數(shù)字圖像濾波方法比較.ppt

《數(shù)字圖像濾波方法比較.ppt》由會(huì)員分享，可在線閱讀，更多相關(guān)《數(shù)字圖像濾波方法比較.ppt（39頁(yè)珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

圖像濾波方法的比較,實(shí)現(xiàn)的目標(biāo),噪聲： 三類噪聲：高斯噪聲、椒鹽 噪聲、隨機(jī)噪聲（2種） 濾波： 編寫(xiě)8種濾波方法，實(shí)現(xiàn)了7個(gè)：均值濾波、中值濾波、高斯濾波、KNN濾波、高通濾波、低通濾波（3*3）、最大均勻性平滑濾波 ；未實(shí)現(xiàn)的兩種：梯度倒數(shù)加權(quán)濾波及低通濾波（ 5*5 ，7*7，9*9，11*11） 計(jì)算濾波時(shí)間：實(shí)現(xiàn)了計(jì)算濾波的處理時(shí)間,彩色/灰色顯示 ： 對(duì)原彩色圖像處理后的色彩選擇：彩色（部分程序）、灰色（實(shí)現(xiàn)） 菜單形式 ： 實(shí)現(xiàn)了將所有命令控件整合為菜單形式，減少了控件占用界面的空間 圖片顯示 ：6個(gè)圖片存放框，實(shí)現(xiàn)了將處理的圖片顯示在指定的圖片框，便于各種濾波方法的比較,圖像濾波的概念,圖像濾波，即在盡量保留圖像細(xì)節(jié)特征的條件下對(duì)目標(biāo)像的噪聲進(jìn)行抑制，是圖像預(yù)處理中不可缺少的操作，其處理效果的好壞將直接響到后續(xù)圖像處理和分析的有效性和可靠性。,基本原理,中值濾波 中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)，中值濾波的基本原理是把數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用該點(diǎn)的一個(gè)鄰域中各點(diǎn)值的中值代替，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。,均值濾波 均值濾波也稱為線性濾波，其采用的主要方法為領(lǐng)域平均法。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y），選擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上的灰度個(gè)g（x，y），即g（x，y）=1/m f（x，y）， m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。,高斯濾波 高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過(guò)程。通俗的講，高斯濾波就是對(duì)整幅圖像進(jìn)行加權(quán)平均的過(guò)程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過(guò)加權(quán)平均后得到。 高斯濾波的具體操作是：用一個(gè)模板(或稱卷積、掩模)掃描圖像中的每一個(gè)像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值。,K近鄰均值濾波,邊界保持濾波器的核心是確定邊界點(diǎn)與非邊界點(diǎn)。如圖所示，點(diǎn)1是黃色區(qū)域的非邊界點(diǎn)，點(diǎn)2是藍(lán)色區(qū)域的邊界點(diǎn)。 在模板中，分別選出5個(gè)與點(diǎn)1或點(diǎn)2灰 度值最相近的點(diǎn)進(jìn)行計(jì)算，不影響效果。 換句話說(shuō)，對(duì)非邊界點(diǎn)的影響不是很大， 但是對(duì)邊界點(diǎn)的影響就非常大。 其算法步驟為： 1) 以待處理像素為中心，作一個(gè)m*m的作用模板。 2）在模板中，選擇K個(gè)與待處理像素的灰度方差為最小的像素。 3）將這K個(gè)像素的灰度均值替換掉原來(lái)的像素值。,最大均勻性平滑濾波,最大均勻性平滑濾波是針對(duì)一些濾波方法在消除噪聲時(shí)引起邊緣退化的現(xiàn)象而提出的，其基本思想是，若圖像中的一個(gè)區(qū)域含有邊緣，它的灰度方差必定較大。該方法采用了9種不同形狀的模板，1個(gè)正方形模板，4個(gè)對(duì)稱的五邊形模板，4個(gè)對(duì)稱的六邊形模板，用各模板內(nèi)的灰度方差作為各個(gè)區(qū)域不均勻性的測(cè)試，以最為均勻的區(qū)域灰度均值作為被處理點(diǎn)的像素值。