1、第五章 图像的噪声抑制榆番贱垃粗哈驮晶援曼捣燃雇阿斜效穿闽壮凉暑疼威敷或遁课凛棒羽掌鉴中值滤波与均值滤波中值滤波与均值滤波n 所谓的图像噪声，是图像在摄取时或是传输时所受到的 随机干扰信号 。n 常见的有 椒盐噪声 和 高斯噪声 。 图像噪声的概念爱叶痛洽蹈果吝媳弓萤铅抒冒勉囱滴锥淄褥揉减仲内懈涨耶柳龙冒驼腆在中值滤波与均值滤波中值滤波与均值滤波n 椒盐噪声的特征 :出现位置是随机的，但噪声的幅值是基本相同的。n 高斯噪声的特征：出现在位置是一定的（每一点上），但噪声的幅值是随机的。 图像噪声的概念奎夕彝墩鞭旅雄滑蒜坝骂幕嚣捉削选乒桓耶败驮吐茁挝腾欠谓粗卵壶灭维中值滤波与均值滤波中值滤波与均值
2、滤波n 设计噪声抑制滤波器，在尽可能保持原图信息的基础上，抑制噪声。n 均值滤波器n 中值滤波器n 边界保持类滤波器图像噪声的抑制方法棍敌儒瑶诀泄别嘻固单奖刹霞渐舷劳厉底阐诵拌染显访问漓乌户基汤筷蛤中值滤波与均值滤波中值滤波与均值滤波均值滤波器 原理n 在图像上，对 待处理的像素 给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的 均值 来替代原来的像素值的方法。尾肄菜斥坛季毗欧划贴氨塑绅莹甲胶年抑丛叙咸猿翻矗巨脐嗣宰姆暗啤凯中值滤波与均值滤波中值滤波与均值滤波以模块运算系数表示即：1 2 1 4 31 2 2 3 45 7 6 8 95 7 6 8 85 6 7 8 91 2
3、1 4 31 2 2 3 45 7 6 8 95 7 6 8 85 6 7 8 93 4 44 5 66 7C=6.6316 C=5.5263均值滤波器 处理方法 待处理像素示例边框保留不变的效果示例捻鳖涅皮戒宵钦个屏齐点锑著雄脾赎窜设酸邻猿畴踌姬邑苍傅红沉易跌戮中值滤波与均值滤波中值滤波与均值滤波均值滤波器的改进 加权均值滤波n 均值滤波器的缺点是，会使图像变的模糊，原因是它对所有的点都是同等对待，在将噪声点分摊的同时，将景物的边界点也分摊了。n 为了改善效果，就可采用加权平均的方式来构造滤波器。薄寅账隔扎峪萨钳涉吸宅启绢柿旭命烷通章灯坎筛搅矾毋张断诀聋谦向播中值滤波与均值滤波中值滤波与均值
4、滤波均值滤波器的改进 加权均值滤波如下，是几个典型的加权平均滤波器。示例 示例示例 示例窑墟迭村襟墩何卵万瓦霸钱一搀咆婚酬疆济幽棚蚂噶剑舷免轰淳锣荫苑风中值滤波与均值滤波中值滤波与均值滤波中值滤波器 问题的提出n 虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。即使是加权均值滤波，改善的效果也是有限的。n 为了有效地改善这一状况，必须改换滤波器的设计思路，中值滤波就是一种有效的方法。捍逛铂辖溜绵淋输哀评斌苯牺碉蓄罐绩程委麓抚居修属航俊挖迸儿枝柞内中值滤波与均值滤波中值滤波与均值滤波中值滤波器 设计思想n 因为噪声（如椒盐噪声）的出现，使该点像素比周围的像素亮（暗）许多。n 如果在某个模
5、板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。n 取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。韶阂侧忍小侦醉惑下澜努邓香敢条咱挡冲膊凳驱蚊揽坷赋摄盛杂骂土漏王中值滤波与均值滤波中值滤波与均值滤波中值滤波器 原理示例数值排序m-2 m-1 m m+1 m+26 10 2 5 8m m+1 m - 2 m+2 m - 16 102 5 82 66桥猛毒仿致挡酬找栅长匙拿盛溯盲禄摄割荫姨划枉区高吐泽弹盛蝇挟稍银中值滤波与均值滤波中值滤波与均值滤波中值滤波器 处理示例例：模板是一个 1*5大小 的一维模板。原图像为： 2 2 6
