【20200422】数字图像处理DIP课程课业打卡七之图像的噪声抑制

叮嘟！这里是小啊呜的学习课程资料整理。好记性不如烂笔头，今天也是努力进步的一天。一起加油进阶吧！

一、DIP课程课业打卡七

一.填空题

1、图像上每一点都存在噪声，但是噪声的________________是随机分布的，这类噪声称为高斯噪声。

正确答案：

第一空： 
幅值；大小；幅度

2、椒盐噪声的特征是：出现的_____________是随机的，但噪声的幅值是基本相同的。

正确答案：

第一空： 
位置

3、用3*3的模版对图像进行均值滤波，如图所示，该图像块的中心点滤波后的像素值为__________。

正确答案：5

（3+2+5+6+6+4+4+7+8）/9=45/9=5

4、用3*3的模版对图像进行中值滤波，如图所示，该图像块的中心点滤波后的像素值为__________。

正确答案：5

2、3、4、4、5、6、6、7、8
选取中值5

二.判断题

1、对于椒盐噪声，中值滤波的噪声抑制效果比较好。对于高斯噪声，中值滤波的噪声抑制效果不够好。

正确答案：√

2、椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。均值滤波，有较大概率选择到图像中未被噪声污染的点来替代污染点，所以抑制噪声的作用好。

正确答案：×

中值滤波，有较大概率选择到图像中未被噪声污染的点来替代污染点，所以抑制噪声的作用好。

3、高斯噪声是幅值近似正态分布，但分布在每点像素上。因为图像中的每点都是污染点，所以中值滤波选不到合适的干净点。

 正确答案：√

4、边界保持类平滑滤波器希望解决的问题是，经过平滑滤波处理之后，图像就会变得模糊。

正确答案：√

5、边界点与噪声点有一个共同的特点是，都具有灰度的跃变特性。采用均值滤波和中值滤波等方法进行平滑处理噪声时，不会同时模糊边界。

正确答案：×

采用均值滤波和中值滤波等方法进行平滑处理噪声时，可能会同时模糊边界。

6、边界保持类平滑滤波器的设计思想是，为了解决图像模糊问题，在进行平滑处理时，首先判别当前像素是否为边界上的点，如果是，则不进行平滑处理；如果不是，则进行平滑处理。

正确答案：√

二、知识巩固

1、噪声的概念

噪声是不可预测的随机信号。

根据产生来源分类：

– 外部噪声 / 内部噪声

根据统计特征是否随时间变化分类：

– 平稳噪声 / 非平稳噪声

根据对信号的影响分类：

– 加性 / 乘性噪声

2、图像噪声概念

 所谓的图像噪声，是图像在摄取时或是传输时所受到的随机干扰信号。
 常见的有椒盐噪声和高斯噪声。

 椒盐噪声的特征:
出现位置是随机的，但噪声的幅值是基本相同的。

 高斯噪声的特征：
出现位置是一定的（每一点上），但噪声的幅值是随机的。

3、图像噪声的抑制方法

设计噪声抑制滤波器，在尽可能保持原图信息的基础上，抑制噪声。

 均值滤波器
 中值滤波器
 边界保持类滤波器

4、均值滤波器

（1）均值滤波器基本工作原理：

 噪声具有随机性。一个邻域内的所有像素点同时被叠加同样幅值的噪声，概率是很低的。
（噪声有大有小，甚至相互抵消）
 同时，相邻像素点之间的取值具有局部相似性。
 因此，可以用邻域像素点的平均值来推断该点的真实像素值，从而在保持原始信号概貌的同时，削弱噪声的影响。

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邻近像素。将模板中的全体像素的 均值 来替代原来的像素值的方法。

（2）均值滤波器处理方法：

（3）实验结果分析：


（4）均值滤波器的缺点—— 改进： 加权均值滤波

 均值滤波器的缺点是：模板越小，对噪声抑制作用越小；但另一方面，模板越大，会使图像变的模糊。

 原因是它对所有的点都是同等对待，在将噪声点分摊的同时，将景物的边界点也分摊了。

 为了改善效果，就可采用加权平均的方式来构造滤波器。

5、均值滤波器的改进—— 加权均值滤波

（1）如下，是几个典型的加权平均滤波器。

（2）加权均值滤波器的实验结果分析：

6、中值滤波器

（1）问题的提出

 虽然均值滤波器对噪声有抑制作用，但同时会使图像变得模糊。即使是加权均值滤波，改善的效果也是有限的。
 为了有效地改善这一状况，必须改换滤波器的设计思路，中值滤波就是一种有效的方法。

（2）设计思想
 因为噪声（如椒盐噪声）的出现，使该点像素比周围的像素亮（暗）许多。
 如果在某个模板中，对像素进行由小到大排列的重新排列，那么最亮的或者是最暗的点一定被排在两侧。
 取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。

（3）原理示例

（4）处理示例

（5）滤波处理方法

 与均值滤波类似，做3*3的模板，对9个数排序，取第5个数替代原来的像素值。

（6）例题

（7）中值滤波器的实验结果分析

（8）中值滤波器对不同类型的噪声抑制效果

 对于椒盐噪声，中值滤波的噪声抑制效果比较好。
 对于高斯噪声，中值滤波的噪声抑制效果不够好。

7、中值滤波器对不同类型的噪声抑制效果

 椒盐噪声 是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点 。 
 中值滤波，有较大概率选择到图像中未被噪声污染的点来替代污染点，所以有抑制噪声的作用。

