图像噪声抑制锐化处理 | 您所在的位置:网站首页 › day8.files/image028.gif › 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 |
今日新闻 |
推荐新闻 |
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 |