以下为《图像去噪PPT课件 (1)》的无排版文字预览，完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。

图像处理与分析图像去噪1.目 录基础知识

基本的去噪算法

改进的去噪算法

总结与问题2.图像噪声

噪声对人的影响可以理解为“ 妨碍人们感觉器官对所接收的信源信息理解的因素”。而图像中各种妨碍人们对其信息接受的因素即可称为图像噪声；

实际的图像受到随机误差的影响而发生的退化称之为图像噪声。

图像去噪

减少数字图像中噪声的过程称为图像去噪，其有利于对图像的进一步处理，如图像增强、图像边缘检测等。

3.常见的图像噪声

（1）加性噪声

加性嗓声和图像信号是不相关的，如图像在传输过程中引进的“信道噪声”电视摄像机扫描图像的噪声。这类噪声和图像的关系可表示为

（2）乘性噪声

乘性嗓声和图像信号是相关的，往往随图像信号的变化而变化，如飞点扫描图像中的嗓声、电视扫描光栅、胶片颗粒造成等。这类噪声和图像的关系可表示为

4. （3）量化噪声

量化嗓声是数字图像的主要噪声源，其大小显示出数字图像和原始图像的差异，减少这种嗓声的最好办法就是采用按灰度级概率密度函数选择化级的最优化措施。

（4）脉冲噪声（椒盐噪声）

椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。椒盐噪声是指两种噪声，一种是盐噪声（salt noise），另一种是胡椒噪声（pepper noise）。盐=白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪声。5.图像去噪算法分类

（1）空间域滤波 （均值滤波、中值滤波、维纳滤波等）

（2）变换域滤波 （傅里叶变换、小波变换、K-L变换等）

（3）偏微分方程

（4）变分法

（5）形态学噪声滤波器

6.基于空间域的去噪算法均值滤波

一种典型的线性滤波算法，它是指对目标图像上每一个像素给一个模板进行处理。均值滤波又被称为线性滤波，这种滤波方式使用的方法主要是邻域平均法。

中值滤波

一种非线性的平滑技术，它的原理是将任意像素点的灰度值设为这个点某邻域窗口内的所有像素点灰度值的数字序列中的中值，从而能够有效地去除孤立点。

维纳滤波

维纳滤波器（Wiener filter）是由20世纪著名的数学家诺伯特·维纳（Rorbert Wiener）提出的一种以最小平方为最优准则的线性滤波器。它适用于需要从噪声中分离出的有用信号是整个信号（即就是波形），而不仅仅只是为了分离出它的几个参量。7.均值滤波 （邻域平均法、平滑线性滤波）原理：给定一个模板，用模板中的全体像素的均值来替代原来模板中心像素值。输出中心像素的8邻域的平均值8.中值滤波原理：用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。按灰度值大小排列像素点

2 2 3 3 4 4 4 5 10

2 2 3 3 4 4 4 5 10 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 点值为图像信号值，保留不变；当|yi-M|>σ时，认为对应yi为噪声信号值，舍弃。最后取判定为信号值的像素点值的中值为邻域中心像素点替代值。

根据统计规律，3x3邻域内占比例高的噪声在更大的范围内不一定还占有数量优势，这样可以在较大邻域中进行噪声像素点的甄别，比如取5x5的邻域，则均值和方差为

对像素点的比较仍然对3x3邻域的9个像素点进行。12.13.算法对比14.总结与问题

如何学？

学什么？15.[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]

以上为《图像去噪PPT课件 (1)》的无排版文字预览，完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。