数字图像滤波方法比较

数字图像滤波方法比较课题

图像滤波方法的比较彭炎兴(200830590215) CVI编程 陆道铭(200830590213) 查找资料 杨智伟(200830590131) 实验报告

数字图像滤波方法比较课题

实现的目标

噪声： 三类噪声：高斯噪声、椒盐 噪声、 随机噪声(2种) 滤波： 编写8种滤波方法，实现了7个： 均值滤波、中值滤波、高斯滤波、KNN滤波、 高通滤波、低通滤波(3*3)、最大均匀性 平滑滤波 ；未实现的两种：梯度倒数加权 滤波及低通滤波( 5*5 ,7*7,9*9, 11*11) 计算滤波时间：实现了计算滤波的处理时 间

数字图像滤波方法比较课题

彩色/灰色显示 ： 对原彩色图像处理后的 色彩选择：彩色(部分程序)、灰色(实 现) 菜单形式 ： 实现了将所有命令控件整合为 菜单形式，减少了控件占用界面的空间 图片显示 ：6个图片存放框，实现了将处理 的图片显示在指定的图片框，便于各种滤 波方法的比较

数字图像滤波方法比较课题

图像滤波的概念图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制，是

图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析

的有效性和可靠性。

数字图像滤波方法比较课题

基本原理中值滤波中值滤波是基于排序统计理论的一种能有效抑制噪 声的非线性信号处理技术，中值滤波的基本原理是把数字 图像或数字序列中一点的值用该点的一个邻域中各点值的 中值代替，让周围的像素值接近的真实值，从而消除孤立

的噪声点。

数字图像滤波方法比较课题

数字图像滤波方法比较课题

均值滤波均值滤波也称为线性滤波，其采用的主要方法为领 域平均法。线性滤波的基本原理是用均值代替原图像中的 各个像素值，即对待处理的当前像素点(x,y),选择一 个模板，该模板由其近邻的若干像素组成，求模板中所有 像素的均值，再把该均值赋予当前像素点(x,y),作为

处理后图像在该点上的灰度个g(x,y),即g(x,y)=1/m ∑f(x,y), m为该模板中包含当前像素在内的像 素总个数。

数字图像滤波方法比较课题

数字图像滤波方法比较课题

高斯滤波

高斯滤波是一种线性平滑滤波，适用于消除高斯噪

声，广泛应用于图像处理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的 值，都由其本身和邻域内的其他像素值经过加权平均后得 到。

高斯滤波的具体操作是：用一个模板(或称卷积、掩

模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

数字图像滤波方法比较课题

数字图像滤波方法比较课题

K近邻均值滤波

边界保持滤波器的核心是确定边界点与非边界点。如图所示，点1 是黄色区域的非边界点，点2是蓝色区域的边界点。

在模板中，分别选出5个与点1或点2灰度值最相近的点进行计算，不影响效果。 换句话说，对非边界点的影响不是很大

, 但是对

边界点的影响就非常大。

其算法步骤为： 1) 以待处理像素为中心，作一个m*m的作用模板。

2)在模板中，选择K个与待处理像素的灰度方差为最小的像素。3)将这K个像素的灰度均值替换掉原来的像素值。

数字图像滤波方法比较课题

数字图像滤波方法比较课题

最大均匀性平滑滤波

最大均匀性平滑滤波是针对一些滤波方法在消除噪声时引 起边缘退化的现象而提出的，其基本思想是，若图像中的 一个区域含有边缘，它的灰度方差必定较大。该方法采用

了9种不同形状的模板，1个正方形模板，4个对称的五边形模板，4个对称的六边形模板，用各模板内的灰度方差 作为各个区域不均匀性的测试，以最为均匀的区域灰度均 值作为被处理点的像素值。

数字图像滤波方法比较课题

数字图像滤波方法比较课题

梯度倒数加权平均法滤波

梯度倒数加权法平滑基于如下的假设：在一幅离散图像中， 相邻区域的变化大于区域内部的变化，在同一区域中中间 像素的变化小于边缘像素的变化。梯度值正比于邻近像素

灰度级差值，也就是说在图像变化缓慢区域，梯度值小，反之则大。而取梯度倒数大小与梯度相反，因此，以梯度 倒数作权重因子，则区域内部的邻点权重就大于边缘近旁 或区域外的邻点。即该种平滑其贡献上要来自区域内部的 像素，平滑后图像的边缘和细节不会受到明显的损害。

数字图像滤波方法比较课题