数字图像处理与深度学习技术应用 课件 第6章 图像平滑处理

第6章图像平滑处理目录6.1概述6.2噪声消除法6.2.1二值图像的黑白点噪声滤波6.2.2消除孤立黑像素点6.3邻域平均法6.3.13×3均值滤波6.3.2N×N均值滤波6.3.3超限邻域平均法6.3.4方框滤波6.4高斯滤波6.5中值滤波6.5.1N×N中值滤波6.5.2十字型中值滤波6.5.3N×N最大值滤波6.6双边滤波6.72D卷积核的实现6.8产生噪声6.8.1随机噪声6.8.2椒盐噪声6.1概述概述图像平滑或滤波目的是消除噪声，降低干扰，改善图像质量。图像平滑常用的方法是采用区域处理，利用相邻的像素值，进行均值滤波或中值滤波。6.2噪声消除法6.2.1二值图像的黑白点噪声滤波理论基础理论基础设当前像素f(i,j)周围的8个像素的平均值为a时，若|f(i,j)-a|的值在127.5以上，则对f(i,j)的黑白进行翻转，若不到127.5则f(i,j)不变。函数说明（1）retval=image.getdata(band=None)将此图像的内容作为一个包含像素值的序列对象返回。该序列对象是平铺的，所以第一行的值直接跟在第0行的值之后，以此类推。retval：包含像素值的序列的对象；band：返回频段。默认是返回所有波段。要返回单个波段，需要传入索引值（例如，从“RGB”图像中获得“R”波段，则索引值为0）。（2）retval=image.putpixel(xy,color)用于修改x，y处的像素。retval：返回一个修改后的图像；xy：像素坐标，以（x,y）的形式给出；value：像素值。效果展示6.2.2消除孤立黑像素点理论基础像素的4点邻域和8点邻域关系如图6-2连通图所示。

****

。*.*。*。.。*****4点领域8点领域图6-2连通图在4点邻域的情况下，若黑像素上下左右4个像素全为白色(255)，则f(i,j)也取为255。在8点邻域的情况下，若黑像素的周围8个像素全为白色(255)，则f(i,j)也取为255。效果展示6.3邻域平均法邻域平均法是一种利用模板对图像进行模板操作（卷积运算）的方法（b)5x5模版邻域平均法也叫均值滤波，是对待处理的像素给定一个模板，该模板包括了其周围的邻近像素，用模板中的全体像素的均值来替代原来的像素值。均值滤波器对高斯噪声的滤波效果较好，对椒盐噪声的滤波效果不好。（a）3x3模版6.3邻域平均法效果展示6.3.13×3均值滤波理论基础理论基础在f(i,j)上按行（或列）对每个像素选取3×3尺寸的邻域，并用邻域中邻近像素的平均灰度来置换这一像素值。函数说明retval=cv2.blur(src,ksize,anchor,borderType)retval：表示返回的均值滤波处理结果；src：表示原始图像，该图像不限制通道数目；ksize：表示滤波卷积核的大小；anchor：表示图像处理的锚点，其默认值为（-1,-1），表示位于卷积核中心点，通常直接使用默认值即可；borderType：表示以哪种方式处理边界值，通常直接使用默认值即可。效果展示图6-8图像3x3邻域平均法效果图6.3.2N×N均值滤波理论基础在本程序中当灰度图像f中以像素f(i,j)为中心的N×N屏蔽窗口(N=3,5,7,…)内平均灰度值为a时，无条件做f(i,j)=a处理，N由用户给定，且取N值越大，噪声减少越明显。但“平均”是以图像的模糊为代价的。图像7×7均值滤波效果6.3.3超限邻域平均法理论基础为了减少模糊效应，找到清除噪声和边缘模糊这对矛盾的最佳统一。阈值的邻域平均法以某个灰度值T作为阈值，如果某个像素的灰度大于其邻近像素的平均值，并超过阈值，才使用平均灰度置换这个像素灰度：（6-1）函数说明retval=cv2.cvtColor(src,code[,dstCn])retval：表示与输入值具有相同类型和深度的输出图像；src：表示原始输入图像；code：是色彩空间转换码，常见的枚举值有cv2.cvtColor_BGR2RGB、cv2.cvtColor_BGR2GRAY、cv2.cvtColor_BGR2HSV、cv2.cvtColor_BGR2YCrCb、cv2.cvtColor_BGR2HLS；dstCn：表示目标图像的通道数。

