基于双边滤波的图像去噪的方法.docx

基于双边滤波的图像去噪的方法.docx

《基于双边滤波的图像去噪的方法.docx》由会员分享，可在线阅读，更多相关《基于双边滤波的图像去噪的方法.docx（20页珍藏版）》请在冰豆网上搜索。

基于双边滤波的图像去噪的方法

学号：

1008431110

刽砂耳況学it

本科毕业论文（设计）

（2014届）

基于双边滤波的图像去噪方法

院系电子信息工程学院

专业

姓名刘红

指导教师沈晶讲师

2014年4月

摘要

双边滤波是非线性的滤波方法，是结合图像的像素值相似度空间邻近度和空间领近度的一种折衷处理，同时考虑灰度相似性和空域信息，达到保边去噪的目的。

双边滤波具有简单、非迭代、局部的特点。

双边滤波器的好处是可以做边缘保存，一般过去用的维纳滤波或者高斯滤波去降噪，都会较明显地模糊边缘，对于高频细节的保护效果并不明显。

双边滤波比高斯滤波多了一个高斯方差，它是基于空间分布的高斯滤波函数，所以在边缘附近，离的较远的像素不会影响到边缘上的像素值，这样就保证了边缘附近像素值的保存。

但是由于保存了过多的高频信息对于彩色图像里的高频噪声，双边滤波器不能够彻底的滤掉，只能够对于低频信息进行较好的滤波。

其具体的操作方法有两个，第一个是高斯模版,用个模板对图像中的每一个像素值进行扫描，然后把某一点和其邻域内像素的加权平均值代替那一个中心的值高斯滤波器是根据高斯函数的形状来选择其权值的线性平滑滤波器，高斯滤波是线性平滑滤波的一种，最适合去除的噪声类型是服从正态分布的噪声。

第二个是以灰度级的差值作为函数系数生成的模板。

然后这两个模板点乘就得到了最终的双边滤波模板，最后得到双边滤波处理后的图像。

关键词：

图像；去噪；双边滤波；高斯滤波

Abstract

Thebilateralfilterisanonlinearfilteringmethod,isthecombinationofimagepixelvaluesimilarityspaceproximityandspacebroughtacompromiseapproachdegree,consideringthegraysimilarityandspatialinformation,toachievethepurposeofedgepreservingdenoising.Thebilateralfilterhastheadvantagesofsimple,noniterative,local.Thebilateralfilterisgoodtodoedgepreservation,generallyusedWienerfilteringorGaussfiltertodenoise,willobviouslyfuzzyedge,fortheprotectionofhighfrequencydetailisnotobvious.BilateralfilteringthanGaussfilterhasaGaussvarianee,itisGaussfilterfunctionbasedonthespatialdistribution,soneartheedge,thepixelwillnotaffectthefarthertothepixelontheedgeofthevalue,thusensuringthepreservationofedgepixelvalues.Butbecauseofthehighfrequencyinformationsavedtoomuchforthehighfrequencynoiseinthecolorimage,thebilateralfiltercannotbecompletelyfilteredout,canonlybebetterfilteringforthelowfrequencyinformation.Thespecificoperationmethodhastwo,thefirstisGausstemplate,scanningforeachpixelintheimagewithatemplate,andthentheweightedonepointanditsneighborhoodpixelsinsteadoftheaveragevalueofacentralvalueGaussfiltersarelinearsmoothingfiltertoselecttheweightsbasedontheGaussfunctiontheshape,theGaussfilterisalinearsmoothingfilterfornoiseremoval,thetypeissubjecttonormallydistributednoise.Thesecondisthedifferenceofgraylevelasfunctioncoefficientsgeneratedtemplates.Thenthetwotemplatedotgetbilateralfilteringtemplatefinal,finallygettheimageafterbilateralfiltering.

Keywords:

Image;Denoising;BilateralFiltering;GaussFiltering

摘要I•…

ABSTRACTJJ..

1引言1…

1.1课题的研究背景及意义1.

1.2国内外研究现状1..

1.3图像噪声及图像去噪方法2.

1.4图像质量评价方法4.

1.5论文研究目标及结构安排.7.

2双边滤波理论7..

2.1双边滤波定义.7..

2.2双边滤波器的设计7.

3图像去噪的方法9.

3.1中值滤波介绍9.

3.2高斯滤波介绍11

4双边滤波实验结果13

4.1结果图片1.3

5论文总结18

参考文献1.9

1引言

1.1课题的研究背景及意义

当今社会已经进入了一个高度信息化的阶段，人们对信息的需求越来越多。

人们通过视觉，听觉，触觉，味觉等感知器官来进行感知而视觉是人类最高级的感知器官，在人类接受的信息中，有将近80%来自于视觉，而图像信息成为人们获取信息的主要来源和利用信息的主要手段以其包含的信息量大，便于存储以及传播等优势。

传统的对于图像的处理经常利用的方法是光学或者模拟电路，例如眼镜和望远镜等，而对于数字图像而言常用的方法是利用计算机对进行加工处理，以提高原图像的质量，压缩图像数据或者是从图像中获取更多信息。

