第五讲 图像的噪声抑制

数字图像处理教材电子版

第五章图像的噪声抑制

数字图像处理教材电子版

图像噪声的概念

n

所谓的图像噪声，是图像在摄取时或是传输时所受到的。常见的有和。

n

数字图像处理教材电子版

图像噪声的概念

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,幅值分布是按高斯分布。

数字图像处理教材电子版

图像噪声的抑制方法

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

nn

数字图像处理教材电子版

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。

数字图像处理教材电子版

均值滤波器——处理方法以模块运算系数表示即： 1 1 1 H 0= 1 1 1 1 9 1 1 1 1 1 5 5 5 2 2 3 7 4 7 6 6 1 2 4 6 5 4 3 4 8 6 3 4 9 8 9待处理像素

1 1 5 5 5

2 2 7 7 6

1 2 6 6 7

4 3 8 8 8

3 4 9 8 9

6 8 7 8 7 8

边框保留不变的效果示例PDF文件使用"pdfFactory Pro"试用版本创建

示例

数字图像处理教材电子版

均值滤波器——公式

1 1 1 1× 1 1 1 9 1 1 1

g ( x, y )=

s= at= b

∑∑ w( s, t ) f ( x+ s, y+ t )

a

b

PDF文件使用"pdfFactory Pro"试用版本创建

数字图像处理教材电子版

均值滤波器的改进

——加权均值滤波

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

n

为了改善效果，就可采用加权平均的方式来构造滤波器。

数字图像处理教材电子版

均值滤波器的改进——加权均值滤波n

如下，是几个典型的加权平均滤波器。 1 1 1 1 H1= 10 1 2 1 1 1 1 示例 1 1 1 H 3= 1 1 0 1 8 1 1 1 示例 1 2 1 1 H 2= 16 2 4 2 1 2 1 0 1 0 4 H4= 1 1 1 1 2 4 4 0 1 0 4

示例

示例

PDF文件使用"pdfFactory Pro"试用版本创建

数字图像处理教材电子版

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。

数字图像处理教材电子版

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。

如果在某个模板中，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。

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。

n

n

数字图像处理教材电子版

中值滤波器

——原理示例

m-26

m-110

m26

m+15

m+28

数值排序

m2

m+15

m -26

m+28

m -110

2

6

数字图像处理教材电子版

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：处理后为：

2 2 6 2 1 2 4 4 4 2 422222244444

24

数字图像处理教材电子版

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。

数字图像处理教材电子版

中值滤波器

——例题

11555

2

1

4

34989

11555

22776

12667

43888

34989

233224768566766788678C=5.5263

C=6.6316

数字图像处理教材电子版

中值滤波器与均值滤波器的比较

n

对于，中值滤波效果比均值滤波效果好。

数字图像处理教材电子版

中值滤波器与均值滤波器的比较

nn

原因：

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。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。

因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。

n

n

数字图像处理教材电子版

中值滤波器与均值滤波器的比较

n

对于，均值滤波效果比均值滤波效果好。

数字图像处理教材电子版

中值滤波器与均值滤波器的比较

nn

原因：

高斯噪声是幅值近似正态分布，但分布在每点像素上。

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。

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。思考为什么？）

n

n