数字图像平滑技术入门（图像滤波处理、降噪处理）

图像平滑的主要目的是减少噪声（噪声：你就理解成图像中的杂质）。图像中的噪声种类很多，对图像信号幅度和相位的影响十分复杂，有些噪声和图像信号不相关，有些是相关的，噪声之间也可能相关。因此要减少图像的噪声必须争对具体情况采用不同方法。

噪声的概括：

图像噪声的来源：
图像系统中的噪声来自多方面，经常影响图像质量的噪声源主要有以下几类：
1、由光和电的基本性质引起的噪声。
2、电器的机械运动产生的噪声。例如，电流是否稳定造成
3、元器件材料本身引起的噪声。例如，材料本身缺陷等
4、系统内部设备电路所引起的噪声。

图像噪声的分类：
1、按生产上分为内部和外部噪声，外部噪声是指系统外部环境本身的干扰；内部噪声是指系统内部的硬件等原因产生的噪声。
2、按统计特性可以分为平稳和非平稳噪声，在实际中，其统计特性不随时间变化的噪声称为平稳噪声，随时间变化的是非平稳噪声。
3、按幅度分布形状来区分，幅度分布遵循高斯分布的噪声称为高斯噪声；按瑞利分布的噪声称为瑞利噪声。
4、按频谱形状来区分，频谱幅度均匀分布的噪声称为白噪声，频谱幅度与频率成反比的噪声称为1/f噪声，与频率平方成正比的噪声称为三角噪声。
5、按噪声和信号之间府关系可分为加性噪声和乘性噪声。假定信号为s(t)，噪声为n(t)，最终信号为s(t)+n(t)的为加性噪声;s(t)[1+n(t)]为乘性噪声。

图像噪声的特点：
1、噪声在图像中的分布和大小不规则
2、噪声与图像之间具有相关性
3、噪声具有叠加性。

局部统计法：灰度变换与直方图处理方法都是从图像的整体出发。

空域平滑法：
   1、邻域平均法：邻域平均法称为均值滤波器，其核心思想是在图像中选择一个子图像（或称为邻域）用该邻域里所有像素灰度的平均值去替换邻域中心像素的灰度值。考虑到噪声的特点，均值滤波是可以削弱噪声的效果。其优点是算法简单，运行速度快；缺点是在降低噪声的同时图像变模糊，邻域越大图像越模糊。
   2、加权平均法：加权平均法与邻域平均法类似，但邻域平均的每个点对于与平均数的贡献是相等的，而加权平均法的每个点对于平均数的贡献是不相等的。该方法基于邻域平均法，它认为邻域中的某些点要比其它点更加重要，为此会赋予该点一定的权重。加权平均法在一定程度上减少图像的模糊。
   3、多图平均法：多图平均法的基本思想是在相同条件下采集同一目标物的若干幅图像，然后通过对采集到的多幅图像进行平均的方法来消减随机噪声。

均值滤波相关算子：
mean_image(Image:ImageMean:MaskWidth,MaskHeight:)
作用：均值滤波
Image：需要滤波的图像
ImageMean：滤波后的图像
MaskWidth：掩模宽度
MaskHeight：掩模高度

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平滑处理技术，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。相比线性滤波平滑处理技术，线性滤波破坏了非噪声区域的信号（邻域平均法），非线性滤波可以在保留信号的同时滤除噪声。它对于消除孤立点和线段的烦扰十分有用，能减弱或消除傅里叶空间的高频分量，但也影响低频分量。高频分量往往是图像中区域边缘灰度值急剧变化的部分，该滤波可将这些分量消除，从而使图像得到平滑效果。中值滤波可以较好的保留图像边缘信息。
原理：方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。
中值滤波相关的算子：
median_image(Image:ImageMedian:MaskType,Radius,Margin:)
作用：中值滤波
Image：输入图像。
ImageMedian：滤波后图像
MaskType：掩模类型
Radius：掩模尺寸
Margin：边界处理。

