第9章 噪聲圖像的產(chǎn)生及處理

第9章噪聲圖像的產(chǎn)生

及處理數(shù)字信號處理器原理A西安郵電大學(xué)通信與信息工程學(xué)院

課前提問：1、第8章學(xué)習(xí)了“彩色圖像轉(zhuǎn)化成灰度圖像”，請問：RGB彩色圖像轉(zhuǎn)化成灰度的圖像的方法有幾種？分別是什么？

一、彩色圖像灰度化的原理所謂加權(quán)平均法就是根據(jù)三基色的重要性及其它指標，將R、G、B三個分量以不同的權(quán)值進行加權(quán)平均由于人眼對綠色的敏感最高，對藍色敏感最低；因此，我們可以按下式對R、G、B三分量進行加權(quán)平均，則能得到較合理的灰度圖像。一般有以下三種轉(zhuǎn)化方案：方法1：加權(quán)平均法方法2：平均值法

所謂平均值法就是對彩色圖像的每個像素中的R、G、B三個分量的值進行簡單的算術(shù)平均；將得到平均值作為灰度圖像對應(yīng)像素的亮度值；其計算式如下所示：一、彩色圖像灰度化的原理方法3：最大值法所謂最大值法就是將彩色圖像中每個像素的R、G、B三個分量中的最大值作為灰度圖對應(yīng)像素的灰度值。其計算式如下：一、彩色圖像灰度化的原理(復(fù)習(xí))

實驗結(jié)果與分析實驗結(jié)果與分析圖8.10采用“加權(quán)平均”法變換得到的灰度圖像在CCS中編程實現(xiàn)RGB轉(zhuǎn)化成灰度圖像的3種方法，實驗中，要對比試驗結(jié)果；要交試驗報告（二人一組交一份）：電子版與紙質(zhì)版（雙面打?。辉趯嶒瀳蟾嬷?，不能采用相同的圖像數(shù)據(jù)，若發(fā)現(xiàn)有相同的，則返回重新做實驗，重新提交實驗報告；（也不能用與PPT相同的圖像數(shù)據(jù)）實驗2：彩色圖像灰度化DSP實驗內(nèi)容與要求：怎樣生成試驗圖像數(shù)據(jù)文件一個關(guān)鍵問題：課外實驗1：彩色圖像灰度化DSP實驗?生成試驗圖像數(shù)據(jù)文件：目錄第9章

圖像噪聲產(chǎn)生及處理

9.1引言9.2圖像去噪9.3椒鹽噪聲9.4高斯噪聲9.5試驗結(jié)果與分析9.6分析與總結(jié)

本章要解決的問題：1、什么是圖像的噪聲？2、圖像的噪聲可分成哪幾種類型？

3、常用的圖像去噪方法有哪些？圖像噪聲舉例：本章學(xué)習(xí)目標了解圖像噪聲的概念及特點；了解圖像噪聲的類型；了解常用的圖像去噪方法；掌握圖像高斯噪聲的生成模型及方法；掌握圖像椒鹽噪聲的生成模型及方法。知識要點：高斯、椒鹽噪聲的生成原理與方法；相應(yīng)的DSP編程方法。9.1引言所謂噪聲是電路或系統(tǒng)中不含信息量的電壓或電流，如：在工業(yè)與自然界中，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設(shè)備的開啟與斷開、雷擊閃電等都會使空間電場和磁場產(chǎn)生有序或無序的變化，這些都是干擾源（或噪聲源）。這些源產(chǎn)生的電磁波或尖峰脈沖，通過磁、電耦合或是通過電源線等路徑進入放大電路、各種電氣設(shè)備，形成各種形式的干擾。

噪聲可以理解為“妨礙人們感覺器官對所接收的信源信息的理解”。例如，一幅黑白圖片，其平面亮度分布假定為f(x，y)，那么對其接收起干擾作用的亮度分布R(x，y)，即可稱為圖像噪聲。

9.1引言但是，噪聲在理論上可以定義為“不可預(yù)測，只能用概率統(tǒng)計方法來認識的隨機誤差”。因此，將圖像噪聲看成是多維隨機過程是合適的，而描述噪聲的方法完全可以借用隨機過程的描述，即用其概率分布函數(shù)和概率密度分布函數(shù)。在很多情況下，這樣的描述方法是很復(fù)雜的，甚至是不可能的；實際應(yīng)用通常是用其數(shù)字特征，即均值方差，相關(guān)函數(shù)等。因為這些數(shù)字特征都可以從某些方面反映出噪聲的特征。

為什么要研究圖像的噪聲及處理方法？簡單而言，圖像噪聲使得圖像模糊，甚至淹沒圖像特征，給圖像分析帶來困難。1、圖像噪聲特點：(1)噪聲在圖像中的分布和大小不規(guī)則，即具有隨機性。(2)噪聲與圖像之間一般具有相關(guān)性。例如，攝像機的信號和噪聲相關(guān)，黑暗部分噪聲大，明亮部分噪聲小。又如，數(shù)字圖像中的量化噪聲與圖像相位相關(guān)，圖像內(nèi)容接近平坦時，量化噪聲呈現(xiàn)偽輪廓，但圖像中的隨機噪聲會因為顫噪效應(yīng)反而使量化噪聲變得不很明顯。(3)噪聲具有疊加性。在串聯(lián)圖像傳輸系統(tǒng)中，各部分竄入噪聲若是同類噪聲可以進行功率相加，依次信噪比要下降。若不是同類噪聲應(yīng)區(qū)別對待，而且要考慮視覺檢出特性的影響。但是因為視覺檢出特性中的許多問題還沒有研究清楚，所以也只能進行一些主觀的評價試驗。2、噪聲分類

