2.1图像滤波方法的比较实验报告.docx

r-课程大作业实验报告2.1图像滤波方法的比较组长：张佳林成员一：下洪学号:学号:班年级专业班级：08自动化2200830460232200830460222年级专业班级：08自动化2（ppt制作，数据整理）（实验报告，编程）课程名称：数字图像处理学号：成员二：余嘉俊200830460231年级专业班级：08自动化2班（编程，程序整理）指导教师邓继忠报告提交日期2010年12月4日项目答辩日期2010年12月5日目录2境••发环3 系统分析33.1系统的主要功能分析3理2.系.统.的基•本原3.1 系统的关键问题及解决方法94 系统设计104.1程序流程图及说明10绍.2程序主要模块功能介绍115 实验结果与分析115.1实验结果11处.2项目的创新之处15存在问题及改进设156 心得体会156.1系统开发的体会15议2.对本门课程的改■进意.见.或建151 项目要求1.1 基本要求：1）通过课本和网上查找资料，了解各种图像滤波的基本原理2）从网上选择并下载一些bmp格式的图像，图像要对比度鲜明，色彩丰富3）设计算法并编写程序，实现图像滤波4）调试与验证程序5）对不同方法滤波后的图像进行比较。

2 项目开发环境计算机、CVI软件、待处理图片3 系统分析3.1 系统的概念图像滤波，即在尽量保留图像细节特征的条件下对目标像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成传输记录过程中往往会受到多种噪声的污染另外，在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声这些噪声在图像上常表现为一引起较强视觉效果的孤立象素点或象素块一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减作用于图像象素的真实灰度值上，在图像造成亮、暗点干扰，极大降低了图像质量，影响图像复原、分割、特征提取、图识别等后继工作的进行要构造一种有效抑制噪声的滤波机必须考虑两个基本问题能有效地去除目标和背景中的噪声;同时，能很好地护图像目标的形状、大小及特定的几何和拓扑结构特征3.2 系统的基本原理1）中值滤波：中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

方法是去某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列二维中值滤波输出为g（x,y）二med{f（x-k,y-l）,（k,l€W）}，其中，f（x,y）,g（x,y）分别为原始图像和处理后图像W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等2）均值滤波：均值滤波也称为线性滤波，其采用的主要方法为领域平均法线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x,y）,选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x,y）,作为处理后图像在该点上的灰度个g（x,y）,即个g（x,y）=1/m刀f（x,y）m为该模板中包含当前像素在内的像素总个数3）高斯滤波：高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程通俗的讲,高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到高斯滤波的具体操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。

若使用3X3模板，则计算公式如下：g(x,y)={f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+[f(x-1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/16;其中，f(x,y)为图像中(x,y)点的灰度值，g(x,y)为该点经过高斯滤波后的值『L「——+■T4) 梯度倒数加权平均法滤波：梯度倒数加权法平滑基于如下的假设：在一幅离散图像中，相邻区域的变化大于区域内部的变化，在同一区域中中间像素的变化小于边缘像素的变化梯度值正比于邻近像素灰度级差值，也就是说在图像变化缓慢区域，梯度值小，反之则大而取梯度倒数大小与梯度相反，因此，以梯度倒数作权重因子，・h^■■■则区域内部的邻点权重就大于边缘近旁或区域外的邻点即该种平滑其贡献上要来自区域内部的像素，平滑后图像的边缘和细节不会受到明显的损害建立归一化的权重矩阵窗口W，对3*3窗口，W的组成为w(x1,y1)w(x1,y)w(x1,y1)w(x,yW1)w(x,y)w(x,y1)w(x1,y1)w(x1,y)w(x1,y1)这里规定，w(x,y)=1/2，8个加权系数之和为1/2。