频域低通滤波：
一幅图像中灰度均匀的平滑区域对应着傅里叶变换中的低频成分，灰度变化频繁的边缘细节对应着傅里叶变换中的高频成分。因此，过滤掉图像变换中的高频成分就能得到平滑图像。
   1、理想低通滤波器：由原点到截止频率确定一个距离，可以彻底滤除截止频率以外的高频分量。它处理后的图像高频能量部分丢失，并在空间域产生较严重的模糊（称为“振铃”现象，影响复原图像质量的众多因素之一）。截至频率越低，噪声滤除越多，振铃现象震荡的频率越低，高频分量损失越严重，图像越模糊。反之亦然。正是因为理想低通滤波存在“振铃”现象，导致其平滑效果下降。
   2、巴特沃斯低通滤波器：巴特沃斯滤波器是电子滤波器的一种，它是一种具有最大平坦幅度响应的低通滤波器。这种滤波器会大大减小处理后图像的模糊程度，无振铃现象，通过下降它的截止频率可实现一些平滑效果。
   3、指数低通滤波器：指数低通滤波器平滑后的图像无振铃现象，比巴特沃斯滤波的图像稍模糊些。
   4、梯形低通滤波器：滤波效果介于理想低通滤波和具有平滑过渡带的低通滤波器之间，滤波结果具有一定的振铃效应
低通滤波相关算子：
gen_lowpass(:ImageLowpass:Frequency,Norm,Mode,Width,Height:)
作用：生成理想的低通滤波图像
ImageLowpass：生成的滤波图像
Frequency：截止频率，决定了生成滤波图像中间白色椭圆区域的大小。
Norm：滤波器归一化引子
Mode：频率图中心位置
Width：生成滤波图像宽
Height：生成滤波图像高

对于一些噪声的处理效果演示:

高斯噪声过滤演示：

原图：

halcon代码：

*高斯噪声
read_image (Image, 'D:/Halcon-WorkSpaces/Test/Image/test5.jpg')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (Image)
*在原图上添加高斯噪声
gauss_distribution (20, Distribution)
add_noise_distribution (Image, ImageNoise, Distribution)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (ImageNoise)
************************
*均值滤波
mean_image (ImageNoise, ImageMean, 9, 9)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (ImageMean)
*中值滤波
median_image (ImageNoise, ImageMedian, 'circle', 5, 'mirrored')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (ImageMedian)
*低通滤波
get_image_size (ImageNoise, Width, Height)
gen_lowpass (ImageLowpass, 0.2, 'n', 'dc_center', Width, Height)
fft_generic (ImageNoise, ImageFFT, 'to_freq', -1, 'none', 'dc_center', 'complex')
convol_fft (ImageFFT, ImageLowpass, ImageConvol)
fft_generic (ImageConvol, ImageFFT1, 'from_freq', 1, 'none', 'dc_center', 'byte')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (ImageFFT1)

效果：分别为加高斯噪声；均值滤波；中值滤波；低通滤波

椒盐噪声过滤演示：

halcon代码：

*椒盐噪声
read_image (Image, 'D:/Halcon-WorkSpaces/Test/Image/test5.jpg')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (Image)
*向原图加入椒盐噪声
sp_distribution (5, 5, Distribution)
add_noise_distribution (Image, ImageNoise, Distribution)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (ImageNoise)
***************************
*均值滤波
mean_image (ImageNoise, ImageMean, 9, 9)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (ImageMean)
*中值滤波
median_image (ImageNoise, ImageMedian, 'circle', 5, 'mirrored')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (ImageMedian)
*低通滤波
get_image_size (ImageNoise, Width, Height)
gen_lowpass (ImageLowpass, 0.2, 'n', 'dc_center', Width, Height)
fft_generic (ImageNoise, ImageFFT, 'to_freq', -1, 'none', 'dc_center', 'complex')
convol_fft (ImageFFT, ImageLowpass, ImageConvol)
fft_generic (ImageConvol, ImageFFT1, 'from_freq', 1, 'none', 'dc_center', 'byte')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (ImageFFT1)

