數字圖像濾波方法比較.ppt

《數字圖像濾波方法比較.ppt》由會員分享，可在線閱讀，更多相關《數字圖像濾波方法比較.ppt（39頁珍藏版）》請在裝配圖網上搜索。

圖像濾波方法的比較,,實現的目標,噪聲： 三類噪聲：高斯噪聲、椒鹽 噪聲、隨機噪聲（2種） 濾波： 編寫8種濾波方法，實現了7個：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 ；未實現的兩種：梯度倒數加權濾波及低通濾波（ 5*5 ，7*7，9*9，11*11） 計算濾波時間：實現了計算濾波的處理時間,,彩色/灰色顯示 ： 對原彩色圖像處理后的色彩選擇：彩色（部分程序）、灰色（實現） 菜單形式 ： 實現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個圖片存放框，實現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節(jié)特征的條件下對目標像的噪聲進行抑制，是圖像預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計理論的一種能有效抑制噪聲的非線性信號處理技術，中值濾波的基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。,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像素值，即對待處理的當前像素點（x，y），選擇一個模板，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，再把該均值賦予當前像素點（x，y），作為處理后圖像在該點上的灰度個g（x，y），即g（x，y）=1/m ∑f（x，y）， m為該模板中包含當前像素在內的像素總個數。,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，廣泛應用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進行加權平均的過程，每一個像素點的值，都由其本身和鄰域內的其他像素值經過加權平均后得到。 高斯濾波的具體操作是：用一個模板(或稱卷積、掩模)掃描圖像中的每一個像素，用模板確定的鄰域內像素的加權平均灰度值去替代模板中心像素點的值。,K近鄰均值濾波,邊界保持濾波器的核心是確定邊界點與非邊界點。如圖所示，點1是黃色區(qū)域的非邊界點，點2是藍色區(qū)域的邊界點。 在模板中，分別選出5個與點1或點2灰 度值最相近的點進行計算，不影響效果。 換句話說，對非邊界點的影響不是很大， 但是對邊界點的影響就非常大。 其算法步驟為： 1) 以待處理像素為中心，作一個m*m的作用模板。 2）在模板中，選擇K個與待處理像素的灰度方差為最小的像素。 3）將這K個像素的灰度均值替換掉原來的像素值。,最大均勻性平滑濾波,最大均勻性平滑濾波是針對一些濾波方法在消除噪聲時引起邊緣退化的現象而提出的，其基本思想是，若圖像中的一個區(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個正方形模板，4個對稱的五邊形模板，4個對稱的六邊形模板，用各模板內的灰度方差作為各個區(qū)域不均勻性的測試，以最為均勻的區(qū)域灰度均值作為被處理點的像素值。,梯度倒數加權平均法濾波,梯度倒數加權法平滑基于如下的假設：在一幅離散圖像中，相鄰區(qū)域的變化大于區(qū)域內部的變化，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差值，也就是說在圖像變化緩慢區(qū)域，梯度值小，反之則大。而取梯度倒數大小與梯度相反，因此，以梯度倒數作權重因子，則區(qū)域內部的鄰點權重就大于邊緣近旁或區(qū)域外的鄰點。即該種平滑其貢獻上要來自區(qū)域內部的像素，平滑后圖像的邊緣和細節(jié)不會受到明顯的損害。,高通空域濾波,高通空域濾波可以增強圖像的高頻成分而不改變圖像的低頻成分。這種情況下，相對來說，削弱了圖像的低頻成分。因為圖像的邊緣或線條與圖像中的高頻分量相對應，高通濾波可以讓高頻分量順利通過，使圖像的邊緣輪廓變得清楚。,,低通空域濾波,低通空域濾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。因為圖像噪聲常常以高頻、隨機的形式表現出來，大面積的背景區(qū)和亮度漸變區(qū)域則屬低頻成分。 低通空域濾波以卷積方法進行。 卷積方法實質是一種加權求和的過程。選擇某種形狀的鄰域，將鄰域中的每個像素與卷積核中的對應元素相乘，乘積求和的結果即為模板中心像素的新值，卷積核中的元素稱為加權系數。,濾波器性能的評價,評價的方法和標準 定性評價和定量評價相結合 1 均值的保留能力 2 斑點噪聲的濾除能力 3 邊緣的保持能力 4 線和點目標的保持能力 5 自然的視覺效果 6 效率和實現的復雜度,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，從自然視覺效果來看，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,對于椒鹽噪聲，從視覺效果上看，中值濾波比均值濾波較好，中值濾波對斑點的濾除力較高，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目標的邊緣都受到了一定程度的模糊，最大均勻性平滑濾波對邊界的抹平尤為嚴重；高斯濾波和低通濾波效果差不多。,隨機噪聲,,,,,,,,隨機噪聲濾波效果分析,從視覺上看，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據記錄： 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，如均值濾波對于隨機噪聲濾波效率較高、而高斯濾波對于高斯噪聲的處理效率較高，高通濾波則對椒鹽濾波效率高些,實現的復雜度分析,均值濾波器和中值濾波器的算法較簡單 由于梯度倒數加權平均法濾波器、最大均勻性平滑濾波器和KNN濾波器要進行局域參數的統計，所以算法較為復雜 高斯、高通、低通濾波器的算法劇中。,總結,由于所編寫的濾波方法有限，且不同的噪聲產生原因不同，每種濾波器對不同的噪聲濾波效果不一樣以及處理速度不同，所以沒有所謂的最好的濾波器，只有相對較好的濾波。選擇濾波的時候要根據具體的濾波綜合要求來選擇較好濾波器。,,謝謝各位,