《边界保持平滑滤波方法研究 灰度方差 k近邻平滑》由会员分享，可在线阅读，更多相关《边界保持平滑滤波方法研究 灰度方差 k近邻平滑（40页珍藏版）》请在金锄头文库上搜索。
1、北京.大学毕业设计（论文）北京.大学毕业设计（论文） 图像降噪中的边界保持平滑滤波方法研究 姓名：学号：指导教师：1摘要当今社会是信息数字化时代,无论是学习,生活都与信息数字紧密相关联,其中数字图像处理在其中占有着举足轻重的地位。21世纪,数字图像处理技术高速发展,并广泛应用于识别领域,医学领域,体育领域等。平滑滤波是图像处理学的基础.最基础的滤波方式是均值滤波和中值滤波,这两种滤波方式对噪声都有抑制作用而且算法简单,但是导致图像变模糊尤其是边缘变模糊是无可避免的。虽然将滤波器加权后,效果有所改善,但理论是近似的,所以效果仍不明显。为了改善边缘的模糊,我们发现只要处理好灰度变化显著的边缘,图像
2、就会达到一个很好的效果,要最大程度保持图片的清晰,希望在进行平滑处理的同时,检测出景物的边界,然后对噪声进行处理。本文用matlab编辑算法实现中值滤波,均值滤波,最小方差滤波,k近邻滤波对噪声的处理,并进行性能的分析和比较。关键词:matlab;中值滤波;均值滤波;最小方差滤波;k近邻滤波Abstact Modern society is digital , whether learning or life is closely associated with digital information, including digital image processing in which o
3、ccupies a pivotal position .21 century, the rapid development of digital image processing technology widely used in the field of identification, medicalfication, the field of sports. The smoothing filter is the basis of image processing. The most basic filter is the mean filter and median filter, bo
4、th filtering noise inhibited and the algorithm is simple, but lead to the edge of the image blurred without avoidable. Although the effect is improving ,the theory is approximate, so the effect is still not clear. In order to improve the edge blur, we found that handling the gray-scale variation sig
5、nificant edge, the image will reach a good effect, To the maximum extent to maintain the clarity of the picture, while performing smoothing processing, a scene boundary is detected, then, the noise is processing. In this paper, using matlab algorithm for editing median filtering, mean filtering, min
6、imum variance filtering, k-nearest neighbor filtering noise processing and analysis and comparison of performance.Keywords: matlab; median filter; mean filter; minimum variance filtering; k nearest neighbor filterII目录摘要IAbstactII第1章:绪论11.1 课题背景11.2研究目标11.3研究内容11.4论文的组织安排2第2章 平滑滤波的相关知识32.1噪声的相关知识32.1
7、.1 噪声的定义32.1.2在matlab中添加噪声42.2彩色图像的分解52.3平滑的概念62.3.1空间域方法72.3.2频率域方法72.3.3平滑算法72.4峰值信噪比的概念8第3章均值滤波103.1均值滤波的概念及方法103.2均值滤波的效果比较113.3均值滤波的评价13第4章中值滤波144.1中值滤波的概念和方法144.2均值滤波的效果比较14对加椒盐噪声的图像进行中值滤波得到滤波前后的图像比较,如图10,图11所示:144.3中值滤波的评价16第5章灰度最小方差滤波器175.1边缘保持类平滑滤波的效果175.2灰度最小方差滤波器175.2.1灰度最小方差滤波器的概念和方法175.
