图像噪声抑制锐化处理

3

图象的平滑

(

去噪声

)

、锐化

3.1 

平滑

先举个例子说明一下什么是平滑

(smoothing)

，如下面两幅图所示：可以看到，图

3.2

比图

3.1

柔和一些

(

也模糊一些

)

。是不是觉得很神奇？其实实现起来很简单。我们将原图中的每

一点的灰度和它周围八个点的灰度相加，然后除以

9

，作为新图中对应点的灰度，就能实现

上面的效果。

MSITStore:H:\200541352851453.chm::/6

.files/image001.gif" width="170" 

vshapes="_x0000_i1043" alt=""/> 

图

3.1 

原图

MSITStore:H:\200541352851453.chm::/6.files

/image003.gif" width="168" 

vshapes="_x0000_i1042" alt=""/> 

图

3.2 

经过平滑处理后的图

这么做并非瞎蒙，而是有其道理的。大概想一想，也很容易明白。举个例子，就象和面一

样，先在中间加点水，然后不断把周围的面和进来，搅拌几次，面就均匀了。

用信号处理的理论来解释，这种做法实现的是一种简单的低通滤波器

(low pass filter)

。哇，

好深奥呀！不要紧，这些理论的内容并不多，而且知道一些理论也是很有好处的。在灰度连

续变化的图象中，如果出现了与相邻象素的灰度相差很大的点，比如说一片暗区中突然出现

了一个亮点，人眼能很容易觉察到。就象看老电影时，由于胶片太旧，屏幕上经常会出现一

些亮斑。这种情况被认为是一种噪声。灰度突变在频域中代表了一种高频分量，低通滤波器

的作用就是滤掉高频分量，从而达到减少图象噪声的目的。

为了方便地叙述上面所说的“将原图中的每一点的灰度和它周围八个点的灰度相加，然后除

以

9

，作为新图中对应点的灰度”这一操作，我们采用如下的表示方法：

MSITStore:H:\200541352851453.chm::/6.files/image005.gif" width="92" vshapes="_x0000_i1044" alt=""/>

(3.1) 

这种表示方法有点象矩阵，我们称其为模板

(template)

。中间的黑点表示中心元素，即，用

哪个元素做为处理后的元素。例如

[2. 1]

表示将自身的

2

倍加上右边的元素作为新值，而

[2