第9章 噪声图像的产生及处理

第9章噪声图像的产生及处理数字信号处理器原理A西安邮电大学通信与信息工程学院第2/48页课前提问：1、第8章学习了“彩色图像转化成灰度图像”，请问：RGB彩色图像转化成灰度的图像的方法有几种？分别是什么？第3/48页一、彩色图像灰度化的原理所谓加权平均法就是根据三基色的重要性及其它指标，将R、G、B三个分量以不同的权值进行加权平均由于人眼对绿色的敏感最高，对蓝色敏感最低；因此，我们可以按下式对R、G、B三分量进行加权平均，则能得到较合理的灰度图像。(,)0.30(,)0.59(,)0.11(,)FijRijGijBij一般有以下三种转化方案：方法1：加权平均法第4/48页方法2：平均值法所谓平均值法就是对彩色图像的每个像素中的R、G、B三个分量的值进行简单的算术平均；将得到平均值作为灰度图像对应像素的亮度值；其计算式如下所示：(,)(,)(,)(,)3FijRijGijBij一、彩色图像灰度化的原理第5/48页方法3：最大值法所谓最大值法就是将彩色图像中每个像素的R、G、B三个分量中的最大值作为灰度图对应像素的灰度值。其计算式如下：(,)max((,),(,),(,))FijRijGijBij一、彩色图像灰度化的原理第6/48页第7/48页(复习)实验结果与分析第8/48页实验结果与分析图8.10采用“加权平均”法变换得到的灰度图像第9/48页在CCS中编程实现RGB转化成灰度图像的3种方法，实验中，要对比试验结果；要交试验报告（二人一组交一份）：电子版与纸质版（双面打印）；在实验报告中，不能采用相同的图像数据，若发现有相同的，则返回重新做实验，重新提交实验报告；（也不能用与PPT相同的图像数据）实验2：彩色图像灰度化DSP实验内容与要求：第10/48页怎样生成试验图像数据文件一个关键问题：课外实验1：彩色图像灰度化DSP实验?第11/48页生成试验图像数据文件：第12/48页目录第9章图像噪声产生及处理9.1引言9.2图像去噪9.3椒盐噪声9.4高斯噪声9.5试验结果与分析9.6分析与总结第13/48页本章要解决的问题：1、什么是图像的噪声？2、图像的噪声可分成哪几种类型？3、常用的图像去噪方法有哪些？第14/48页图像噪声举例：第15/48页本章学习目标了解图像噪声的概念及特点；了解图像噪声的类型；了解常用的图像去噪方法；掌握图像高斯噪声的生成模型及方法；掌握图像椒盐噪声的生成模型及方法。知识要点：高斯、椒盐噪声的生成原理与方法；相应的DSP编程方法。第16/48页9.1引言所谓噪声是电路或系统中不含信息量的电压或电流，如：在工业与自然界中，存在着各种干扰源（噪声源），如大功率电力电子器件的接入、大功率用电设备的开启与断开、雷击闪电等都会使空间电场和磁场产生有序或无序的变化，这些都是干扰源（或噪声源）。这些源产生的电磁波或尖峰脉冲，通过磁、电耦合或是通过电源线等路径进入放大电路、各种电气设备，形成各种形式的干扰。噪声可以理解为“妨碍人们感觉器官对所接收的信源信息的理解”。例如，一幅黑白图片，其平面亮度分布假定为f(x，y)，那么对其接收起干扰作用的亮度分布R(x，y)，即可称为图像噪声。第17/48页9.1引言但是，噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。因此，将图像噪声看成是多维随机过程是合适的，而描述噪声的方法完全可以借用随机过程的描述，即用其概率分布函数和概率密度分布函数。在很多情况下，这样的描述方法是很复杂的，甚至是不可能的；实际应用通常是用其数字特征，即均值方差，相关函数等。因为这些数字特征都可以从某些方面反映出噪声的特征。为什么要研究图像的噪声及处理方法？简单而言，图像噪声使得图像模糊，甚至淹没图像特征，给图像分析带来困难。第18/48页1、图像噪声特点：(1)噪声在图像中的分布和大小不规则，即具有随机性。(2)噪声与图像之间一般具有相关性。例如，摄像机的信号和噪声相关，黑暗部分噪声大，明亮部分噪声小。又如，数字图像中的量化噪声与图像相位相关，图像内容接近平坦时，量化噪声呈现伪轮廓，但图像中的随机噪声会因为颤噪效应反而使量化噪声变得不很明显。(3)噪声具有叠加性。在串联图像传输系统中，各部分窜入噪声若是同类噪声可以进行功率相加，依次信噪比要下降。若不是同类噪声应区别对待，而且要考虑视觉检出特性的影响。但是因为视觉检出特性中的许多问题还没有研究清楚，所以也只能进行一些主观的评价试验。第19/48页2、噪声分类：(1)加性噪声和乘性噪声。假定信号为S(t)，噪声为n(t)，如果混合叠加波形是S(t)+n(t)的形式，则称其为加性噪声；如果叠加波形为S(t)［1+n(t)］的形式，则称其为乘性噪声。(2)外部噪声和内部噪声。外部噪声，即指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声；电气设备内部引起的噪声为内部噪声。(3)平稳噪声和非平稳噪声。(4)其它几类噪声。第20/48页3、噪声模型：（1）高斯噪声：221()exp()/22pzzu（2）瑞利噪声：22()exp()/,(),0zazazabpzbza当当（3）伽马(爱尔兰)噪声：10()(1)!00bbaxazezpzbz第21/48页3、噪声模型：（4）指数分布噪声：（6）“椒盐噪声”（脉冲噪声）：椒盐噪声是一种因为信号脉冲强度引起的噪声；椒盐噪声是指两种噪声，一种是盐噪声（saltnoise），另一种是胡椒噪声（peppernoise）。