三圖像的平滑與銳化

1、實驗三圖像的平滑與銳化1 .實驗?zāi)康? .掌握圖像濾波的基本定義及目的；2 .理解空域濾波的基本原理及方法；3 .掌握進行圖像的空域濾波的方法。2 .實驗基本原理圖像噪聲從統(tǒng)計特性可分為平穩(wěn)噪聲和非平穩(wěn)噪聲兩種。統(tǒng)計特性 不隨時間變化的噪聲稱為平穩(wěn)噪聲；統(tǒng)計特性隨時間變化的噪聲稱為非 平穩(wěn)噪聲。另外，按噪聲和信號之間的關(guān)系可分為加性噪聲和乘性噪聲。 假定信號為S(t),噪聲為n(t),如果混合疊加波形是 S(t)+n(t)形式， 則稱其為加性噪聲；如果疊加波形為S(t) 1+n(t)形式，則稱其為乘性噪聲。為了分析處理方便，往往將乘性噪聲近似認(rèn)為加性噪聲，而且 總是假定信號和噪聲是互相獨立的。

2、1 .均值濾波均值濾波是在空間域?qū)D像進行平滑處理的一種方法，易于實現(xiàn)， 效果也挺好。_ 2設(shè)噪聲y (m,n)是加性噪聲，其均值為 0,方差(噪聲功率)為 仃, 而且噪聲與圖像f(m,n)不相關(guān)。除了對噪聲有上述假定之外，該算法還基于這樣一種假設(shè)：圖像是 由許多灰度值相近的小塊組成。這個假設(shè)大體上反映了許多圖像的結(jié)構(gòu) 特征。1 一一g(x,y)f (|, j)(3-1)M (i,j) s式(2-1)表達的算法是由某像素領(lǐng)域內(nèi)各點灰度值的平均值來代替該像 素原來的灰度值?？捎媚K反映領(lǐng)域平均算法的特征。對模板沿水平和垂直兩個方向 逐點移動，相當(dāng)于用這樣一個模塊與圖像進行卷積運算，從而平滑了整幅

3、圖像。模版內(nèi)各系數(shù)和為1,用這樣的模板處理常數(shù)圖像時，圖像沒有變化；對一般圖像處理后，整幅圖像灰度的平均值可不變。（a）原始圖像（b）鄰域平均后的結(jié)果圖3-1圖像的領(lǐng)域平均法2 .中值濾波中值濾波是一種非線性處理技術(shù)，能抑制圖像中的噪聲。它是基于圖 像的這樣一種特性：噪聲往往以孤立的點的形式出現(xiàn)，這些點對應(yīng)的象 素很少，而圖像則是由像素數(shù)較多、面積較大的小塊構(gòu)成。在一維的情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。在處理 之后，位于窗口正中的像素的灰度值，用窗口內(nèi)各像素灰度值的中值代 替。例如若窗口長度為5,窗口中像素的灰度值為80、90、200、110、120,則中值為110,因為按小到大

4、（或大到?。┡判蚝螅谌坏闹凳?110。于是原理的窗口正中的灰度值 200就由110取代。如果200是一個 噪聲的尖峰，則將被濾除。然而，如果它是一個信號，則濾波后就被消 除，降低了分辨率。因此中值濾波在某些情況下抑制噪聲，而在另一些 情況下卻會抑制信號。中值濾波很容易推廣到二維的情況。二維窗口的形式可以是正方形、 近似圓形的或十字形的。在圖像增強的具體應(yīng)用中，中值濾波只能是一 種抑制噪聲的特殊工具，在處理中應(yīng)監(jiān)視其效果，以決定最終是福才有 這種方案。實施過程中的關(guān)鍵問題是探討一些快速算法。3 .空域低通濾波：從信號頻譜角度來看，信號的緩慢變化部分在頻率域?qū)儆诘皖l部分，而 信號的迅速變化部分

5、在頻率域是高頻部分。對圖像來說，它的邊緣以及 噪聲干擾的頻率分量都處于頻率域較高的部分，因此，可以采用低通濾 波的方法來去除噪聲。而頻域的濾波又很容易從空間域的卷積來實現(xiàn)， 為此只要適當(dāng)設(shè)計空間域的單位沖激響應(yīng)矩陣，就可以達到濾除噪聲的 效果。下面是幾種用于噪聲平滑低通卷積模板。0 1 0一0 1 01一1 1 1 11111 0* 11 0* 11 2* 1481010 1 011 1111 11采用有低通性的模板(更多模板參見matlabtoolbox課件)，能夠完成對圖像的平滑。4 .空域高通濾波：采用有高通性的模板，能夠完成對圖像的銳化；在模板運算中，模板的權(quán)值體現(xiàn)了該位置點的灰度對整

6、個模板運算結(jié)果影響的影響度，權(quán)值越大，影響越大。二.實驗提小用VC做實驗請參見教材 4.7節(jié)，注意模板對話框的設(shè)計。1 .MATLAE®像處理工具箱提供了基于卷積的圖像濾波函數(shù)filter2 ,filter2的語法格式為：Y = filter2 (h,X)其中Y = filter2(h,X) 返回圖像X經(jīng)算子h濾波后的結(jié)果，默認(rèn)返 回圖像Y與輸入圖像X大小相同。在MATLA圖像處理工具箱中，提供了 medfilt2函數(shù)用于實現(xiàn)中值濾波。Medfilt2 函數(shù)的語法格式為：B = medfilt2(A)用3X 3的濾波窗口對圖像 A進行中值濾波。B = medfilt2(A,m n)用

