发布时间 : 星期二 文章图像平滑及锐化更新完毕开始阅读f5260589cc22bcd126ff0cd7
if D(u,v) TRAPEH(u,v) = 1;%梯形 elseif D(u,v) <=D1 TRAPEH(u,v) = (D(u,v)-D1)/(D0-D1); else TRAPEH(u,v) = 0; end end end BUTTERG = BUTTERH .* F; BUTTERfiltered = ifft2(BUTTERG); EXPOTG = EXPOTH .* F; EXPOTHfiltered = ifft2(EXPOTG); TRAPEG = TRAPEH .* F; TRAPEfiltered = ifft2(TRAPEG); subplot(2,2,1),imshow(noisy); subplot(2,2,2),imshow(BUTTERfiltered,map); subplot(2,2,3),imshow(EXPOTHfiltered,map); subplot(2,2,4),imshow(TRAPEfiltered,map); 图像平滑主要是为了消除被污染图像中的噪声。 图像的简单平滑是图像增强处理中最基本的方法之一 ,它利用卷积运算对图像邻域的像素灰度进行平均化 ,从而达到减少图像中杂点影响、降低图像对比度的目的。 空间域方法 在空间域平滑滤波有很多种算法，其中最常见的有：线性平滑、非线性平滑、自适应平滑。 线性平滑是对每一个像素的灰度值用它的邻域值来代替，其邻域的大小为：N×N，N 一般取奇数。经过线性平滑滤波，相当于图像经过了一个二维的低通滤波器，可是虽然是降低了噪声，但同时也模糊了图像边缘和细节，这是这类滤波器存在的通病。 非线性平滑是对线性平滑的一种改进，即不对所有像素都用它的领域平均值来代替，而是取一个阈值，当像素灰度值与其邻域平均值之间的差值大于已知时才以均值代替，当像素灰度值与其邻域平均值之间的差值不大于阈值时取其本身的灰度值。非线性平滑可消除一些孤立的噪声点，对图像的细节影响不大，但对物体的边缘会带来一定的失真。 自适应平滑是一种根据当时、当地情况来尽量不模糊边缘轮廓为目标进行控制的方法。根据目的的不同，可以有各种各样的自适应图象处理方法。 三、频率域方法 频率域平滑处理就是选择合适的低通滤波器对其频谱成分进行调整，然后经逆傅立叶变换得到平滑图像。其中常用的频率域平滑处理方法一般为频率域低通滤波法。频率域低通滤波是在分析图像信号的频率特征性时,一幅图像中的边缘、跳跃部分以及颗粒噪声代表图像信号的高频分量，而大面积的背景区则代表图像信号的低频分量。用滤波的方法滤除其高频部分就能去除噪声，使图像得到平滑。 四、平滑算法 1、线性平滑算法 均值滤波器的输出图像是掩模窗口内所有像素按某种数学操作获取的均值,算术均值滤波器可以有效地去除高斯噪声和强度不大的椒盐噪声,几何均值滤波器相对于算术均值滤波器能够保留更多的图像细节。由于算法过程中缺少对保持图像中含有目标边缘的考虑,对图像中的所有点(包括信号突变处)都进行了平滑,使用均值滤波器会造成边缘的模糊和细节的湮没。高斯滤波器采用的滤波核为 2 维高斯函数,可以通过调整高斯函数中方差值改变频谱曲线的陡峭程度,方差值增大曲线趋于平缓,平滑效果明显。高斯曲线的形状决定了它可以更好地处理连续分布的噪声模型,而对突变的噪声模型处理效果偏弱。它可以有效地处理高斯分布、泊松分布的噪声,而对较密集的椒盐噪声处理效果较差,与均值滤波器一样对图像的边缘信息保持能力较弱。与梯度相关加权滤波器取随梯度增加 而单调减小的函数值作为子图像窗口内的相应像素的权重因子。窗口中心像素的平滑贡献主要来自于区域内部像素,平滑之后图像的边缘和细节不会受到明显的损失。该类型滤波器还可以使图像的边缘得到锐化, 对平滑图像采用 Sobel 等边缘检测算子进行边缘检测可以得到很高的边缘保持精度。梯度加权滤波器可以有效地处理高斯噪声,但对强度较大的椒盐噪声处理能力不足。 2、非线性平滑算法 与线性平滑相比,顺序统计滤波器是经典的空间域非线性滤波器,它们的响应基于掩模窗口内像素点的排序。按排序方式的不同可分为:中值滤波器、最大值滤波器、最小值滤波器、中点滤波器。其中,最大值滤波器可以有效地消除“胡椒”噪声;最小值滤波器可以消除“盐”噪声;中点滤波器结合了顺序统计和算术平均,对于高斯和均匀随机分布等类型的噪声有较好的抑制效果。顺序统计滤波器中最著名的是中值滤波器,它对空间密度不大的椒盐噪声有很好的抑制作用,并可较好地保持图像中目标的边缘。Crimmins 去斑算法的基本思想是,提高邻域内较暗像素的灰度值,相应地减少邻域内较亮像素的灰度值,通过多次迭代达到去斑效果。算法可以有效地去除密度较大的椒盐噪声。典型的边缘保持滤波器有 Kuwahara 滤波器和选择式掩模滤波器两种,它们的基本思想是以窗口内中心像素为基准点制作多个不同的掩模,然后计算各个掩模区域内像素的均值和方差, 取标准差最小区域的灰度平均值作为中心点的灰度。 边缘保持滤波器是通过以标准差最小这一准则来选取合适掩模窗口,从而达到平滑后图像细节保持这一目的。 3、边缘保持滤波器 典型的边缘保持滤波器有 Kuwahara 滤波器和选择式掩模滤波器两种,它们的基本思想是以窗口内中心像素为基准点首先制作多个不同的掩模,然后计算各个掩模区域内像素的均值和方差,最后取标准差最小区域的灰度平均值作为中心点的灰度。在 Kuwahara 滤波器中,选取的是 4 个正方形窗口,在选择式掩模滤波器中选择的是 4 个五边形、4 个六边形、一个正方形共 9 个掩模窗口。选择式掩 模滤波器与 Kuwahara 滤波器相比,由于对掩模窗口进行了更细致的划分,因而边缘保持效果优于Kuwahara 滤波器。通过对算法的分析可以发现,由于边缘保持 波器是通过以标准差最小这一准则来选取合适掩模窗口的,从而平滑后可达到保持图像细节的这一目的,而且选取掩模窗口后,还可以结合其他更优秀的平滑算法,而不是局限于取均值来进行图像平滑。例如,考虑到中值滤波较均值滤波能更好地保持图像边缘且对抑制椒盐噪声更加有效,因此可以通过取标准差最小的掩模窗口内的中值,并用其代替窗口均值作为窗口心像素的灰度来更好地抑制椒盐噪声。