空间域滤波器(实验报告)

《空间域滤波器(实验报告)》由会员分享，可在线阅读，更多相关《空间域滤波器(实验报告)（24页珍藏版）》请在金锄头文库上搜索。

1、数字图像处理作业空间域滤波器摘要在图像处理的过程中 , 消除图像的噪声干扰是一个非常重要的问题。本文利 用 matlab 软件, 采用空域滤波的方式 , 对图像进行平滑和锐化处理。平滑空间滤 波器用于模糊处理和减小噪声， 经常在图像的预处理中使用； 锐化空间滤波器主 要用于突出图像中的细节或者增强被模糊了的细节。 本文使用的平滑滤波器有中 值滤波器和高斯低通滤波器， 其中，中值滤波器对去除椒盐噪声特别有效， 高斯 低通滤波器对去除高斯噪声效果比较好。使用的锐化滤波器有反锐化掩膜滤波、 Sobel 边缘检测、 Laplacian 边缘检测以及 Canny 算子边缘检测滤波器。不同的 滤波方式，在

2、特定的图像处理应用中有着不同的效果和各自的优势。1、分别用高斯滤波器和中值滤波器去平滑测试图像 test1 和 2，模板大小分别 是 3x3 ， 5x5 ，7x7 ；利用固定方差 sigma=1.5 产生高斯滤波器 . 附件有产 生高斯滤波器的方法。实验原理分析：空域滤波是直接对图像的数据做空间变换达到滤波的目的。 它是一种邻域运 算，其机理就是在待处理的图像中逐点地移动模板， 滤波器在该点地响应通过事 先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。 如果输出 像素是输入像素邻域像素的线性组合则称为线性滤波 （例如最常见的均值滤波和 高斯滤波），否则为非线性滤波（中值滤波、边缘

3、保持滤波等） 。空域滤波器从处理效果上可以平滑空间滤波器和锐化空间滤波器： 平滑空间 滤波器用于模糊处理和减小噪声， 经常在图像的预处理中使用； 锐化空间滤波器 主要用于突出图像中的细节或者增强被模糊了的细节。模板在源图像中移动的过程中，当模板的一条边与图像轮廓重合后，模板中 心继续向图像边缘靠近， 那么模板的某一行或列就会处于图像平面之外， 此时最 简单的方法就是将模板中心点的移动范围限制在距离图像边缘不小于 （ n 1）/2 个像素处， 单处理后的图像比原始图像稍小。 如果要处理整幅图像， 可以在图像 轮廓边缘时用全部包含于图像中的模板部分来滤波所有图像， 或者在图像边缘以 外再补上一行和

4、一列灰度为零的像素点（或者将边缘复制补在图像之外） 。 中值滤波器的设计： 中值滤波器是一种非线性统计滤波器，它的响应基于图像滤波器包围的图像 区域中像素的排序， 然后由统计排序的中间值代替中心像素的值。 它比小尺寸的 线性平滑滤波器的模糊程度明显要低，对处理脉冲噪声（椒盐噪声）非常有效。 中值滤波器的主要功能是使拥有不同灰度的点看起来更接近于它的邻近值， 去除 那些相对于其邻域像素更亮或更暗， 并且其区域小于滤波器区域一半的孤立像素 集。在一维的情况下，中值滤波器是一个含有奇数个像素的窗口。在处理之后， 位于窗口正中的像素的灰度值， 用窗口内各像素灰度值的中值代替。 例如若窗口 长度为 5，

5、窗口中像素的灰度值为 80、 90、200、 110、 120，则中值为 110，因 为按小到大（或大到小）排序后，第三位的值是110。于是原理的窗口正中的灰度值 200就由 110取代。如果 200是一个噪声的尖峰， 则将被滤除。 然而，如果 它是一个信号， 则滤波后就被消除， 降低了分辨率。 因此中值滤波在某些情况下 抑制噪声，而在另一些情况下却会抑制信号。将中值滤波推广到二维的情况。二维窗口的形式可以是正方形、近似圆形的 或十字形等。本次作业使用正方形模板进行滤波， 它的中心一般位于被处理点上。 窗口的大小对滤波效果影响较大。根据上述算法利用MATLA软件编程，对源图像testl和tes

6、t2进行滤波处理， 结果如下图：中值滤波后的testl.pgm ( 3x3)中值滤波后的testl.pgm ( 5x5 )中值滤波后的testl.pgm ( 7x7 )中值滤波后的test2.tif ( 3x3 )中值滤波后的test2.tif ( 5x5 )中值滤波后的test2.tif ( 7x7 )可见，窗口的大小对滤波效果影响较大。窗口越大，平滑效果越明显，图像细节 越模糊。 高斯滤波器的设计:高斯滤波是一种根据高斯函数的形状来选择模板权值的线性平滑滤波方法。高斯平滑滤波器对去除服从正态分布的噪声是很有效果的。一维零均值高斯函数 为站戶。其中，高斯分布参数决定了高斯滤波器的宽度。对图像

7、来说，常 用二维零均值离散高斯函数作平滑滤波器，函数表达式如下:(1)高斯函数具有5个重要性质:(1) 二维高斯函数具有旋转对称性，即滤波器在各个方向上的平滑程度是相同的。一般来说一幅图像的边缘方向是不知道的。 因此，在滤波之前是无法确定- 个方向比另一个方向上要更多的平滑的。 旋转对称性意味着高斯滤波器在后续的 图像处理中不会偏向任一方向。（2）高斯函数是单值函数。 高斯滤波器用像素邻域的加权均值来代替该点的像 素值，而每一邻域像素点的权值是随着该点与中心点距离单调递减的。 这一性质 是很重要的， 因为边缘是一种图像局部特征。 如果平滑运算对离算子中心很远的 像素点仍然有很大的作用，则平滑运

