均值(中值)滤波的模板大小对处理效果有什么影响?

发布时间:2017-02-10 来源: 模板 点击:

篇一:均值滤波和中值滤波的比较分析

均值滤波和中值滤波的比较分析

一、图像系统中的常见噪声

一般在图像中常见的噪声有:

1、按噪声幅度分布形状而分,成高斯分布的称为高斯噪声,主要由阻性元器件内部产生。

2、按噪声和信号之间的关系分为加性噪声和乘性噪声。加性噪声与输入图像信号无关,含噪图像可表示为f(x,y)?g(x,y)?n(x,y)。乘性噪声往往随图像信号的变化而变化其含噪图像可表示为f(x,y)?g(x,y)?n(x,y)g(x,y)

3、椒盐(Salt and pepper)噪声:主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生泊松噪声。

4、量化噪声:此类噪声与输入图像信号无关,是量化过程存在量化误差,再反映到接收端而产生,其大小显示出数字图像和原始图像差异。

本文为了分析不同去噪方法的应用范围,将原图像分别加入高斯噪声及椒盐噪声,运用Matalab编程实现两种不同滤波方法的去噪结果,并据此进行比较得出相应结论。

下面几幅图为本文所选用的经过灰度变换后得到的图像、添加椒盐噪声和高斯噪声后的图像:

二.去噪的两种常用方法

1.均值滤波

均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。其基本原理是

用均值替代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,再把该均值赋予当前像素点(x,y) ,作为处理后图像在该点上的灰度g(x,y) ,即g(x,y)?1

M?f?sf(x,y),其中,s为模板,M为该模板中包含当前像素在内的像素总个数。

如下即分别为用中值滤波对加有高斯噪声、椒盐噪声、的图像处理后的对比图

:

2.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。其实现原理如下:将某个像素邻域中的像素按灰度值进行排序,然后选择该序列的中间值作为输出的像素值,让周围像素灰度值的差比较大的像素改取与周围的像素值接近的值,从而可以消除孤立的噪声点。

其具体的操作是:首先确定一个以某个像素为中心点的领域,一般为方形领域(如3 * 3、5 * 5的矩形领域),然后将领域中的各个像素的灰度值进行排序。 假设其排序为:x1?x2?x3...?xn,

Y?Med{x1,x2,x3,xn}?x((1?n)/2),n为奇数,

取排好序的序列的Y?Med{x1,x2,x3,xn}?1/2?[x(n/2)?x((1?n)/2)],n为偶数,

中间值作Y为中心点像素灰度的新值,这里的邻域通常被称为窗口。当窗口在图像中上下左右进行移动后,利用中值滤波算法可以很好地对图像进行平滑处理。 如下即分别为用中值滤波对加有高斯噪声、椒盐噪声的图像处理后的对比图:

三.结果对比与分析

根据以上实验结果进行对比分析,可以得出以下结论:

(1)对于均值滤波, 由以上处理后的图像可以看到:均值滤波对高斯噪声的抑制是比较好的,处理后的图像边缘模糊较少。但对椒盐噪声的影响不大,因为在削弱噪声的同时整幅图像内容总体也变得模糊,其噪声仍然存在。

(2)对于中值滤波,由图像处理的结果可以看出,它只影响了图像的基本信息,说明中值滤波对高斯噪声的抑制效果不明显。这是因为高斯噪声使用随机大小的幅值污染所有的点,因此无论怎样进行数据选择,得到的始终还是被污染的值。而由图还可以看出,中值滤波对去除“椒盐”噪声可以起到很好的效果,因为椒盐噪声只在画面中的部分点上随机出现,所以根据中值滤波原理可知,通过数据排序的方法,将图像中未被噪声污染的点代替噪声点的值的概率比较大,因此噪声的抑制效果很好,同时画面的轮廓依然比较清晰。由此看来,对于椒盐噪声密度较小时,尤其是孤立噪声点,用中值滤波的效果非常好的。

均值滤波对高斯噪声有较好的抑制作用,而对于椒盐噪声的处理中值滤波要略微有优势。

篇二:(2013新版)图像处理实验一

实验一、空域图像增强技术

一、实验目的

1.结合实例学习如何在视频显示程序中增加图像处理算法;

2.理解和掌握图像的线性变换和直方图均衡化的原理和应用;

3.了解平滑处理的算法和用途,学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法;

4.了解噪声模型及对图像添加噪声的基本方法。

二、实验原理

1.灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。

g(x,y)?T[f(x,y)]

0?f(x,y)?a??f(x,y)?g(x,y)???[f(x,y)?a]?ga a?f(x,y)?b

??[f(x,y)?b]?gb?f(x,y)?255b?

x?1,2,?,m, y?1,2,?n

2.直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF的定义:

pr(rk)?nk k?0,1,2,...,L?1 n

通过转换公式获得:

sk?T(rk)??pr(rj)??j?0j?0kknjnk?0,1,2,...,L?1

3.均值(中值)滤波是指在图像上,对待处理的像素给定一个模板,该模板包括了其周围的临近像素。将模板中的全体像素的均值(中值)来代替原来像素值的方法。

4.拉普拉斯算子如下:

??1?1?1???18?1? ?????1?1?1??

