第三章 图像增强--图像平滑2012.pdf

第三章 图像增强图像平滑 北京信息科技大学 光信系 引言 • 图像平滑主要有两个作用：一个是消除或减少噪声，改善 图像质量；另一个是模糊图像，使图像看起来柔和自然。 • 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邻域平均法、中值滤波法、多图像平 均法等； • 在频率域，可以采用理想低通、巴特沃斯低通等各种形式 的低通滤波器进行低通滤波，来实现平滑处理。 • 平滑处理的主要目的是去噪声，而噪声有很多种，大体可 以分为两类：加性噪声和乘性噪声。 • 加性噪声通常表现为脉冲噪声（又称椒盐噪声）、高斯噪 声等；乘性噪声的一个典型例子就是光照变化。本节介绍 的方法主要是针对加性噪声的。 3.3.1 邻域平均法 邻域平均法就是对原始图像的每个像素点(x,y)取一个邻 域R ，计算R 中所有像素和该点的灰度平均值，把它赋 给输出图像中的对应点。 模板 • 邻域平均法通常借助于模板的卷积运算来实现。图像和模 板都可以认为是矩阵，它们在卷积时，首先要进行扩展和 模板翻转，然后再相乘求和。这样的处理很复杂，而且当 图像和模板增大了之后，运算量会增加很多。但是常用的 模板其上下左右都是对称的，它们翻转后和原模板相同。 这时，一个模板与图像卷积运算可以按以下步骤进行： l ）将模板在图像中从左到右、从上到下漫游，而模板中 各个位置点会与图像中的某个像素点重合； 2 ）将模板每个位置上的系数与它所重合的像素灰度值相 乘； 3 ）将所有乘积求和； 4 ）把求和的结果赋给图像中与模板中心重合的像素。 卷积 注意 • 当处理图像四周的像素点时，模板中心在图像边缘，就会 有一部分模板处于图像之外，正规的处理是，卷积前对图 像进行扩展，其四周补上一定宽度的零像素，那么原图像 之外的这部分模板计算结果为零。但在工程上，也有其他 的处理方法，比如，这些点不进行卷积保留原来的像素值， 或者重复其最近像素的卷积结果等。 邻域平均效果 结论 • 平滑后图像都有不同程度的模糊，尤其是图像的 边缘和细节的部分。 • 邻域半径越大，平滑效果越强，图像越模糊。 • 同样大小的模板中，box模板处理的结果最为模 糊，box 模板的模糊作用最强。 邻域平均法的滤噪效果 • 图b、图c 、图d 、图e 是在图a 的基础上分别加 入椒盐噪声、高斯白噪声、Speckle 噪声和 Poisson 噪声所得到的图像。 结论 • 平滑模板对噪声具有一定的滤除作用。 • 为了减弱平滑处理的模糊效应，同时又能够很好的消除噪 声，邻域平均法可以与阈值法结合来处理。比如，平滑图 像时，预先设定一个阈值T ，当某些点的灰度值与其邻域 点的灰度平均值之差不超过阈值T 时，这些点的灰度值保 持不变。当某些点的灰度值与其邻域点的灰度平均值相差 较大时，超过设定的阈值T ，这些点往往是噪声，这时它 们的灰度值就取其邻域平均值。这样处理后，平滑图像比 单纯进行平均的模糊效应要轻，而且噪声滤除的也比较好。 • 在实际处理过程中，选择合适的T 是非常重要的。若T 选 得太大，则会减弱对噪声的滤除效果；若T 太小，则会减 弱对图像模糊效应的抑止作用。选择T 需要根据图像的特 点做具体分析，如果事先知道一些噪声或图像的灰度级分 布等先验知识，将有助于对了的选择。 • 选择合适的邻域的大小、形状和方向，合适的选择模板中 的权重系数，也能很好的克服简单局部平均的弊端。这样 的局部平滑算法有：灰度最相近的k 个近邻点平均法、梯 度倒数加权平均、最大均匀性平滑等。 3.3.2 中值滤波 • 中值滤波是一种非线性处理技术，它在实际运算过程中并 不需要知道图像的统计特性，而且具有独特的滤波特性， 在数字信号处理中广泛使用。 • 邻域均值