随着现代科学技术的发展例如，DSP,VLSI等一些新的理论技术，数字图

像处理已经成为了一门独立的新兴学科，并得到了广泛的应用，在空间，时间和功能上扩展人类视觉⑴。

数字图像处理技术的迅速发展为人类带来了巨大的社会效益和经济效益。

例如，卫星遥感数字图像处理技术可以进行环境气候的全球性检测，还可以广泛地应用到所有与地球相关的农，林，地，矿，油等领域；在医学领域，CT,核磁共振等技术已经广

泛应用于临床诊断，显然，对于数字图像进行处理的技术已经融入到了各个科学领域，因此，对于数字图像的处理不仅会对自然科学而且会对人类社会的发展产生具有深远意义的影响。

图像去噪是图像处理领域的研究热点在图像采集过程，采集和传输，由于受到各种条件的限制，图像受到噪声污染”］。

但是，噪声是影响图像质量的主要因素，噪声的存在不仅影响视觉质量，但也使一些进一步的图像处理方法，如图像融合，特征提取，目标识别，图像超分辨率重建的应用更加困难。

噪声的存在也会增加图像的熵，将大大降低编码效率。

因此，在图像处理的各个领域的图像去噪具有重要的实用价值。

在医学图像处理中，图像边缘清晰且具有很高的信噪比大大降低误诊率，在军事上更为突出，高分辨率，提供了必要的保证低噪声图像的自动目标识别和目标的精确。

当然，任何一种去噪方法不能完全去除图像中的噪声，完全恢复的图像，然而，研究人员一直在原有方法的基础上逐步突破其局限性，提高去噪方法，为了得到更好的去噪效果，提高去噪质量。

在本文中，基于双边滤波去噪图像是一个双线性过滤，整个图像的加权平均，每个像素值，是由本身和其他像素的像素值的加权平均得到的域。

对扫描图像中的每个像素的模板的具体操作，确定像素的邻域的加权平均灰度值代替像素值使用模板模板中心。

高斯平滑滤波器是非常有效的正常分布的噪声抑制，已在图像去噪，图像分割，广泛应用于分类。

1.2国内外研究现状

20世纪20年代，图像处理首次得到应用。

上个世纪60年代中期，随着计算机科学的发展和计算机的普及，图像处理得到广泛的应用。

60年代末期，图像处理技术不断完善，逐渐成为一个新兴的学科。

为了从图像中提取有效信息，改善图像质量，必须对图像进行去噪预处理。

图像处理中输入的是质量低的图像，输出的是改善质量后的图像。

根据噪声频谱分布的规律和统计特征以及图像的特点，出现了多种多样的去噪方法。

经典的去噪方法有：

空域去噪法，频域去噪法，高斯滤波法等，与之适应的出现了许多应用方法，如均值滤波器，中值滤波器，低通滤波器，维纳滤波器等。

这些方法的广泛应用，促进数字信号处理的极大发展，显著提高了图像质量。

一幅原始图像在获取和传输过程中会受到各种噪声的干扰，使图像质量下降，对分析图像不利。

主要的噪声类型有两种是非常典型的：

一种噪声是随机噪声，特点是每一点都存在，但幅值随机分布；另一种是椒盐噪声，其特点是幅值基本相同，但出现的位置随机。

对于一副数字图像为了使其图像质量得到改善，收到的噪声得到抑制便需要对其进行平滑处理。

对数字图像进行平滑处理的常用方法有均值滤波，中值滤波，维纳滤波等。

1.3图像噪声及图像去噪方法

1.3.1图像噪声

所谓噪声，就是能妨碍到系统传感器对所接收的图像进行分析或理解的各种因素。

因为噪声对于图像的采集，输入，处理等的每一个环节有很大的影响，尤其是在图像的输入时，图像采集中的产生的噪声会对图像处理的全过程及最终结果有非常大的影响，所以对于数字图像噪声的抑制已经成为了图像处理中极其重要的步骤。

一般噪声是不可预测的随机信号，它只是用概率统计的方法去认识。

1•图像噪声特点：

（1）叠加性：

图像的传输系统如果是串联的，系统串联的各个部分所引起的噪声会进行叠加，使图像信噪比下降，降低图像的质量；

（2）图像与噪声间具有相关性：

一般摄像机信号和噪声相关，噪声小时图像比较明亮，噪声大时图像比较黑暗。

对数字图像进行处理时存在的量化噪声便与图像相位有关；

（3）大小与分布不规则：

噪声的分布和幅值是不规则是因为图像中的噪声是随机出现。

2.图像噪声的分类：

（1）高斯噪声：

含有服从高斯或正态分布强度的噪声。

（2）脉冲噪声：

只含有随机的白强度值（正脉冲噪声），黑强度值（负脉冲噪声）。

（3）椒盐噪声：

含有随机出现的黑白强度值。

噪声分类方法不是绝对的，按不同的性质有不同的分类方法。

噪声从统计理论观点可以分为平稳和非平稳噪声，凡是统计特性不随时间变化的噪声称为平稳噪声，统计特性随时间变化的噪声称为非平稳噪声；噪声从幅度分布形态可分为高斯型噪声和瑞利型噪声；还可以按频谱分布形状对噪声进行分类，例如均匀分布的噪声称为白噪声。

而根据噪声与信号之间关系，可分为加性噪声和乘性噪声，加性噪声是信道一直存在的噪声，