率平面的原点到点的距离,即(2) 巴特沃斯低通滤波器(BLPF)一个n阶巴特沃斯滤波器的传递系数为或(3) 指数低通滤波器(ELPF)指数低通滤波器的传递函数表示为或(4) 梯形低通滤波器(TLBF)梯形在规定和时,要
7、满足的条件。一般为了方便起见,把的第一个转折点定义为截止频率,第二个变量可以任意选取,只要满足的条件就可以了。3.研究的主要内容3.1 均值滤波lc=imread(D:数字图像处理图片一.jpg);I=rgb2gray(lc);J1=imnoise(I,gaussian,0,0.02);K1=im2double(J1);h1=fspecial(average,3);h2=fspecial(average,5);h3=fspecial(average,7);G1=filter2(h1,K1,same);G2=filter2(h2,K1,same);G3=filter2(h3,K1,same);s
8、ubplot(3,3,1);imshow(lc);*label(原图);subplot(3,3,2);imshow(J1);*label(添加高斯噪声后的图像);subplot(3,3,3);imshow(G1);*label(3*3均值滤波后的图像);subplot(3,3,4);imshow(G2);*label(5*5均值滤波后的图像);subplot(3,3,5);imshow(G3);*label(7*7均值滤波后的图像);J2= imnoise(I,salt & pepper,0.02);K2=im2double(J2);h=fspecial(average);G4=filter2
9、(h,K2,same);subplot(3,3,6);imshow(J2);*label(添加椒盐噪声);subplot(3,3,7);imshow(G1);*label(均值滤波);J3 = imnoise(I,speckle,0.02);K3=im2double(J3);h=fspecial(average);G5=filter2(h,K3,same);subplot(3,3,8);imshow(J3);*label(添加乘性噪声);subplot(3,3,9);imshow(G5);*label(均值滤波);图3-1添加高斯噪声、椒盐噪声、乘性噪声及均值滤波后的图片分析结果:从图3-1中
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 平滑 方法 综述 MATLAB 实现

链接地址:https://www.desk33.com/p-20030.html