2.常见滤波器
由于噪声源众多，噪声种类复杂，所以平滑滤波方法也多种多样。现有的图像去噪方法大致可以划分为两类:一类是空间域方法，主要采用各种图像平滑模板对图像处理，以达到压抑或消除噪声的目的；另一类是频率域方法，主要通过对图像进行变换以后，选用适当的频率带通滤波器进行滤波处理，经逆变换后获得去噪后的图像[6-10]。常见的空间域图像去噪滤波方法的滤波器有：均值滤波器、中值滤波器、文纳滤波器等。
2.1 均值滤波器
一种线性噪声去除法，由于图像噪声灰度值与它们相邻像素的灰度值明显不同，所以，通常采用均值滤波算法来消除图像中的噪声，这是一种基本的空间域噪声消除方法。对于给定的图像 中的每个像素点，用图1中的滤波模板遍历整个图片的各个像素点，取其模板中各点的平均值作为处理后所得图像像素点处的灰度值。
(i-1,j-1) (i-1,j) (i-1,j+1)
(i,j-1) (i,j) (i,j+1)
(i+1,j-1) (i+1,j) (i+1,j+1)
图1 滤波模板，像素点及8-邻域像素坐标分布图
均值滤波法对连续噪声的图像如均匀噪声和高斯噪声有很好的效果，它简单的平滑了一幅图像的局部变化，但同时也容易造成对图像中像噪声一样的高频成分过度平滑引起图像的模糊，图像平滑模板的大小与图像平滑的效果密切相关，模板尺寸越大，平滑后的图像就越模糊。
2.2 中值滤波器
中值滤波器是基于统计排序统计理论的一种常用的非线性平滑滤波器，其基本原理是用图1的滤波模板遍历整个图片的各个像素点，取其模板中各个点排序后的中间值作为处理后所得图像像素点处的灰度值，从而可以消除孤立的噪声点。
中值滤波对于滤除图像的椒盐噪声非常有效，它可以做到既去除噪声又能保护图像的边缘，从而获得较满意的效果。其通常选用的窗口有：线形、十字形、方形、菱形和圆形等。中值滤波在实际应用中有多种实现方法，但现有的方法对消除严重的脉冲噪声干扰的效果仍不好。中值滤波器滤除脉冲噪声的性能与窗口的大小有直接关系，窗口小可以较好地保持图像细节，但不能有效地滤除脉冲噪声；较大的窗口能更好地抑制噪声，但也将会使图像变得模糊。在高频噪声的去除与图像细节的保留方面达到一个较好的平衡，尤其对一些细节多，特别是点、线、尖顶细节较多的图像不宜采用中值滤波的方法。
2.3 文纳滤波器
文纳滤波器又称为最小均方误差滤波器或最小二乘误差滤波器，它是根据图像的局部方差来调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。它的最终目标是使恢复图像与原始图像的均方误差最小。该方法的滤波效果比均值滤波器效果要好，对保留图像的边缘和其他高频部分很有用，不过计算量较大，文纳滤波器对具有白噪声的图像滤波效果最佳。
文纳滤波的优缺点：文纳滤波的优点是适应面较广，无论平稳随机过程是连续的还是离散的，是标量的还是向量的，都可应用。文纳滤波的缺点是：它不能用于噪声为非平稳的随机过程的情况，对于向量情况应用也不方便。因此，文纳滤波在实际问题中应用不多。
上一页 [1] [2] [3] [4] [5] [6] 下一页
MATLAB邻域信息优化方法的图像恢复算法研究+滤波去噪算法 第4页下载如图片无法显示或论文不完整，请联系qq752018766