 高斯噪声 是幅值近似正态分布，但 分布在每点 像素上。
 因为图像中的每点都是污染点，所以 中值滤波 选不到合适的干净点。

8、边界保持类平滑滤波器

（1）问题的提出

 经过平滑滤波处理之后，图像就会变得模糊。
 分析原因，在图像上的景物之所以可以辨认清楚是因为目标物之间存在边界。
 而边界点与噪声点有一个共同的特点是，都具有灰度的跃变特性。所以平滑处理会同时将边界也处理了。

（2）设计思想

为了解决图像模糊问题，一个自然的想法就是，在进行平滑处理时，首先判别当前像素是否为边界上的点 ，如果是，则不进行平滑处理；如果不是，则进行平滑处理。

（3）灰度最小方差平滑滤波器—— 基本原理

 将属于同一个区域的可能的相邻关系以 9 种模板表示出来，然后计算每个模板中的灰度分布方差，以方差最小的那个模板的均值替代原像素值。

（4）灰度最小方差平滑滤波器—— 9种模板结构

（5）灰度最小方差平滑滤波器的实验结果分析

9、K近邻(KNN)平滑滤波器

（1）原理分析

边界保持滤波器的核心是确定边界点与非边界点。

（2）实现算法&例题

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。

（3）K近邻(KNN)平滑滤波器伪代码

输入参数：图像矩阵im_noise，模板边长N，近邻数目K
输出参数：去噪后的图像矩阵im_filered

处理：
1、得到原始图像尺寸h,l,c；初始化新图像矩阵Y=zeros(h,l,c);
2、计算模板中心到模板边界的距离n
3、对新图像的每一个颜色通道for d=1:c
4、对新图像的每一行for i=n+1:h-n
5、对新图像的每一列for j=n+1:l-n
  5.1计算被模板覆盖的图像块block
  5.2计算模板中每一点的像素值与中心点像素值im_noise(i,j,d)的差的绝对值block_delt
  5.3对差的绝对值block_delt进行升序排序
  5.4取像素值相差最小的前K个像素点的值，求平均，作为新图像第i行第j列第d个颜色通道的像素值im_filered(i,j,d)

（4）K近邻(KNN)平滑滤波器的实验结果分析

（5）效果分析

 首先来看一下KNN平滑滤波的效果。

 KNN滤波器因为有了边界保持的作用，所以在去除椒盐以及高斯噪声时，对图像景物的清晰度保持方面的效果非常明显。

 当然，所付出的代价是：算法的复杂度增加了。

10、对称近邻(SNN)平滑滤波器

（1）基本原理

 以 i 行 j 列的点 p 为中心，用 (2n+1)(2n+1) 的模板覆盖点 p 。模版中的任意一点（ row 行 col列）的对称点的坐标为： 2i-row 行， 2*j-col 列

（2）对称近邻平滑滤波器伪代码

输入参数：图像矩阵im_noise，模板半径n
输出参数：去噪后的图像矩阵Y

处理：
1、得到原始图像尺寸h,l,c；
2、初始化新图像矩阵Y=zeros(h,l,c);
3、对新图像的每一个颜色通道for k=1:c
4、对新图像的每一行for i=n+1:h-n
5、对新图像的每一列for j=n+1:l-n
  5.1 取该点作为模板中心点，中心点像素值im_noise(i,j,k)存于a0
  5.2 tmp=[];
  5.3对被模板覆盖的每一个当前点【for row=i-n:i+n、for col=j-n:j+n】
   5.3.1对被模板覆盖的每一个当前点的像素值im_noise(row,col,k)，存于a1
   5.3.2计算当前点关于模板中心点的对称点的坐标，并取其像素值存于a2
   5.3.3若abs(a1-a0)>abs(a2-a0) 选择a2；否则选择a1
   5.3.4将选中的像素值添加到数组tmp中
6、对tmp求平均，作为新图像第i行j列d个颜色通道的像素值Y(i,j,k)=mean(temp)

（3）对称近邻(SNN)平滑滤波器的实验结果分析

11、边界保持类平滑滤波器—— 总结

 边界保持类平滑滤波器的核心是：
尽可能地将平滑处理避开两个或多个不同区域进行计算。可以采用不同形状结构判别，也可以采用同类相似的概念进行判别。

12、噪声抑制小结-简答题【考点】

 简述中值滤波器对不同类型的噪声抑制效果及其原因。

 边界保持类平滑滤波器是针对什么问题设计的？其设计思想是什么？列举出几种典型的边界保持类平滑滤波器。

（1） 简述中值滤波器对不同类型的噪声抑制效果及其原因。

 对于椒盐噪声，中值滤波的噪声抑制效果比较好。

椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点 。
中值滤波， 有较大概率选择到图像中未被噪声污染的点来替代污染点，所以有抑制噪声的作用。


 对于高斯噪声，中值滤波的噪声抑制效果不够好。

高斯噪声 是幅值近似正态分布，但分布在每点像素上。
因为图像中的每点都是污染点，所以 中值滤波选不到合适的干净点。

（2）边界保持类平滑滤波器是针对什么问题设计的？其设计思想是什么？列举出几种典型的边界保持类平滑滤波器。

 针对什么问题设计：
经过平滑滤波处理之后，图像就会变得模糊。

 设计思想：
在进行平滑处理时，首先判别当前像素是否为边界上的点。
如果是，则不进行平滑处理；如果不是，则进行平滑处理。

 列举出几种典型的边界保持类平滑滤波器：
  灰度最小方差平滑滤波器
  K近邻(KNN)平滑滤波器
  对称近邻(SNN)平滑滤波器

Ending！
更多课程知识学习记录随后再来吧！

就酱，嘎啦！

注：
人生在勤，不索何获。