噪聲的產生及分類
根據噪聲和信號的關係可將其分為三種形式:(f(x,y)表示給定原始圖象,g(x,y)表示圖象信號,n(x,y)表示噪聲。
1) 加性噪聲,此類噪聲與輸入圖象信號無關,含噪圖象可表示為f(x,y)=g(x,y)+n(x,y),信道噪聲及光導攝像管的攝像機掃描圖象時產生的噪聲就屬這類噪聲；
2) 乘性噪聲,此類噪聲與圖象信號有關,含噪圖象可表示為f(x,y)=g(x,y)+n(x,y)g(x,y),飛點掃描器掃描圖象時的噪聲,電視圖象中的相關噪聲,膠片中的顆粒噪聲就屬於此類噪聲；
3) 量化噪聲,此類噪聲與輸入圖象信號無關,是量化過程存在量化誤差,再反映到接收端而產生。
去除圖像噪聲的方法簡介
均值濾波器
採用鄰域平均法的均值濾波器非常適用於去除通過掃描得到的圖像中的顆粒噪聲。領域平均法有力地抑制了噪聲,同時也由於平均而引起了模糊現象,模糊程度與領域半徑成正比。
幾何均值濾波器所達到的平滑度可以與算術均值濾波器相比,但在濾波過程中會丟失更少的圖象細節。
諧波均值濾波器對“鹽”噪聲效果更好,但是不適用於“胡椒”噪聲。它善於處理像高斯噪聲那樣的其他噪聲。
逆諧波均值濾波器更適合於處理脈衝噪聲,但它有個缺點,就是必須要知道噪聲是暗噪聲還是亮噪聲,以便於選擇合適的濾波器階數符號,如果階數的符號選擇錯了可能會引起災難性的後果。
自適應維納濾波器
它能根據圖象的局部方差來調整濾波器的輸出,局部方差越大,濾波器的平滑作用越強。它的最終目標是使恢復圖像f^(x,y)與原始圖像f(x,y)的均方誤差e2=E[(f(x,y)-f^(x,y)2]最小。該方法的濾波效果比均值濾波器效果要好,對保留圖像的邊緣和其他高頻部分很有用,不過計算量較大。維納濾波器對具有白噪聲的圖象濾波效果最佳。
中值濾波器
它是一種常用的非線性平滑濾波器,其基本原理是把數字圖像或數字序列中一點的值用該點的一個領域中各點值的中值代換其主要功能是讓周圍象素灰度值的差比較大的像素改取與周圍的像素值接近的值,從而可以消除孤立的噪聲點,所以中值濾波對於濾除圖像的椒鹽噪聲非常有效。中值濾波器可以做到既去除噪聲又能保護圖像的邊緣,從而獲得較滿意的復原效果,而且,在實際運算過程中不需要圖象的統計特性,這也帶來不少方便,但對一些細節多,特別是點、線、尖頂細節較多的圖象不宜採用中值濾波的方法。
形態學噪聲濾除器
將開啟和閉合結合起來可用來濾除噪聲,首先對有噪聲圖象進行開啟操作,可選擇結構要素矩陣比噪聲的尺寸大,因而開啟的結果是將背景上的噪聲去除。最後是對前一步得到的圖象進行閉合操作,將圖象上的噪聲去掉。根據此方法的特點可以知道,此方法適用的圖像類型是圖象中的對象尺寸都比較大,且沒有細小的細節,對這種類型的圖像除噪的效果會比較好。
小波去噪
這種方法保留了大部分包含信號的小波係數,因此可以較好地保持圖象細節。小波分析進行圖像去噪主要有3個步驟:(1)對圖象信號進行小波分解。(2)對經過層次分解後的高頻係數進行閾值量化。(3)利用二維小波重構圖象信號。