8、2.3灰度最小方差滤波器效果比较195.2.4灰度最小方差滤波器的评价20第6章K近邻平滑滤波器216.1 k近邻平滑滤波器的概念和方法216.2k近邻平滑滤波器的效果比较216.3k近邻平滑滤波器的评价24结论25致谢28主要参考文献29附录 主要程序源代码3036第1章:绪论1.1 课题背景平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小,或者
9、使用边缘保持类平滑滤波器。滤波的本义是指信号有各种频率的成分,滤掉不想要的成分,即为滤掉常说的噪声,留下想要的成分。这即是滤波的过程,也是目的。一是抽出对象的特征作为图像识别的特征模式；另一个是为适应图像处理的要求，消除图像数字化时所混入的噪声。各类图像处理系统在图像的采集、获取、传送和转换(如成像、复制扫描、传输以及显示等)过程中，均处在复杂的环境中，光照、电磁多变，所有的图像均不同程度地被可见或不可见的噪声干扰。噪声源包括电子噪声、光子噪声、斑点噪声和量化噪声。如果信噪比低于一定的水平，噪声逐渐变成可见的颗粒形状，导致图像质量的下降。除了视觉上质量下降，噪声同样可能掩盖重要的图像细节，在对
10、采集到的原始图像做进一步的分割处理时，我们发现有一些分布不规律的椒盐噪声，为此采取相应的对策就是对图像进行必要的滤波降噪处理。1.2研究目标研究基于matlab对图像进行非边缘保持和边缘保持平滑滤波,经普通平滑滤波器对图像处理后,不可避免的带来边缘模糊,所以要设计一种平滑滤波器,在滤除噪声的同时检测出边界并保持边界清晰,提升图像质量。1.3研究内容根据论文的研究目标,主要研究内容如下:1.非边缘保持类平滑滤波器:研究并实现非边缘保持类平滑滤波器的算法,比非边缘保持类平滑滤波器对椒盐噪声和高斯噪声的处理效果和psnr值。2.边缘保持类平滑滤波器:研究并实现边缘保持类平滑滤波器的算法,比较边缘保持
11、类平滑滤波器对椒盐噪声和高斯噪声的处理效果和psnr值。1.4论文的组织安排本文结构组织如下:第一章是论文绪论部分,主要介绍课题背景,研究目标,研究内容。第二章介绍平滑滤波的相关知识,即噪声的概念,彩色图像的分解,平滑的概念,以及峰值信噪比的概念。第三章介绍均值滤波器,即均值滤波器对不同噪声的处理效果,图像的峰值信噪比。第四章介绍中值滤波器,即中值滤波器对不同噪声的处理效果,图像的峰值信噪比。第五章介绍灰度最小方差均值滤波器,即灰度最小方差滤波器对不同噪声的处理效果,图像的峰值信噪。第六章介绍k近邻平滑滤波器,即k近邻平滑滤波器,即k近邻平滑滤波器对不同噪声的处理效果,图像的峰值信噪比。第七章
12、给出结论,比较不通滤波器的处理效果,峰值信噪比,以及计算速度。第2章 平滑滤波的相关知识2.1噪声的相关知识2.1.1 噪声的定义一般噪声是不可预测的随机信号,通常采用概率统计方法对其进行研究。噪声对图像处理十分重要,它影响图像处理的输入,采集,处理等各个环节以及输出结果的全过程。特别是图像的输入,采集噪声的抑制是十分关键的问题,若输入伴有较大的噪声,必然会影响处理全过程及输出的结果。因此一个良好的图像处理系统,不论是模拟处理还是用计算机处理,无不把减少最前一级的噪声作为主要目标。根据噪声来源,大致分为外部噪声,内部噪声两大类。外部噪声是指从处理系统外来的影响,如天线干扰或电磁波从电源线窜入到
13、系统的噪声。内部噪声有以下四种常见的形式。1.由光和电的基本性质引起的噪声。2.由机械运动引起的噪声,比如电源接头的不稳定引起的。3.元器件噪声,比如磁带或者光盘的缺陷造成的噪声。4.系统内部电路的噪声。噪声是随机产生的,所以我们可以从数学统计的方面来理解噪声,不随时间变化的称为平稳噪声,随时间变化的是非平稳噪声3。我们常遇到的噪声有椒盐噪声,高斯噪声等.椒盐噪声出现在像素点上的位置是随机的,幅值基本上相同.高斯噪声是每一个像素都存在的噪声,但幅值是随机分布的。一般情况下,我们是采用均值和方差对噪声进行描述,信号的二维灰度用f(x,y)表示,噪声用n(x,y)表示 (1.1) (1.2)噪声可
14、以分为加性噪声和乘性噪声两大类。设f(x,y)为信号,n(x,y)为噪声,在信号n(x,y)影响下的输出为g(x,y),则加性噪声模型为g(x,y)=f(x,y)+n(x,y)乘性噪声模型为 g(x,y)=f(x,y)1+n(x,y)=f(x,y)+f(x,y)n(x,y)通常噪声的抑制是针对加性噪声。2.1.2在matlab中添加噪声在matlab中给原始图像加噪声,形成有噪图像,如图1所示:例：I=imread(eight.tif);J1=imnoise(I,gaussian,0,0.02);J2=imnoise(I,salt & pepper,0.02);J3=imnoise(I,spe
15、ckle,0.02);subplot(2,2,1),imshow(I),title(原图像);subplot(2,2,2),imshow(J1),title(加高斯噪声);subplot(2,2,3),imshow(J2),title(加椒盐噪声);subplot(2,2,4),imshow(J3),title(加乘性噪声);图1 加各种噪声的举例在上面的例子中使用了一个函数subplot。其作用就是将多幅图像显示再同一幅图像显示对话框中。其语法格式为：subplot(m,n,p)。其作用就是将一个图像显示对话框分成m行n列，并显示第p幅图像。在MATLAB程序语言中，分号的用处为不显示程序运算中的中间结果，这在一定程度上使系统运算的效率增高，因此在不需知道中间结果的情况下，可以用分号作为一个句子的结尾，而不显示该句运算的中间结果。2.2彩色图像的分