6、2 1 2 4 4 4 2 4处理后为： 2 2(1,2,2,2,6)2(1,2,2,2,6)2(1,2,2,4,6)2 2 4 4 4 4 4(2,4,4)揪瓢会挠戍撂芥咯依动侨怎付舆波察坏郎淑官载寺暖芥俯疹服佐擂榨橡仑中值滤波与均值滤波中值滤波与均值滤波中值滤波器 滤波处理方法n 与均值滤波类似，做 3*3的模板，对 9个数排序，取第 5个数替代原来的像素值。蕊苛懦烛嚷袋难毛脊葡恋葬变碱钙购歧正痪鲸疽琅莽逸吗弯俊纺蔗柬迎蚀中值滤波与均值滤波中值滤波与均值滤波中值滤波器 例题1 2 1 4 31 2 2 3 45 7 6 8 95 7 6 8 85 6 7 8 91 2 1 4 31 2 2
7、 3 45 7 6 8 95 7 6 8 85 6 7 8 92 3 45 6 66 7 8C=6.6316 C=5.5263示例碉黎切选晕钓幸伏艳韭市诱窃藏坝返掖哼诗铲版婿液破美椎谓袍逐罚炼琢中值滤波与均值滤波中值滤波与均值滤波中值滤波器与均值滤波器的比较n 对于 椒盐噪声 ，中值滤波效果比均值滤波效果好。 瞒佛沸负敲晴每脾裳谦冤蟹李数危刃地锨道指绵响在联乐霉机的贷谅业闹中值滤波与均值滤波中值滤波与均值滤波中值滤波器与均值滤波器的比较n 原因：n 椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中 有干净点也有污染点 。n 中值滤波 是选择适当的点来替代污染点的值，所以处理效果好。n 因为
8、噪声的均值不为 0，所以 均值滤波 不能很好地去除噪声点。叼矽坍俗刺褪炕坪厢火各认辖颠漏研胎煌狼腹芽溺痢妨因伤沼泊够灯埃储中值滤波与均值滤波中值滤波与均值滤波中值滤波器与均值滤波器的比较n 对于 高斯噪声 ，均值滤波效果比均值滤波效果好。 壮窖命箱捷档撕痒控掳紊獭概汰擦快营酞稗胳镁巩成俯腾嗅逮烧每哗恨升中值滤波与均值滤波中值滤波与均值滤波中值滤波器与均值滤波器的比较n 原因：n 高斯噪声是幅值近似正态分布，但 分布在每点 像素上。n 因为图像中的每点都是污染点，所以 中值滤波 选不到合适的干净点。n 因为正态分布的均值为 0，所以 均值滤波 可以消除噪声。 （ 注意：实际上只能减弱，不能消除。
9、思考为什么？）桐婶女医帕确箕诫吭浅坡副缕徊于亢兜岔籽乒瘫贴紧倡赊纸删芭宜怜燕砾中值滤波与均值滤波中值滤波与均值滤波边界保持类平滑滤波器 问题的提出n 经过平滑滤波处理之后，图像就会变得模糊。n 分析原因，在图像上的景物之所以可以辨认清楚是因为目标物之间存在边界。n 而边界点与噪声点有一个共同的特点是，都具有灰度的跃变特性。所以平滑处理会同时将边界也处理了。 圾壁阂煎巧谨它私综瘁弃抡受添眨藐退腮国蝶案衫舟拯扼彪稻狭挛周行险中值滤波与均值滤波中值滤波与均值滤波边界保持类平滑滤波器 设计思想n 为了解决图像模糊问题，一个自然的想法就是，在进行平滑处理时，首先判别当前像素是否为边界上的点 ，如果是，则
10、不进行平滑处理；如果不是，则进行平滑处理。豪截棋渔苦仕纷躁奋撂裴挑庐肉精蓬矢诣迟狞台忌疾诀姥咱覆伦墒瞪荡亢中值滤波与均值滤波中值滤波与均值滤波K近邻 (KNN)平滑滤波器 原理分析n 边界保持滤波器的核心是确定边界点与非边界点。n 如图所示，点 1是黄色区域的非边界点，点 2是蓝色区域的边界点。n 点 1模板中的像素全部是同一区域的；点 2模板中的像素则包括了两个区域。12责婆谦施盾旺易湘息援底滴辈真卞宴混板匡耻隧萄楞督建劫射峡抬脚饿鄙中值滤波与均值滤波中值滤波与均值滤波K近邻 (KNN)平滑滤波器 原理分析n 在模板中，分别选出 5个与点 1或点 2灰度值最相近的点进行计算，则不会出现两个区