拉普拉斯算子首先将自身与周围的8个像素相减,表示自身与周围像素的差异,再将这个差异加上自身作为新像素的灰度。

三、实验步骤

1.启动MATLAB程序,对图像文件分别进行灰度线性变换(参考教材50页,例4.1)、直方图均衡化(参考教材56页,例4.6)、均值滤波(参考教材60页,例4.9)、中值滤波(参考教材64页,例4.11)和梯度锐化操作(参考教材66页,例4.12)。添加噪声,重复上述过程观察处理结果。

2.记录和整理实验报告

四、实验仪器

1.计算机;

2. MATLAB程序;

3.记录用的笔、纸。

五、实验报告内容

1.叙述实验过程;

2.提交实验的原始图像和结果图像。

1)进行灰度线性变换

>> I=imread('pout.tif');

>> imshow(I);

>> I=double(I);

>> [M,N]=size(I);

>> for i=1:M

for j=1:N

if I(i,j)<=30

I(i,j)=I(i,j);

elseif I(i,j)<=150

I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30; else

I(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200; end

end

end

>> figure(2);

>> imshow(uint8(I));

2)直方图均衡化

>> I=imread('circuit.tif');

>> figure

>> subplot(221);imshow(I);

>> subplot(222);imhist(I)

>> I1=histeq(I);

>> figure;

>> subplot(221);imshow(I1)

>> subplot(222);imhist(I1)

3)均值滤波

>> I=imread('pout.tif');

[M,N]=size(I);

II1=zeros(M,N);

for i=1:16

II(:,:,i)=imnoise(I,'gaussian',0,0.01);

II1=II1+double(II(:,:,i));

if or(or(i==1,i==4),or(i==8,i==16));

figure;

imshow(uint8(II1/i));

end

end

4)中值滤波

>> I=imread('eight.tif');

>> I=imread('eight.tif');

>> J=imnoise(I,'salt & pepper',0.02);

>> subplot(231),imshow(I);title('原图像');

>> subplot(232),imshow(J);title('添加椒盐噪声图像') >> k1=medfilt2(J);

>> k2=medfilt2(J,[5 5]);

>> k3=medfilt2(J,[7 7]);

>> k4=medfilt2(J,[9 9]);

>> subplot(233),imshow(k1);title('3X3模板中值滤波') >> subplot(234),imshow(k2);title('5X5模板中值滤波') >> subplot(235),imshow(k3);title('7X7模板中值滤波') >> subplot(236),imshow(k4);title('9X9模板中值滤波')

篇三:中值滤波及均值滤波

《数字图像处理》实验

报告(三)

学 号:_______ 姓 名:_______

专 业:__ 机械设计制造及其自动化课序号:__________

计算机科学与技术学院

实验3 中值滤波

一、实验学时:2学时 + 2课外学时(本部分占实验成绩的25%)

二、实验目的:

1、理解中值滤波(图像平滑处理)的原理及步骤;

2、编程实现灰度图像的中值滤波。

三、必须学习和掌握的知识点:

空域中值滤波是一种有效且便捷的图像平滑方法,常用于处理有独立噪声点的图像,效果也非常好,在对图像的平滑处理中常用到。要求掌握该算法并能够编程实现之。

四、实验题目:

编程实现灰度图像的中值滤波平滑处理。滤波模板的大小自定(可为3×3、5×5、7×7、15×15等)。实验图像可从提供的实验图像集中的噪声图像中选取。

五、思考题:(选做,有加分)

编程实现灰度图像的均值滤波平滑处理;也可尝试实现灰度图像的锐化处理,包括Sobel、Prewitt、Roberts、Laplace等。

六、实验报告:

请按照要求完成下面报告内容并提交源程序、可执行程序文件和实验结果图像。

1、请详细描述本实验的原理:

1. 中值滤波的原理: 中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.

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。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。

对于一串连续输入的信号(量化后是一组数据)。如下图所示,是输入的原信号。中值滤波的原理为,重新计算每一个x的输出值(y),新的输出值。相当于 y = new(x),ne

均值(中值)滤波的模板大小对处理效果有什么影响?

w的操作是,从在以x为中心,长度为2k的原信号中(区间为[x-k+1,x+k]),提取出这段区间内中间的那个值,作为 y=new(x)的结果。

2. 2

举例来说,输入:Y[1-10]:1,2,3,4,5,6,7,8,9,10. 取区间2k = 4,所以k=2;

执行中值滤波 K=中值滤波(Y)

由x-k+1>=1,所以当k=2时,x>=2

滤波时:

K[1]=Y[1]

K[2]=(Y[1]、Y[2]、Y[3]、Y[4])的中间值,即为2或3

3. 3

matlab的中值滤波实现方式:

调用函数:A = medfilt1(B,n)

B为输入信号,A为滤波后的信号,即结果。

n为控制滤波区间的参数。具体定义如下:

1、若n为基数,区间为[k-(n-1)/2,k+(n-1)/2],

2、若n为偶数,区间为[k-n/2,k+n/2+1],中值滤波表示用这个区间内的中间值代替这一点的值。

4. 4

对于输入信号(最开头的图),以下分别为设置区间n=8和n=16得到的滤波图像。中值滤波可以过滤尖峰脉冲。目的在于我们对于滤波后的数据更感兴趣。滤波后的数据保留的原图像的变化趋势,同时去除了尖峰脉冲对分析造成的影响。

相关热词搜索:

版权所有 小龙文挡网 www.xltkwj.com