效果图：

图像本身的噪声处理演示：

演示用图：

halcon代码：

*图像本身的噪声
read_image (Image, 'D:/Halcon-WorkSpaces/Test/Image/test6.png')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle0)
dev_set_window (WindowHandle0)
dev_display (Image)
*********************
*均值滤波
mean_image (Image, ImageMean, 3, 3)
dev_open_window (0, 0, 512, 512, 'black', WindowHandle1)
dev_set_window (WindowHandle1)
dev_display (ImageMean)
*中值滤波
median_image (Image, ImageMedian, 'circle', 3, 'mirrored')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle2)
dev_set_window (WindowHandle2)
dev_display (ImageMedian)
*低通滤波
get_image_size (Image, Width, Height)
gen_lowpass (ImageLowpass, 0.2, 'n', 'dc_center', Width, Height)
fft_generic (Image, ImageFFT, 'to_freq', -1, 'none', 'dc_center', 'complex')
convol_fft (ImageFFT, ImageLowpass, ImageConvol)
fft_generic (ImageConvol, ImageFFT1, 'from_freq', 1, 'none', 'dc_center', 'byte')
dev_open_window (0, 0, 512, 512, 'black', WindowHandle3)
dev_set_window (WindowHandle3)
dev_display (ImageFFT1)

效果：

xxx

数字图像平滑技术入门（图像滤波处理、降噪处理）相关推荐

图像算法三：【图像增强--空间域】图像平滑、中值滤波、图像锐化
空间域滤波:imfilter(),fspecial() 执行操作滤波需要注意边界问题,因此,给出了边界处理方法: 收缩处理范围使用常数填充图像使用复制像素的方法填充 h = fspecial( t ...
python 视觉技术_python+opencv实现机器视觉基础技术(边缘提取，图像滤波，边缘检测算子，投影，车牌字符分割)...
机器视觉是人工智能正在快速发展的一个分支.简单说来,机器视觉就是用机器代替人眼来做测量和判断.它是一项综合技术,包括图像处理.机械工程技术.控制.电光源照明.光学成像.传感器.模拟与数字视频技术.计算 ...
计算机图像进行滤波的函数,数字图像处理图像滤波.ppt
数字图像处理图像滤波图像滤波图像处理中所用到的图像往往含有噪声,需要用图像滤波的方法去除噪声. 内容框架像素基础知识介绍算术和逻辑运算直方图直方图均衡算法,用于图像锐化. 图像增强基本方法 ...
OpenCV4.3 Java 编程入门：图像滤波
文章目录 1 图像滤波 2 模板卷积 3 双边滤波:bilateralFilter 4 方框滤波 5 高斯滤波 6 中值滤波 image filtering bilateral filtering 1 ...
图像滤波与OpenCV中的图像平滑处理
.About图像滤波频率:可以这样理解图像频率,图像中灰度的分布构成一幅图像的纹理.图像的不同本质上是灰度分布规律的不同.但是诸如"蓝色天空"样的图像有着大面积近似的灰度强度,而 ...
C语言数字图像处理---2.3图像空域滤波
本文主要给大家讲解图像空间域滤波的相关内容,包括空域滤波概念,以及常用的空域滤波算法,并通过C语言编程来实现几种常用空域滤波(均值滤波.中值滤波.最大值滤波.最小值滤波.高斯滤波和统计滤波),帮助初学 ...
关于计算机合成图像的应用中,数字图像合成技术综述
数字图像合成技术综述吴昊,徐丹(云南大学计算机科学与工程系, 昆明 650091) 摘要数字图像合成一直是图像处理中的研究热点,在图片编辑,平面设计,电影特效等领域有着广泛的应用.从原图像中准确 ...
matlab 浮雕,基于MATLAB实现石刻浮雕图像“数字拓片”技术的研究
第 36 卷第 2 期2009 年 2 月计算机科学 Computer Science Vol. 36 No. 2 Feb. 2009 到稿日期:200806230 朱晓丽博士研究生 , ...
第4章 Python 数字图像处理(DIP) - 频率域滤波11 - 使用高通滤波器锐化图像
目录使用高通滤波器锐化图像由低通滤波器得到理想.高斯和巴特沃斯高通滤波器指纹增强频域中的拉普拉斯钝化掩蔽.高提升滤波和高频强调滤波同态滤波使用高通滤波器锐化图像由低通滤波器得到理想.高 ...

数字图像平滑技术入门（图像滤波处理、降噪处理）

对于一些噪声的处理效果演示:

数字图像平滑技术入门（图像滤波处理、降噪处理）相关推荐

最新文章

热门文章