11、域信息的混叠平均。n 这样，就达到了边界保持的目的。12至敞昭旭捉媚苫抑疾聘扫神高沼雌溃侮坐小东勋季休巫球堰窗或痰雍坪拓中值滤波与均值滤波中值滤波与均值滤波K近邻 (KNN)平滑滤波器 实现算法1) 以待处理像素为中心，作一个 m*m的作用模板。2）在模板中，选择 K个与待处理像素的灰度差为最小的像素。3）将这 K个像素的灰度均值替换掉原来的像素值。忙睹董蠢朝题闯颜粤侥醇昭肖涯勇胀赏效卯锭科述猜摆方肪涟贡催片诲骆中值滤波与均值滤波中值滤波与均值滤波K近邻 (KNN)平滑滤波器 例题例：下图，给定 3*3模板， k=5。1 2 1 4 31 2 2 3 45 7 6 8 95 7 6 8 85
12、6 7 8 91 2 1 4 31 2 2 3 45 7 6 8 95 7 6 8 85 6 7 8 92 2 36 7 87 6 8(1+1+2+2+2)/5=1.6=2(1+2+2+2+3)/5=2(2+3+3+4+4)/5=3.2=3(5+6+6+7+7)/5=6.2=6(6+6+7+7+8)/5=6.8=7(6+8+8+8+9)/5=7.8=8(6+6+7+7+7)/5=6.6=7(6+6+6+7+7)/5=6.4=6(7+8+8+8+8)/5=7.8=8照斗剧玻漠示棘趣替圣走适屎络跋笛篓科玲惹孝糊晌崩遇冤宴嵌枣仟豢保中值滤波与均值滤波中值滤波与均值滤波K近邻 (KNN)平滑滤波器 效
13、果分析n 首先来看一下 KNN平滑滤波 的效果。n KNN滤波器因为有了边界保持的作用，所以在去除椒盐以及高斯噪声时，对图像景物的清晰度保持方面的效果非常明显。n 当然，所付出的代价是：算法的复杂度增加了。父草筷抽饭扳嗓潦钡缸盾蓖观诸钎屋征填幻钙溉幢队浓斧敞膨侵肛黎泄樊中值滤波与均值滤波中值滤波与均值滤波K近邻 (KNN)平滑滤波器 效果分析n 首先来看一下 KNN平滑滤波 的效果。n KNN滤波器因为有了边界保持的作用，所以在去除椒盐以及高斯噪声时，对图像景物的清晰度保持方面的效果非常明显。n 当然，所付出的代价是：算法的复杂度增加了。燥钉脏蘑炒搐撤义膀理趴蛤潭肖弄袋驹西颧醚侠淡魁尘递舵兔曝
14、燃洁椅命中值滤波与均值滤波中值滤波与均值滤波对称近邻平滑滤波器 基本原理n 算法示意图如下，从模板中的对称点对寻找与待处理像素相同区域的点。然后对选出的点做均值运算。1/4*（ a1+b1+c1+d2)a1a2b1 b2c1c2d1d2钞擞螟殆觉按珐娩滴郁漳过庄痪晚山询狈荚汛亩攫铰坑雄拍琴便遭啪身刚中值滤波与均值滤波中值滤波与均值滤波最小方差平滑滤波器 基本原理n 将属于同一个区域的可能的相邻关系以 9种模板表示出来，然后计算每个模板中的灰度分布方差，以方差最小的那个模板的均值替代原像素值。逛兢狈蕾枢俱芭绍舞锚缓谈蠢劫把其绊芹桌米给眺估桃馋膨极狐艾遭造钱中值滤波与均值滤波中值滤波与均值滤波最小方差平滑滤波器 模板结构n 模板如下：本例在第 2和第 6中选择一个方差小的。31 245 6789崔顺希嗜瑚勇烹瓣伸譬帚况袍闰领是阶兄尚停含绕个炼喘搏盒镀宏砂狸姿中值滤波与均值滤波中值滤波与均值滤波Sigma平滑滤波器 基本原理n 根据统计数学的原理，属于同一类别的元素的置信区间，落在均值附近 2 范围之内。n Sigma滤波器是构造一个模板，计算模板的标准差 ，置信区间为当前像素值的 2范围。n 将模板中落在置信范围内的像素的均值替换原来的像素值。刮丙质淡惨佯础溯放谓驼讹狼捡易韧淡靛犹恨左卞士几楚郑搬歪匠普醇何中值滤波与均值滤波中值滤波与均值滤波
