《数字图像滤波方法比较.ppt》由会员分享，可在线阅读，更多相关《数字图像滤波方法比较.ppt（39页珍藏版）》请在三一办公上搜索。
1、图像滤波方法的比较,实现的目标,噪声：三类噪声：高斯噪声、椒盐 噪声、随机噪声（2种）滤波：编写8种滤波方法，实现了7个：均值滤波、中值滤波、高斯滤波、KNN滤波、高通滤波、低通滤波（3*3）、最大均匀性平滑滤波；未实现的两种：梯度倒数加权滤波及低通滤波（5*5，7*7，9*9，11*11）计算滤波时间：实现了计算滤波的处理时间,彩色/灰色显示：对原彩色图像处理后的色彩选择：彩色（部分程序）、灰色（实现）菜单形式：实现了将所有命令控件整合为菜单形式，减少了控件占用界面的空间图片显示：6个图片存放框，实现了将处理的图片显示在指定的图片框，便于各种滤波方法的比较,图像滤波的概念,图像滤波，即在尽量
2、保留图像细节特征的条件下对目标像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。,基本原理,中值滤波 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。,均值滤波 均值滤波也称为线性滤波，其采用的主要方法为领域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予
3、当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即g（x，y）=1/m f（x，y），m为该模板中包含当前像素在内的像素总个数。,高斯滤波 高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。,K近邻均值滤波,边界保持滤波器的核心是确定边界点与非边界点。如图所示，点1是黄色区域的非边界点，点2是蓝
4、色区域的边界点。在模板中，分别选出5个与点1或点2灰 度值最相近的点进行计算，不影响效果。换句话说，对非边界点的影响不是很大，但是对边界点的影响就非常大。其算法步骤为：1)以待处理像素为中心，作一个m*m的作用模板。2）在模板中，选择K个与待处理像素的灰度方差为最小的像素。3）将这K个像素的灰度均值替换掉原来的像素值。,最大均匀性平滑滤波,最大均匀性平滑滤波是针对一些滤波方法在消除噪声时引起边缘退化的现象而提出的，其基本思想是，若图像中的一个区域含有边缘，它的灰度方差必定较大。该方法采用了9种不同形状的模板，1个正方形模板，4个对称的五边形模板，4个对称的六边形模板，用各模板内的灰度方差作为各
5、个区域不均匀性的测试，以最为均匀的区域灰度均值作为被处理点的像素值。,梯度倒数加权平均法滤波,梯度倒数加权法平滑基于如下的假设：在一幅离散图像中，相邻区域的变化大于区域内部的变化，在同一区域中中间像素的变化小于边缘像素的变化。梯度值正比于邻近像素灰度级差值，也就是说在图像变化缓慢区域，梯度值小，反之则大。而取梯度倒数大小与梯度相反，因此，以梯度倒数作权重因子，则区域内部的邻点权重就大于边缘近旁或区域外的邻点。即该种平滑其贡献上要来自区域内部的像素，平滑后图像的边缘和细节不会受到明显的损害。,高通空域滤波,高通空域滤波可以增强图像的高频成分而不改变图像的低频成分。这种情况下，相对来说，削弱了图像
6、的低频成分。因为图像的边缘或线条与图像中的高频分量相对应，高通滤波可以让高频分量顺利通过，使图像的边缘轮廓变得清楚。,低通空域滤波,低通空域滤波是一种保留图像的低频成分，减少图像的高频成分的处理方法，有的称之为消噪声掩膜法。因为图像噪声常常以高频、随机的形式表现出来，大面积的背景区和亮度渐变区域则属低频成分。低通空域滤波以卷积方法进行。卷积方法实质是一种加权求和的过程。选择某种形状的邻域，将邻域中的每个像素与卷积核中的对应元素相乘，乘积求和的结果即为模板中心像素的新值，卷积核中的元素称为加权系数。,滤波器性能的评价,评价的方法和标准定性评价和定量评价相结合1 均值的保留能力2 斑点噪声的滤除能
7、力3 边缘的保持能力4 线和点目标的保持能力5 自然的视觉效果6 效率和实现的复杂度,高斯噪声,高斯噪声滤波效果分析,在目前的这几种滤波方法中，从自然视觉效果来看，较好的有高斯滤波、KNN滤波；均值滤波比中值滤波较好；而最大均匀性平滑滤波的边缘保持能力较差，高通、低通适中。,椒盐噪声,椒盐噪声滤波效果分析,对于椒盐噪声，从视觉效果上看，中值滤波比均值滤波较好，中值滤波对斑点的滤除力较高，最大均匀性平滑滤波和KNN平滑滤波次之；均值滤波和低通滤波的线条和点目标的边缘都受到了一定程度的模糊，最大均匀性平滑滤波对边界的抹平尤为严重；高斯滤波和低通滤波效果差不多。,随机噪声,随机噪声滤波效果分析,从视
8、觉上看，虽然最大均匀性平滑滤波的图像在亮度上与源图像较接近，但其边缘保留能力却较差，高通滤波、高斯和低通滤波在线条和边缘上相差不大，亮度上高通较亮，低通和高斯接近。而中值滤波的边缘和细节部分保留得较好。,滤波效率分析,在相同的电脑下，相同的一幅照片滤波效率如下表的数据记录：整体上看，3*3低通滤波、中值滤波速度较快；均值、梯度、高斯、高通滤波效率次之；最大均匀性平滑滤波较慢，KNN滤波效率次之对于同一种滤波，不同噪声的处理效率也不一样，如均值滤波对于随机噪声滤波效率较高、而高斯滤波对于高斯噪声的处理效率较高，高通滤波则对椒盐滤波效率高些,实现的复杂度分析,均值滤波器和中值滤波器的算法较简单由于梯度倒数加权平均法滤波器、最大均匀性平滑滤波器和KNN滤波器要进行局域参数的统计，所以算法较为复杂高斯、高通、低通滤波器的算法剧中。,总结,由于所编写的滤波方法有限，且不同的噪声产生原因不同，每种滤波器对不同的噪声滤波效果不一样以及处理速度不同，所以没有所谓的最好的滤波器，只有相对较好的滤波。选择滤波的时候要根据具体的滤波综合要求来选择较好滤波器。,谢谢各位,
