彩色图像滤波

1、彩色图像滤波传统的彩色图像滤波理论方法 彩色图像滤波的目标就是同时达到下面三个目的：削弱噪声，保持色调和保护边缘或细节信息。 假设滤波器窗口大小为 N (N 为奇数)，将滤波器窗口内的样本像素(矢量)从上到下、从左到右排列，写成： x( N+1) 2 为正在考虑的中心像素。另外，我们还写出像素x i和xj的Euclidean 距离D (x i,xj)和夹角距离 A (x i,xj)：彩色图像滤波基础颜色空间RGB 颜色空间CIE XYZ 及均匀颜色空间(CIELAB, CIELUV)Munsell 颜色空间噪声模型冲击噪声 冲击噪声可分成二种：椒盐冲击噪声和随机冲击噪声加性噪声 加性噪声一般服

2、从均值为 0 的高斯分布或其他分布，其模型是：混合噪声经典的矢量滤波器 经典的矢量滤波器包括：矢量中值滤波器VMF 、基本矢量方向滤波器 BVDF 和距离方向滤波器 DDF.矢量中值滤波器 VMF 也可采用另外一种形式基于样本降维排序的方式来定义。假设长度为N 的滤波器窗口所包含的样本矢量为 = x1 x2, ,.,xN，我们为样本矢量xk 定义如下的聚集距离dk ： VMF 能有效地去除在矢量的模上相差很大的噪声，如冲击噪声和指数噪声.但对于加性噪声，效果不理想。矢量方向滤波器 与基于矢量模距离的矢量中值滤波器VMF不同，BVDF是基于角度距离的，它来自于输入矢量方向的最大可能性估计，能有效

3、地去除色调相差较大的噪声像素。距离方向滤波器混合方向滤波器加权的矢量滤波器 虽然经典的矢量滤波器(VMF、BVDF、DDF)和混合方向滤波器 HDF能很好地去除冲击噪声，但是它们经常摧毁图像边缘或细节信息。这是因为它们在滤波时，引进了最大数量的平滑(对每个像素都进行固定的平滑)。选择加权的矢量滤波器 SWVF 上述公式给出的只是加权的矢量滤波器的一般框架，但不实用，因为它需要确定滤波器窗口内所有像素的权值。中心加权的矢量中值滤波器 CWVMF 定义中心加权的 Euclidean 聚集距离 (关于像素xl)：改进型的中心加权的矢量中值滤波MCWVMF 定义如下的聚集距离：对于 CWVMF，W0

4、的优化值取 4.5；对于 MCWVMF，W0 取 0.6。开关型矢量滤波器 开关型矢量滤波器 SVF 的一般形式如下：基于空间距离加权的矢量滤波算法基于空间距离加权的自适应型矢量滤波器:ADWVMF ADWBVDF ADWDDF 基本加权公式 算法原理参数的自适应计算分布密度d 的确定：具有细线保护能力的开关型矢量滤波器 提出四个方向算子来估算当前中心像素和周边邻域像素的平均色差，从而去判断当前的中心像素是否为噪声像素。基于 CIELAB 空间的开关型矢量中值滤波器 LABSVMF 基于 RGB空间的开关型矢量中值滤波器 RGBSVMF基于 CIELAB 空间的开关型矢量中值滤波器使用空间中的

5、二个点p1( L1*, a1* ,b1*)、 p2( L2*, a2* ,b2*)之间的 Euclidean 距离来表示相应两种颜色的色差：定义四个方向算子：用 k ( k =1,2,3,4)表示上面四个算子构造下面的公式来检测qij是否为噪声并产生新的滤LABSVMF 的输出y( LABSVMF) ：基于 RGB 空间的开关型矢量中值滤波器直接在 RGB 空间中计算二个彩色像素q1(R1,G1,B1)、q2(R2,G 2,B2)的色差：人有了知识，就会具备各种分析能力，明辨是非的能力。所以我们要勤恳读书，广泛阅读，古人说“书中自有黄金屋。”通过阅读科技书籍，我们能丰富知识，培养逻辑思维能力；通过阅读文学作品