文档介绍：肂莀节蚀莅芀莂数字图像处理作业膁螁蝿膈膄螅膁——空间域滤波器芁膂莃袀***蚂薆摘要莁艿腿莈羆薆莄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,在特定的图像处理应用中有着不同的效果和各自的优势。b5E2RGbCAP莁蚀莅肀蚅螀肂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=。p1EanqFDPw螅肁蚈蒇螈芆羈实验原理分析:袅蒁膂艿蒆膃罿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、边缘保持滤波等)。DXDiTa9E3d羅袂肇蚇芅肆袃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。RTCrpUDGiT羅罿芄荿肄芁袂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一列灰度为零的像素点<或者将边缘复制补在图像之外)。5PCzVD7HxA肅莀蒇袇肇螇肀①中值滤波器的设计:膄螁芅蕿袆荿肇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。jLBHrnAILg芄膂膀肇蚅薇薇在一维的情况下,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,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。xHAQX74J0X莄荿肂蝿莄螂薃根据上述算法利用MATLAB软件编程,对源图像test1和test2进行滤波处理,结果如下图:蒄螀薀膆蒇芈肁薄膀膄袈膅袀膅薄薁聿莆羄螄羆蚄羂膅肈羇芃芃螃聿蒈螀螆蒄袈袃蒀羂芈薅莁薈可见,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。羃袁袈羀芄芅莆②高斯滤波器的设计:肃节肄蒈莇葿肄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。其中,高斯分布参数决定了高斯滤波器的宽度。对图像来说,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:LDAYtRyKfE膃葿芇腿肆羅羀              <1)膃衿膅薇袄袂蚆  高斯函数具有5个重要性质:芃芀螆艿袇螅螅 <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一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。Zzz6ZB2L