DOC《图像滤波的作用》

图像滤波的作用 图像滤波 刚获得的图像有很多噪音.

这主要由于平时的工作和环境引起的,图像增强是减弱噪音,增强对比度.想得到比较干净清晰的图像并不是容易的事情.为这 个目标而为处理图像所涉及的操作是设计一个适合、匹配的滤波器和恰当的阈值.常用的有高斯滤波、均值滤波、中值滤波、最小均方差滤波、Gabor滤波. 由于高斯函数的傅立叶变换仍是高斯函数, 因此高斯函数能构成一个在频域具有平滑性能的低通滤波器.可以通过在频域做乘积来实现高斯滤波.均值滤波是对是对信号进行局部平均, 以平均值来代表该像素点的灰度值.矩形滤波器(Averaging Box Filter)对这个二维矢量的每一个分量进行独立的平滑处理.通过计算和转化 ,得到一幅单位矢量图.这个 512*512的矢量图被划分成一个 8*8的小区域 ,再在每一个小区域中 ,统计这个区域内的主要方向 ,亦即将对该区域内点方向数进行统计,最多的方向作为区域的主方向.于是就得到了一个新的64*64的矢量图.这个新的矢量图还可以采用一个 3*3模板进行进一步的平滑. 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.加权中值滤波能够改进中值滤波的边缘信号保持效 果.但对方向性很强的指纹图像进行滤波处理时 ,有必要引入方向信息,即利用指纹方向图来指导中值滤波的进行. 最小均方差滤波器,亦称维纳滤波器,其设计思想是使输入信号乘响应后的输出,与期望输出的均方误差为最小. Gabor变换是英国物理学家 Gabor提出来的,由 测不准原理 可知,它具有最小的时频窗,即Gabor函数能做到具有最精确的时间-频率的局部化;

另外, Gabor函数与哺乳动物的视觉感受野相当吻合,这一点对研究图像特征检测或空间频率滤波非常有用.恰当的选择其参数, Gabor变换可以出色地进行图像分割、识别与理解.如文献提出的基于Gabor滤波器的增强算法. 图象滤波 在图象采集模块中,当使用CCD摄像头采集图象时,由于目标图象本身变形或模糊,或存在微小而粗糙的障碍物附在目标图象或CCD摄 像头镜片上时,使得采集到的图象与理想的原始图象相比,图象质量劣化.由于本文讨论的是静态图象,且目标图象所处的工作环境稳定,所以只考虑由于微小而粗 糙的颗粒依附于目标图象所产生的图象质量劣化,而这些微小颗粒就是图象的噪声.这种噪声称为随机噪声,它具有以下性质: 噪声在图象中的位置随机 噪声的形状大小不规则 ?????? 在本文中,采用空间滤波器方法进行图象滤波,以达到滤除随机噪声,使图象平滑的效果,并为后继的直方图阈值提取和边缘检测做准备. ?????? 在图象滤波中,目前有两种主要方法.一种是空域滤波,还有一种是频域滤波. ?????? 频域滤波利用图象的频谱信息进行图象滤波处理.频域滤波以卷积理论为基础.根据卷积定理,设函数 与线形位不变算子 的卷积结果为 ,则在频域有: 5-1) 其中 , , 分别是 , , 的傅立叶变换.同时,若给定 和 ,则可由傅立叶反变换得到 ,如下式: 5-2) ?????? 因此,由以上讨论我们可以得到频域滤波的方法为:首先对需要滤波的图象 进行傅立叶变换,得到 ;

然后 与一个合适的滤波器函数 相乘得到 ,以滤除图象噪声;