【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。