,梯度倒數(shù)加權(quán)平均法濾波,梯度倒數(shù)加權(quán)法平滑基于如下的假設(shè)：在一幅離散圖像中，相鄰區(qū)域的變化大于區(qū)域內(nèi)部的變化，在同一區(qū)域中中間像素的變化小于邊緣像素的變化。梯度值正比于鄰近像素灰度級(jí)差值，也就是說(shuō)在圖像變化緩慢區(qū)域，梯度值小，反之則大。而取梯度倒數(shù)大小與梯度相反，因此，以梯度倒數(shù)作權(quán)重因子，則區(qū)域內(nèi)部的鄰點(diǎn)權(quán)重就大于邊緣近旁或區(qū)域外的鄰點(diǎn)。即該種平滑其貢獻(xiàn)上要來(lái)自區(qū)域內(nèi)部的像素，平滑后圖像的邊緣和細(xì)節(jié)不會(huì)受到明顯的損害。,高通空域?yàn)V波,高通空域?yàn)V波可以增強(qiáng)圖像的高頻成分而不改變圖像的低頻成分。這種情況下，相對(duì)來(lái)說(shuō)，削弱了圖像的低頻成分。因?yàn)閳D像的邊緣或線條與圖像中的高頻分量相對(duì)應(yīng)，高通濾波可以讓高頻分量順利通過(guò)，使圖像的邊緣輪廓變得清楚。,低通空域?yàn)V波,低通空域?yàn)V波是一種保留圖像的低頻成分，減少圖像的高頻成分的處理方法，有的稱之為消噪聲掩膜法。因?yàn)閳D像噪聲常常以高頻、隨機(jī)的形式表現(xiàn)出來(lái)，大面積的背景區(qū)和亮度漸變區(qū)域則屬低頻成分。 低通空域?yàn)V波以卷積方法進(jìn)行。 卷積方法實(shí)質(zhì)是一種加權(quán)求和的過(guò)程。選擇某種形狀的鄰域，將鄰域中的每個(gè)像素與卷積核中的對(duì)應(yīng)元素相乘，乘積求和的結(jié)果即為模板中心像素的新值，卷積核中的元素稱為加權(quán)系數(shù)。,濾波器性能的評(píng)價(jià),評(píng)價(jià)的方法和標(biāo)準(zhǔn) 定性評(píng)價(jià)和定量評(píng)價(jià)相結(jié)合 1 均值的保留能力 2 斑點(diǎn)噪聲的濾除能力 3 邊緣的保持能力 4 線和點(diǎn)目標(biāo)的保持能力 5 自然的視覺(jué)效果 6 效率和實(shí)現(xiàn)的復(fù)雜度,高斯噪聲,高斯噪聲濾波效果分析,在目前的這幾種濾波方法中，從自然視覺(jué)效果來(lái)看，較好的有高斯濾波、KNN濾波；均值濾波比中值濾波較好；而最大均勻性平滑濾波的邊緣保持能力較差，高通、低通適中。,椒鹽噪聲,椒鹽噪聲濾波效果分析,對(duì)于椒鹽噪聲，從視覺(jué)效果上看，中值濾波比均值濾波較好，中值濾波對(duì)斑點(diǎn)的濾除力較高，最大均勻性平滑濾波和KNN平滑濾波次之；均值濾波和低通濾波的線條和點(diǎn)目標(biāo)的邊緣都受到了一定程度的模糊，最大均勻性平滑濾波對(duì)邊界的抹平尤為嚴(yán)重；高斯濾波和低通濾波效果差不多。,隨機(jī)噪聲,隨機(jī)噪聲濾波效果分析,從視覺(jué)上看，雖然最大均勻性平滑濾波的圖像在亮度上與源圖像較接近，但其邊緣保留能力卻較差，高通濾波、高斯和低通濾波在線條和邊緣上相差不大，亮度上高通較亮，低通和高斯接近。而中值濾波的邊緣和細(xì)節(jié)部分保留得較好。,濾波效率分析,在相同的電腦下，相同的一幅照片濾波效率如下表的數(shù)據(jù)記錄： 整體上看，3*3低通濾波、中值濾波速度較快；均值、梯度、高斯、高通濾波效率次之；最大均勻性平滑濾波較慢，KNN濾波效率次之 對(duì)于同一種濾波，不同噪聲的處理效率也不一樣，如均值濾波對(duì)于隨機(jī)噪聲濾波效率較高、而高斯濾波對(duì)于高斯噪聲的處理效率較高，高通濾波則對(duì)椒鹽濾波效率高些,實(shí)現(xiàn)的復(fù)雜度分析,均值濾波器和中值濾波器的算法較簡(jiǎn)單 由于梯度倒數(shù)加權(quán)平均法濾波器、最大均勻性平滑濾波器和KNN濾波器要進(jìn)行局域參數(shù)的統(tǒng)計(jì)，所以算法較為復(fù)雜 高斯、高通、低通濾波器的算法劇中。,總結(jié),由于所編寫(xiě)的濾波方法有限，且不同的噪聲產(chǎn)生原因不同，每種濾波器對(duì)不同的噪聲濾波效果不一樣以及處理速度不同，所以沒(méi)有所謂的最好的濾波器，只有相對(duì)較好的濾波。選擇濾波的時(shí)候要根據(jù)具體的濾波綜合要求來(lái)選擇較好濾波器。,謝謝各位,