：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)的形式，則稱其為加性噪聲；如果疊加波形為S(t)［1+n(t)］的形式，則稱其為乘性噪聲。(2)外部噪聲和內(nèi)部噪聲。外部噪聲，即指系統(tǒng)外部干擾以電磁波或經(jīng)電源串進系統(tǒng)內(nèi)部而引起的噪聲；電氣設(shè)備內(nèi)部引起的噪聲為內(nèi)部噪聲。(3)平穩(wěn)噪聲和非平穩(wěn)噪聲。(4)其它幾類噪聲。3、噪聲模型：（1）高斯噪聲：（2）瑞利噪聲：（3）伽馬(愛爾蘭)噪聲：3、噪聲模型：（4）指數(shù)分布噪聲：（6）“椒鹽噪聲”（脈沖噪聲）：椒鹽噪聲是一種因為信號脈沖強度引起的噪聲；椒鹽噪聲是指兩種噪聲，一種是鹽噪聲（saltnoise），另一種是胡椒噪聲（peppernoise）。鹽=白色，椒=黑色。前者是高灰度噪聲，后者屬于低灰度噪聲。一般兩種噪聲同時出現(xiàn)，呈現(xiàn)在圖像上就是黑白雜點。

（5）均勻噪聲：9.2圖像去噪

圖像去噪算法分類：（1）空間域濾波（2）變換域濾波（3）偏微分方程（4）變分法（5）形態(tài)學(xué)噪聲濾除器典型圖像去噪方法分析（1）均值濾波器：-----鄰域平均法

像素點（x，y），選擇一個模板，求模板中所有像素的均值；g（x，y）=1/m∑f（x，y），m為模板中像素的總個數(shù)。

均值濾波器優(yōu)缺點均值濾波器是一種典型的線性去噪方法，因為其運算簡單快速，同時又能夠較為有效地去除高斯噪聲。因而適用面較廣，至今仍是一種常用的去噪方法，許多濾除噪聲方法都是在此基礎(chǔ)上發(fā)展而來。其缺點是嚴重破壞了圖像的邊緣，模糊了圖像。典型圖像去噪方法分析（2）中值濾波

：中值濾波是常用的非線性濾波方法，也是圖像處理技術(shù)中最常用的預(yù)處理技術(shù)。它在平滑脈沖噪聲方面非常有效，同時它可以保護圖像尖銳的邊緣。（3）小波變換濾波

：小波去噪算法:（1）進行二維圖像信號的小波變換；（2）提取小波分解中第一層的低頻圖像，跟蹤該尺度下的極值點；（3）令j=1，對第一層低頻圖像進行小波變換，提取第二層低頻圖像信號，同時，以步驟②中的小波變換極值點為參考，找出幅值減小的極值點，并除去，保留幅值增加的極值點；（4）令j=2,3,??,重復(fù)步驟（3）；（5）重建去噪后的二維圖像信息。典型圖像去噪方法分析（4）維納濾波

：維納濾波器（Wienerfilter）是一種以最小平方為最優(yōu)準則的線性濾波器，是40年代在線性濾波理論方面所取得的最重要的成果。

維納濾波器又被稱為最小二乘濾波器或最小平方濾波器，目前是基本的濾波方法之一。該方法的濾波效果比均值濾波器效果要好，對保留圖像的邊緣和其他高頻部分很有用，不過計算量較大。維納濾波器對具有白噪聲的圖象濾波效果最佳。

9.3椒鹽噪聲本節(jié)學(xué)習(xí)目的：掌握椒鹽噪聲的原理；能夠用DSP程序，在圖像中添加椒鹽噪聲。9.3.1基本原理脈沖噪聲(椒鹽噪聲)：雙極脈沖噪聲也稱為椒鹽噪聲，有時也稱為散粒和尖峰噪聲。如果b>a，灰度值b在圖像中將顯示為一個亮點，相反，a的值將顯示為一個暗點；若Pa或Pb為零，則脈沖噪聲稱為單極脈沖。如果Pa和Pb均不可能為零，尤其是它們近似相等時，脈沖噪聲值將類似于隨機分布在圖像上的胡椒和鹽粉微粒。9.3.1基本原理噪聲脈沖可以是正的，也可以是負的。因為脈沖干擾通常與圖像信號的強度相比較大，因此，在一幅圖像中，脈沖噪聲總是數(shù)字化為最大值(純黑或純白)。這樣，通常假設(shè)a，b是飽和值,從某種意義上看，在數(shù)字化圖像中，它們等于所允許的最大值和最小值。由于這一結(jié)果