盐=白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈现在图像上就是黑白杂点。0()00axzazpzz（5）均匀噪声：1()0azbpzba，当其他第22/48页第23/48页第24/48页9.2图像去噪图像去噪算法分类：（1）空间域滤波（2）变换域滤波（3）偏微分方程（4）变分法（5）形态学噪声滤除器第25/48页典型图像去噪方法分析（1）均值滤波器：-----邻域平均法像素点（x，y），选择一个模板，求模板中所有像素的均值；g（x，y）=1/m∑f（x，y），m为模板中像素的总个数。均值滤波器优缺点均值滤波器是一种典型的线性去噪方法，因为其运算简单快速，同时又能够较为有效地去除高斯噪声。因而适用面较广，至今仍是一种常用的去噪方法，许多滤除噪声方法都是在此基础上发展而来。其缺点是严重破坏了图像的边缘，模糊了图像。第26/48页典型图像去噪方法分析（2）中值滤波：中值滤波是常用的非线性滤波方法，也是图像处理技术中最常用的预处理技术。它在平滑脉冲噪声方面非常有效，同时它可以保护图像尖锐的边缘。（3）小波变换滤波：小波去噪算法:（1）进行二维图像信号的小波变换；（2）提取小波分解中第一层的低频图像，跟踪该尺度下的极值点；（3）令j=1，对第一层低频图像进行小波变换，提取第二层低频图像信号，同时，以步骤②中的小波变换极值点为参考，找出幅值减小的极值点，并除去，保留幅值增加的极值点；（4）令j=2,3,⋯⋯,重复步骤（3）；（5）重建去噪后的二维图像信息。第27/48页典型图像去噪方法分析（4）维纳滤波：维纳滤波器（Wienerfilter）是一种以最小平方为最优准则的线性滤波器，是40年代在线性滤波理论方面所取得的最重要的成果。维纳滤波器又被称为最小二乘滤波器或最小平方滤波器，目前是基本的滤波方法之一。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。维纳滤波器对具有白噪声的图象滤波效果最佳。第28/48页9.3椒盐噪声本节学习目的：掌握椒盐噪声的原理；能够用DSP程序，在图像中添加椒盐噪声。第29/48页9.3.1基本原理脉冲噪声(椒盐噪声)：双极脉冲噪声也称为椒盐噪声，有时也称为散粒和尖峰噪声。()0abpzapzpzb其他如果ba，灰度值b在图像中将显示为一个亮点，相反，a的值将显示为一个暗点；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，脉冲噪声值将类似于随机分布在图像上的胡椒和盐粉微粒。第30/48页9.3.1基本原理噪声脉冲可以是正的，也可以是负的。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(纯黑或纯白)。这样，通常假设a，b是饱和值,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。由于相同的原因，正脉冲以白点(盐点)出现在图像中。对于一个8位图像，这意味着a=0(黑)。b=255(白)。第31/48页9.3.2算法步骤与流程图第32/48页9.3.2算法步骤与流程图开始输入原图像确定图像的大小N×M如果irange×N×M随机选择原始图像sourceIMG的像素点置0或255结束输出图像NY图9.1椒盐噪声加噪算法流程图第33/48页9.3.3C语言代码与分析椒噪声和盐噪声加噪算法对应的DSP程序如下：第34/48页9.3.3C语言代码与分析第35/48页试验结果与分析第36/48页试验结果与分析第37/48页9.4高斯噪声本节学习目的：掌握高斯噪声的原理；能够用DSP程序，在图像中添加椒盐噪声。第38/48页9.4高斯噪声9.4.1基本原理高斯噪声是指噪声的概率密度函数服从高斯分布（即正态分布）的一类噪声。含有高斯噪声的图像，可以看成是图像的每一个像素值加上一个高斯分布的随机数。因此，要生成含高斯噪声的图像，就必须先产生高斯分布的随机数，然后再将随机数加入图像。由于电脑系统函数库中的随机数生成函数生成的随机数为均匀分布的随机数，没有直接生成高斯随机数的函数。因此，产生高斯噪声要通过如下二个步骤来实现：第一，生成均匀分布随机数；第39/48页9.4高斯噪声第二，实现均匀分布随机数向高斯分布随机数转化。常用转化方法：中心极限定理的方法和box-muller算法。这里以中心极限定理的方法讲述高斯随机数的生成方法：计算机中都有产生概率为均匀分布的函数，通过反复相加这个噪声，就可以产生高斯噪声，这就是中心极限定理生成高斯随机数的方法。这也可以解释为什么高斯噪声在自然界中这么常见，因为各种噪声经过叠加就成了高斯噪声。第40/48页第41/48页9.4.2算法步骤与流程图第42/48页9.4.2算法步骤与流程图第43/48页9.4.3C语言代码与分析分析第44/48页9.4.3C语言代码与分析分析第45/48页9.4.3C语言代码与分析分析第46/48页9.5试验结果与分析第47/48页9.5试验结果与分析第48/48页9.5试验结果与分析第49/48页9.5试验结果与分析第50/48页实验三：在图像中添加噪声第51/48页（1）实验报告的标准模板；（2）怎样生成试验图像数据文件？第4次实验内容与要求二个关键问题：第52/48页（2）怎样生成试验图像数据文件？第53/48页第11周星期二3、4节实验课地点：3#440444448