7、指定大小為 mx n的窗口對圖像 A進行中值濾波。2 .完成人為的往一幅圖像中加入噪聲，并通過多次相加求平均的方 法消除所加入的噪聲。在MATLA井提供了給圖像加入噪聲的函數(shù)imnoiseimnoise的語法格式為J = imnoise(I,type)J = imnoise(I,type,parameters)其中J = imnoise(I,type)返回對原始圖像I添加典型噪聲的有噪圖像Jo參數(shù)type和parameters用于確定噪聲的類型和相應(yīng)的參數(shù)。主要包括'gaussian'Gaussian white noise'localvar'Zero-mean

8、 Gaussian white noise with an intensity-dependent variancepoisson' Poisson noisesalt & pepper' On and off pixels'speckle' Multiplicative noise下面的命令是對圖像eight.tif分別加入高斯噪聲、椒鹽噪聲和乘性噪聲，其結(jié)果如圖所示：例:I=imread('eight.tif);J1=imnoise(I,'gaussian',0,0.02);J2=imnoise(I,'salt &am

9、p; pepper',0.02);J3=imnoise(I,'speckle',0.02);subplot(2,2,1),imshow(I),title('原圖像')；subplot(2,2,2),imshow(J1),title('加高斯噪聲');subplot(2,2,3),imshow(J2),title('加椒鹽噪聲)；subplot(2,2,4),imshow(J3),title('加乘性噪聲');在上面的例子中使用了一個函數(shù)subploto其作用就是將多幅圖像顯示再同一幅圖像顯示對話框中。其語法格式為：

10、subplot(m,n,p)其作用就是將一個圖像顯示對話框分成m行n歹U,并顯示第p幅圖像。在MATLAB程序語言中，分號的用處為不顯示程序運算中的中間結(jié)果， 這在一定程度上使系統(tǒng)運算的效率增高，因此在不需知道中間結(jié)果的情 況下，可以用分號作為一個句子的結(jié)尾，而不顯示該句運算的中間結(jié)果。我們用均值濾波對一幅圖像做處理時，往往取不到較理想的效果，可重復(fù)做幾次。代數(shù)運算中需要有若干幅帶有隨機噪聲的圖像數(shù)據(jù)，在這里我們運 用MATLAB中的FOR循環(huán)語句來完成產(chǎn)生多幅帶有噪聲的圖像數(shù)據(jù)及將這些圖像數(shù)據(jù)進行相加運算。MATLAB中FOR END循環(huán)的用法如下：for end循環(huán)這種循環(huán)允許一組命令以固

11、定的和預(yù)定的次數(shù)重復(fù)，循環(huán)的一般形 式為：for variable = expression statementsend舉例如下：例：%一個簡單的for循環(huán)的例子。fo門=1:10;y(i)=i;end;y%顯示y的結(jié)果y =12345678910im2double函數(shù)，其語法格式為：I2 = im2double(I1)其中I1是輸入的圖像數(shù)據(jù)，它可能是unit8或unit16型數(shù)據(jù)，通過函數(shù)的變化輸出I2為一個double型數(shù)據(jù)，這樣兩圖像數(shù)據(jù)就可以方便的 進行相加等代數(shù)運算.四.實驗內(nèi)容與要求實驗要求設(shè)計一個程序完成下列要求：1 .讀出eight.tif 這幅圖像，給這幅圖像加入椒鹽噪聲后

12、并與前一 張圖顯示在同一圖像窗口中；2 .對加入噪聲圖像選用不同的平滑(低通)模板做運算，對比不同 模板所形成的效果，要求在同一窗口中顯示；3 .運用for循環(huán)，將1幅加有噪聲的圖像進行10次，20次均值濾波,查看其特點，顯示均值處理后的圖像；4 .對加入椒鹽噪聲的圖像分別采用均值濾波法，和中值濾波法對有 噪聲的圖像做處理，要求在同一窗口中顯示結(jié)果。1.I=imread('eight.tif);I1=imnoise(I,'salt & pepper',0.02);subplot(1,2,1),imshow(I),subplot(1,2,2),imshow(I1)

13、2.I=imread('eight.tif);I1=imnoise(I,'salt & pepper',0.02);h1=0 0.25 0;0.25 0 0.25;0 0.25 0;h2=0.125 0.125 0.125;0.125 0 0.125;0.125 0.125 0.125;h3=0.1 0.1 0.1;0.1 0.2 0.1;0.1 0.1 0.1;J1=imfilter(I1,h1);J2=imfilter(I1,h2);J3=imfilter(I1,h3);subplot(2,2,1),imshow(I1),subplot(2,2,2),ims

14、how(J1);subplo t(2,2,3), imshow(J2);subplot(2,2,4),imshow(J3)3.I=imread('eight.tif);I1=imnoise(I,'salt & pepper',0.02);h=0.125 0.125 0.125;0.125 0 0.125;0.125 0.125 0.125;for n=1:10;I1=imfilter(I1,h);subplot(5,2,n),imshow(I1);endI=imread('eight.tif);I1=imnoise(I,'salt & pepper',0.02);h=0.125 0.125 0.125;0.125 0 0.125;0.125 0.125 0.125;for n=1:20;I1=imfilter(I1,h);subplot(4,5,n),imshow(I1);end4.I=imread('eight.