《数字图像处理的课件》由会员分享，可在线阅读，更多相关《数字图像处理的课件（53页珍藏版）》请在金锄头文库上搜索。
1、精品文档第五章数字图像的预处理技术5.1 图像退化模型与噪声分类5.2 图像噪声的空间域滤波方法1 .2.1针对加性噪声的空间域滤波方法(1)自适应均值滤波器2 .自适应中值滤波器3 .自适应梯度倒数加权滤波器4 .2.2空间域滤波方法的MATLAB实现5.3 图像空间域滤波新方法探索5.3.1 中值滤波算法的研究1噪声检测2基于1数据逼近和细节保护规则函数的凸面代价函数与噪声恢复3方法性能的仿真实验评价5.3.2 均值滤波算法的研究1基于RADON变换的图像主纹理方向分析2概率统计模型3方法性能的仿真实验评价5.4 周期噪声与频域滤波5.5 小波滤波5.5.1 小波域去噪模型5.5.2 阈值
2、的估计5.5.3 小波滤噪的MATLAB实现5.6 偏微分方程图像去噪5.7 边缘检测5.7.1 边缘检测的梯度算子Roberts算子1 g(x,y)-Td(x,y)=(5-116)0g(x,y)0,b为正整数。密度的均值和方差为:尽管式（2-9）经常被用来表示伽马密度，严格地说，只有分母为r（b）时伽马函数才是正确的。当分母如上式所示时，该密度近似为厄兰密度。4 .指数分布噪声az指数噪声的PDF可由下式给出：z_0P（z尸(5-10)其中a0。概率密度函数的期望值和方差为:指数分布的概率密度函数是当b=1时爱尔兰概率分布的特殊情况。5 .均匀分布噪声均匀分布噪声的概率密度可由下式给出：其他
3、(5-11)概率密度函数的均值和方差可由下式给出:ab2,2b-a二126 .脉冲噪声分布脉冲噪声的概率密度函数如下：Paz=apZ=pzb(5-12)o其他如果ba,灰度值b在图像中将显示为一个亮点，相反，a将显示为一个暗点。若pa或pb为零，则脉冲噪声称为单极脉冲。如果pa和pb均不可能为零，尤其是它们近似相等时，脉冲噪声值类似于随机分布在图像上的胡椒和盐粉微粒。由于这个原因，双极脉冲噪声也称为椒盐噪声。有时也称为散粒和尖峰脉冲。脉冲噪声可以是正，也可以是负。因为脉冲干扰通常与图像信号的强度相比较大，因此，在一幅图像中，脉冲噪声总是数字化为最大值(纯白或纯黑)。这样，通常假设a和b是饱和值
4、，从某种意义上看，在数字化图像中，它们等于所允许的最大值和最小值。由于这一结果，负脉冲以一个黑点(胡椒点)出现在图像中，正脉冲以一个白点(盐点)出现在图像中。对于一个8位图像，这意味着a=0,b=255。7 .对数正态分布噪声对数正态分布噪声概率密度函数如下：p(z)=1_ln(z)-a2/(2b2)21bz(5-13)5.1.2 用MATLAB模拟各类噪声MATLAB工具中提供了imnoise()对图像添力口噪声，其调用格式为：g=imnoise(f,type,parameters);其中f为待感染的图像，g为感染后的图像，参数type指定感染噪声类型，取值为gaussian感染的是高斯噪声
5、，取值为salt&pepper,感染的是椒盐噪声，如果取值为locakar,则感染的是均值为零的高斯噪声，取值为speckle,感染的为乘性噪声，取值为posson,则感染的是泊松噪声。参数parameters随type参数取值不同而不同，如果是高斯噪声，参数parameters指定其均值与方差，具体格式为:g=imnoise(f,gaussian,m,var);其中，m为高斯噪声的均值，var为方差。由于imnoise()函数要求被感染图像必须是取值为0,1之间的double类型，所以对应参数应考虑这一点，例如，对于256灰度图像，如果感染均值为64、方差为100的高斯噪声，参数m=64/2
6、56,var=100/2562。如果类型为椒盐噪声，则需指定噪声感染的概率密度，调用格式为：g=imnoise(f,salt&pepper,d);其中，d为感染率，如果省略d,则默认值为0.05。type取值为locakar,则感染的是均值为零的高斯噪声，调用有如下两种方式：g=imnoise(f,localvarv);或者为：g=imnoise(f,localvar,image_intensity,v);第一种方式v为与图像f大小相同的数组，可以对每个像素规定其方差值。第二种方式v为与图像f的灰度值取值范围大小相同的数组，intensity为对应灰度值，可以对图像的每个灰度值规定其方差值。t
7、ype取值为speckle则用方程g=f+nxf将均值为0,给定方差的均匀分布的乘性噪声感染到图像f中，调用格式为：g=imnoise(f,speckle,var);0.04。a=10(I的瑞利噪声对数正态分布噪声噪声其中，参量var指定均匀分布噪声的方差，缺省值为厄兰噪声声差为0.04的乘性噪图5.2 Lena图片感染各种噪声的结果例5.1对Lena利用MATLAB编程实现感染均值0,方差0.01高斯噪声。程序如下：f=imread(E:matlab7lena.bmp);g=rgb2gray(f);g1=im2double(g);g1=imnoise(g1,gaussian,0,0.01);
8、imshow(g1,);执行结果见图5.2(b)例5.2对Lena利用MATLAB编程实现感染噪声密度为0.05的椒盐噪声。程序如下：f=imread(E:matlab7lena.bmp);g=rgb2gray(f);g1=im2double(g);g1=imnoise(g1,salt&pepper,0.05);imshow(g1);执行结果见图5.2(c)虽然利用MATLAB提供的imnoise()可以方便的模拟一些图像噪声，但不能模拟所有图像噪声类型。哪么如何利用MATLAB模拟已知概率密度函数的所有图像噪声类型，根据概率论的一个著名结论：即若w是一个在区间(0,1)内均均分布的随机变量，则可以通过下式获得具有指定概率累积分布函数(CDF)的随机变量z：(5-14)z=Fz(w)其中Fz(w)为随机变量z的累积分布函数CDF。哪么如何产生一个在区间(0,1)内均均分布的随机变量，MATLAB提供的随机函数可以产生一个在区间(0,1)内近似均均分布的随机变量，
