图像滤波的作用

1、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

2、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

3、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

4、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     

5、60; 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：         

6、60;           (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

7、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；最后再对 进行傅立叶反变换，以得到滤波后的图象 。       在进行图象频域滤波时，我们都是在对整幅图象进行操作，而且在确定转换函数时也是基于整个图象的统计量，进行整幅图象的卷积运算，因此需要较长的处理时间，并且无法保证某些局部区域内的噪声被完全滤除。       空 域滤波是在图象空间中利用模板进行图象滤波，它同样也利用了卷积理论，使用模板对图象象素进行卷积运算。具体的滤波过程为：首先

8、将模板在图象中游动，顺序 将模板中心与图象中的某个象素位置重合；其次，将该象素值与对应模板值进行某种运算；最后，将运算结果赋给图象中对应模板中心的象素。       在本文中，采用高斯（Gauss）模板进行图象平滑处理。高斯模板通过采样2维高斯函数得到，它可以有效滤除随机分布的噪声点，并能有效保持图象的边缘点。高斯模板的矩阵形式为：                 &

9、#160;        (5-3)为提高模板运算速度，将上述矩阵形式进行变换，如下所示：               (5-4)图5.1是微孔图象的原始灰度直方图，图5.2是进行平滑处理后的灰度直方图，如下所示：图5.1原始灰度直方图图5.2平滑处理后的灰度直方图如上所示，背景区域分布在0到150灰度范围附近，微孔图象区域分布在250到255灰度范围附近。经过平滑滤波，直方图中的各种“

10、毛刺”噪声被抑止，直方图曲线变的较光滑，有利于后继图象分析和处理。基本原理图像信息在采集过程中往往受到各种噪声源的干扰，这些噪声在图像上的常常表现为一些孤立像素点，这可理解为像素的灰度是空间相关的，即噪声点像素灰度与它们临近像素的灰度有着显著不同。通常，一般的前置图像处理后的图刺昂仍然带有后续所不希望夹带的孤立像素点，这种干扰或孤立像素点如不经过滤波处理，会对以后的图像区域分割、分析和判断带来影响。       对受到噪声污染的图像可以采用线性滤波的方法来处理，但是很多线性滤波有低通性，在去噪声的同时也使得边缘模糊了，中值滤波在某些情

11、况下可以做到既去除噪声又保护图像的边缘，他是一种非线性的去噪声的方法。       中值滤波的实现原理是把数字图像中的一点的值用该点的一个区域的各个点的值的中值代替，中值的定义如下：一组数X1、X2、X3Xn 假如其排序如下：X i 1X i 2X i 3X i n      Y=MedX1、X2、X3Xn =Xi(1+n)/2)              

12、      n为奇数                            Xi(n/2) Xi(1+n)/2)              

13、                      n为偶数Y称为X1、X2、X3Xn 的中值，如有一个序列（10，20，30，40，50，60，70），则中值为40。把一个点的特定长度或形状的领域称为窗口，在一维的时候，中值滤波器是一个奇数各像素点的滑动窗口，窗口正中间的值用窗口内各个像素的中值代替。设输入为Xi,iI2,则滤波器的输出为：Yi=medXi=medXi-uXuXi+u如果推广到

14、二维，则可以定义输出为：Yi=medXij=medX(i+s),(j+s)(r,s)A,(i,j)I2 对于二维滤波的中值滤波，一般采用3×3或者5×5的窗口来进行滤波。2、  实现procedure TForm1.Button2Click(Sender: TObject);var        p1,p2,p3,p4:pbytearray;        Rvaluearray:array0.10 of integer;&#

15、160;       i,j:integer;begin        self.DoubleBuffered:=true;/采用双缓冲模式        ChangedBmp:=tbitmap.Create;        testbmp:=tbitmap.Create;    

16、0;   changedbmp.Assign(image1.Picture);        testbmp.Assign(image1.Picture);        for j:=1 to changedbmp.Height-2 do        begin        

17、0;       p1:=testbmp.ScanLinej;    p2:=testbmp.ScanLinej-1;                p3:=changedbmp.ScanLinej; p4:=changedbmp.ScanLinej-1;        

18、0;       for i:=1 to changedbmp.Width-2 do                begin                      

19、  Rvaluearray0:=p23*(i-1)+2;                        Rvaluearray1:=p23*i+2;                 

20、0;      Rvaluearray2:=p23*(i+1)+2;                        Rvaluearray3:=p33*(i-1)+2;            

21、0;           Rvaluearray4:=p33*i+2;                        Rvaluearray5:=p33*(i+1)+2;        &#

22、160;               Rvaluearray6:=p43*(i-1)+2;                        Rvaluearray7:=p43*i+2;    

23、                    Rvaluearray8:=p43*(i+1)+2;                        sort(Rvaluearray);&#

24、160;                       p13*i+2:=Rvaluearray4;                        Rv

25、aluearray0:=p23*(i-1)+1;                        Rvaluearray1:=p23*i+1;                   &

26、#160;    Rvaluearray2:=p23*(i+1)+1;                        Rvaluearray3:=p33*(i-1)+1;              &

27、#160;         Rvaluearray4:=p33*i+1;                        Rvaluearray5:=p33*(i+1)+1;          

28、;              Rvaluearray6:=p43*(i-1)+1;                        Rvaluearray7:=p43*i+1;     

29、60;                  Rvaluearray8:=p43*(i+1)+1;                        sort(Rvaluearray);  

30、;                      p13*i+1:=Rvaluearray4;                        Rvaluearray

31、0:=p23*(i-1);                        Rvaluearray1:=p23*i;                     &#

32、160;  Rvaluearray2:=p23*(i+1);                        Rvaluearray3:=p33*(i-1);                 

33、       Rvaluearray4:=p33*i;                        Rvaluearray5:=p33*(i+1);             &#

34、160;          Rvaluearray6:=p43*(i-1);                        Rvaluearray7:=p43*i;