《图像处理环形伪影去除及去噪》由会员分享，可在线阅读，更多相关《图像处理环形伪影去除及去噪（29页珍藏版）》请在金锄头文库上搜索。
1、数字图像处理,环形伪影去除 滤波算法对比实验 陈美玲 21500827,环形伪影去除,伪影来源,CT成像需要排列的多个探测器对射线进行探测成像 当一个或多个探测器损坏或者不理想响应的时候会在投影图上形成一条线型的伪影区 当转换为CT图像的时候会出现环形的伪影,探测单元,角度,sinogram,伪影表现,伪影性质,第三代CT常见伪影,已有方法,很多 例如 标定探测器通道（非图像处理方法） 控制通道积分时间 sobel边缘检测（edge） 极坐标转换FFT,方法一,方法一,方法一,方法二,步骤：1、极坐标转换 2、计算每一列均值方差 3、筛选判断 4、线性插值 5、反极坐标转换,极坐标转换算法,方
2、法二,滤波算法对比实验,滤 波,中心思路如下,来源：量子噪声、电气噪声和算法、天气等外部原因和设备电流等内部原因,意 义,实验模板图,实验对象 高斯噪声图,滤波：保留图像细节信息的同时对图像噪声进行抑制的过程。,为什么用这幅图，是因为这图的各个频段的能量都很丰富：即有低频（光滑的皮肤），也有高频（帽子上的羽毛），很适合来验证各种算法。：1.该图适度的混合了细节、平滑区域、阴影和纹理，从而能很好的测试各种图像处理算法。2.Lenna是个美女，对于图象处理界的研究者来说，美女图可以有效的吸引他们来做研究。,本质：按像素距离进行加权的线性平滑滤波,高斯滤波,核分布模型,最经典的去噪算法之一 图像平滑
3、度和去噪效果都十分明显 可以避免振铃效应的影响,高斯滤波,高斯滤波,参数为0.05的高斯噪声图和高斯滤波之后的效果图,PSNR:7.251,双边滤波,双边滤波结合高斯滤波但是对图像边缘能够更好保存 数学算法的流程和高斯滤波简易度很接近,双边滤波,双边滤波对椒盐噪声的滤波效果图,双边滤波,双边滤波对参数为0.05的高斯噪声去噪效果图,PSNR:7.253,非局部均值滤波,非局部均值滤波,目前公认的效果较好的新思路滤波方法,以像素块为单位，而前两种算法以像素点为单位来进行权重计算,引进了相似性等新概念，创新性和可行性均较高。,非局部均值滤波,参数为0.05的噪声图与非局部均值滤波后效果图,PSNR:7.254,应用思考,三种滤波算法评估参数对比,应用思考,高斯滤波,双边滤波,非局部均值滤波,由距离求权到像素差值和距离结合求权,由一维距离求权到欧式距离求权,由像素距离像素差值结合求权到二维像素差值求权,应用思考,大量学习总结已有成果是科研学习的第一步,对比分析促进创新,Thank you,