8、算会使图像失真。（3）高斯函数的傅立叶变换频谱是单瓣的。 这一性质是高斯函数傅立叶变换等 于高斯函数本身这一事实的直接推论。 图像常被不希望的高频信号所污染， 而所 希望的图像特征， 既含有低频分量， 又含有高频分量。 高斯函数傅立叶变换的单 瓣意味着平滑图像不会被不需要的高频信号所污染， 同时保留了大部分所需要的 信号。（4）高斯滤波器的宽度（决定着平滑程度）是由参数c表征的，而且c和平滑 程度的关系是非常简单的。c越大，高斯滤波器的频带就越宽，平滑程度就越 好。通过调节平滑程度参数 c ，可在图像特征分量模糊 （过平滑）与平滑图像中 由于噪声和细纹理所引起的过多的不希望突变量 （欠平滑）之

9、间取得折衷。（5）由于高斯函数的可分离性， 大高斯滤波器可以有效实现。 通过二维高斯函 数的卷积可以分两步来进行， 首先将图像与一维高斯函数进行卷积， 然后将卷积 的结果与方向垂直的相同一维高斯函数进行卷积。 因此，二维高斯滤波的计算量 随滤波模板宽度成线性增长而不是成平方增长。 这些性质使得它在早期的图像处 理中特别有用，表明高斯平滑滤波器无论在空间域还是在频率域都是十分有效的 低通滤波器。根据上述分析，利用MATLA软件设计高斯滤波器，对源图像testl和test2 进行滤波处理，结果如下图：高斯滤波平滑后的test1.pgm ( 3x3)50100150200250高斯滤波平滑后的tes

10、t1.pgm ( 5x5)5010015020025050100150200250501001502002505010015020025050100150200250300350400450500高斯滤波平滑后的test1.pgm ( 7x7)50100150200250高斯滤波平滑后的test2.tif ( 3x3)501001502002503003504004505005010015020025030035040045050050100150200250300350400450500高斯滤波平滑后的test2.tif ( 5x5)50100150200250300350400450500

11、高斯滤波平滑后的test2.tif ( 7x7)50100150200250300350400450500可见，对于高斯滤波器，模板的大小对滤波效果影响不大。高斯滤波虽然能 够在一定程度上去掉噪声，但也使得图象变得模糊不清，效果并不能令人满意。2、利用高通滤波器滤波测试图像 test3,4 :包括unsharp masking, Sobel edge detector, and Laplace edge detect ion； Canny algorithm.实验原理分析：锐化滤波能减弱或消除图像中的低频率分量， 但不影响高频率分量。因为低 频分量对应图像中灰度值缓慢变化的区域， 因而与图像的

12、整体特性，如整体对比 度和平均灰度值等有关。锐化滤波将这些分量滤去可使图像反差增加， 边缘明显。 在实际应用中，锐化滤波可用于增强被模糊的细节或者低对比度图像的目标边缘。图像锐化的主要目的有两个：一是增强图像边缘，使模糊的图像变得更加清 晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图 像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、 对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分析 奠定基础。由于锐化使噪声受到比信号还要强的增强，所以要求锐化处理的图像有较高 的信噪比；否则，锐化后图像的信噪比更低。 反锐化掩膜图像增强（uns

13、harp masking）图像的反锐化掩蔽算法可以表示为：/（X）二只兀）-了（仁y）其中fs（x,y）表示经过反锐化掩蔽得到的锐化图像，是f（x,y）的模糊形式。反锐化掩蔽进一步的普遍形式称为高提升滤波。在图像中任何一点（x,y）处，高提升滤波后的图像fhb可定义如下:几&卅)=-f(x,y)其中A1与前式一样，是f的模糊形式，此式也可以写成：/hb（兀y） = （-【）/（/）+f（x.y） -f（x.y）结合式（1），可以得到：几（戈）=（力-1）/（兀）这一表达式可计算高提升滤波图像。如果选择拉普拉斯变换，式（4）变成:Ab =Af(x.y)-Af(xty) +V7(x.y)ygy)如

14、果拉普拉斯掩模中心系数为负 如果拉普拉斯掩模中心系数为正高提升滤波处理可以通过任何一个图1所示的掩模得以实现。当A=1时，高提升滤波处理就是标准的拉普拉斯变换。随着A超过I不断增大，锐化处理的效果越来越不明显。最终，当A足够大时,高提升图像将近似等于经常数调制的图像。070_1A +斗_10-10图1高频提升滤波技术可以用其中一种掩膜来实现（a _ 1）本文采用的反锐化掩膜滤波器中 A=1。根据以上分析，利用MATLAB件设计 反锐化掩膜滤波器对test3和test4进行滤波，结果如下图：原图像test3 corrupt.pgm反锐化掩膜后的test3 corrupt.pgm原图像test4 copy.bmp反 锐化掩 膜后的test4 copy.bmp可见，经过反锐化掩膜滤波后，图像的边缘得到了增强，细节更加明显，但 同时也带来了高频噪声的影响。 索贝尔边缘检测(Sobel edge detector )索贝尔算子(Sobel operater)主要用作边缘检测，在技术上，它是一离散性 差分算子，用来运算图像亮度函数的灰度之近似值。在图像的任何一点使用此算子，将会产生对应的灰度矢量或其法矢量。该算子包含两组3x3的矩阵，分别为横向及纵向，将之与图像作平面卷积， 即可分别得出横向及纵向的亮度差分近似值。如果以A代表原始图像，Gx及Gy分别代表经横向及纵向边