并其余且定义除w(x,y)外的其他权重矩阵元素为g(x,y;p,q)w(xp,yq)11f(x,y;p,2q)p1q1g(x,y;p,q)f(xp,yq)f(x,y)式中p,q分别为-1，0，1,且p,q不能同时为零用矩阵窗口W与图像上以f(x,y)为中心的同样大小窗口上对应像I格+式素灰度值分别相乘再求和，所得结果即为f(x,y)点的平滑值G(x,y)5) 最大均匀性平滑滤波：最大均匀性平滑滤波是针对一些滤波方法在消除噪声时引起边缘退化的现象而提出的，其基本思想是，若图像中的一个区域含有边缘，它的灰度方差必定较大该方法采用了9种不同形状的模板，1个正方形模板，4个对称的五边形模板，4个对称的六边形模板，用各模板内的灰度方差作为各个区域不均匀性的测试，以最为均匀的区域灰度均值作为被处理点的像素值各模板内的平均灰度值为：fk(i,j)N(x,各模板的灰度方差为：[fkrV 1Ny)kNr1选出灰度方差最小的模板：min{Vk?V k将被选模板的平均灰度值作为被处理像素f(i，j)krfv(i,j)]2k1,2,,9}f(i,j)的输出灰度值g(i,j):g(i，j)ft(i,j),1t96) 低通空域滤波：低通空域滤波是一种保留图像的低频成分，减少图像的高频成分的处理方法，有的称之为消噪声掩膜法。

因为图像噪声常常以高频、随机的形式表现出来，大面积的背景区和亮度渐变区域则属低频成分低通空域滤波以卷积方法进行卷积方法实质是一种加权求和的过程选择某种形状的邻域，将邻域中的每个像素与卷积核中的对应元素相乘，乘积求和的结果即为模板中心像素的新值，卷积核中的元素称为加权系数K近邻均值滤波：边界保持滤波器的核心是确定边界点与非边界点如图所示，点1是黄色区域的非边界点，点2I格+式编是蓝色区域的边界点在模板中，分别选出5个与点1或点2灰度值最相近的点进行计算不影响效果换句话说，对非边界点的影响不是很大，但是对边界点的影响就非常大其算法步骤为：1）以待处理像素为中心，作一个m*m的作用模板2）在模板中，选择K个与待处理像素的灰度差为最小的像素3）将这K个像素的灰度均值替换掉原来的像素值7）Sigma平滑滤波：该算法建立在SAR图像的乘性噪声模型上，假设斑点噪声的分布为高斯分布，窗口内的像素灰度值与其中心像素的灰度值比较接近其基本原理为：Sigma滤波器将2范围内的像素进行平均，即可去除差别过—=严nT大的象素的影响我们知道，对于一维高斯分布，采样点落在2区间的概率是93.5%在窗口滤波过程中，•魯选取窗口内像素灰度值落在2■一范围内的点，将它们的平均值作为中心像素灰度的估计，而其它变化显著的像素则被视作边缘而不做滤波处理。

均首先值计算滤波窗口内各像元灰度的平jgi作为滤波中心像元j2（i,j）的平均值；然后再求窗口内标准差标准差，公式如下（设窗口为（作为滤波中心像i元点■j2M＋1）2N+1))(i,j)的gijg(i,j)(2M11)(2Ng(k,l)(i,j)1)kjMliNjMiNg(i,j)gijij()3I格+式编（）4••ij(2M1)(2N1)kjMliNSigma滤波器的算法表达式如下：<百mkiljnRimn■品'kl1kl0gij(12f)otherwisegij(12)(6)(7孤立散射体不应受到斑点平滑的影响，为此设置阈值，如果范围内的象素数小于或等于K=（滤波窗口大小+1）/2，则以中心象素周围最近的四点象素平均值作为滤波输出8）卡尔曼滤波：卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值它适合于实时处理和计算机运算卡尔曼滤波方程如下：设待估计的随机信号的状态方程和观测方程已知为：Xk,k1xk1kk1Wk为在t时刻的nn1的状态向量；k1的状态向量;ZHXVkkkk其中，Xk为系统噪声驱动阵转移阵；1k为k为在t前kk1•L时刻的一为t时刻至t步1k1k；W为系统激励噪声序列；Hk量测阵；Vk为量测噪声序列;Zk为时刻的m1状态观测向噪声的已知统计特性如下：QkkiE[T]ki,E[wvT]ki0,RkkiE[vvTki「0卜0卡尔曼滤波所要解决的问题是如何根据前述已知的条件，在均方Xk/k1、观测值ZkP去修正先验估丈，并估k误差最小的准则下，用状态向量的先验估计值与相应的误差估计值计值，得到最优估计值计出相应的误差。

卡尔曼滤波从与被提取信号有关的量测量中通过算法估计出所需信号卡尔曼滤波处理有几个特点：⑴卡尔曼滤波处理的对象是随机信号；⑵被处理信号无有用和干扰之分，滤波的目的是要估计出所有被处理信号；确切的说卡尔曼滤波应称作最优估计理论；就实现形式而言，卡尔曼滤波器实质上是一套由数字计算机实现的递推算法量测量可看。