效果展示本例选取阈值为10。6.3.4方框滤波理论基础除均值滤波之外，OpenCV还提供了方框滤波的方式。与均值滤波的不同在于，方框滤波不仅仅只计算像素均值，两种方式选择计算：函数说明dst=cv2.boxFilter(src,depth,ksize,anchor,normalize,borderType)dst：表示返回的方框滤波处理结果；src：表示原始图像，该图像不限制通道数目；depth：表示处理后图像的深度，一般使用-1表示与原始图像相同的深度；ksize：表示滤波卷积核的大小；anchor：表示图像处理的锚点，其默认值为(-1,-1)，表示位于卷积核中心点；normalize：表示是否进行归一化操作；borderType：表示以哪种方式处理边界值。效果展示（a）原图（b）5x5未归一化方框滤波结果效果展示（c)2X2为归一化方框滤波结果（d）5x5归一化方框滤波结果（e）2x2归一化方框结果6.4高斯滤波理论基础在高斯滤波中，按照与中心点的距离的不同，赋予像素点不同的权重值，靠近中心点的权重值较大，远离中心点的权重值较小，在此基础上计算邻域内各个像素值不同权重值的和函数说明dst=cv2.GassianBlur(src,ksize,sigmaX,sigmaY,borderType)dst：表示返回的高斯滤波处理结果；src：表示原始图像，该图像不限制通道数目；ksize：表示滤波卷积核的大小，需要注意的是滤波卷积核的数值必须是奇数。sigmaX：表示卷积核在水平方向上的权重值。sigmaY：表示卷积核在垂直方向上的权重值。如果sigmaY被设置为0，则通过sigmaX的值得到，但是如果两者都为0，则通过如下方式计算得到：

borderType：表示以哪种方式处理边界值。效果展示6.5中值滤波中值滤波将窗口中奇数个数据按大小顺序排列，处于中心位置的那个数作为处理结果。一般采用一个含有奇数个点的滑动窗口，将窗口中各点灰度值的中值来替代指定点图像中值滤波示意图如图6-14所示，取3×3窗口，从小到大排列：33200201202205206207208210

取中间值205，代替原来的数值202

中值滤波实现步骤：①将模板在图中漫游，并将模板中心与图中某个像素位置重合；②读取模板下各对应像素的灰度值；③将这些灰度值从小到大排成1列；④找出这些值里排在中间的1个；（5）将这个中间值赋给对应模板中心位置的像素。中值滤波器对椒盐噪声的滤波效果较好，对高斯噪声的处理效果不好。6.5.1N×N中值滤波理论基础本程序计算灰度图像f中以像素f(i,j)为中心的N×N屏蔽窗口（N=3，5，7，…）内灰度的中值为u，无条件做f(i,j)=u处理，n由用户给定。函数说明在OpenCV中提供了cv2.medianBlur()函数来实现图像的中值滤波。其一般格式为：retval=cv2.medianBlur(src,ksize)retval：表示返回的方框滤波处理结果；src：表示原始图像，该图像不限制通道数目；ksize：表示滤波卷积核的大小。效果展示6.5.2十字型中值滤波理论基础本程序计算灰度图像f中以像素f(i,̊j)为中心的十字形屏蔽窗口内灰度值的中值u，无条件做f(i,̊j)=u处理，N由用户给定。效果展示6.5.3

N×N最大值滤波理论基础本程序计算灰度图像f中以像素f(i,̊j)为中心的N×N屏蔽窗口（N=3，5，7，…）内灰度的中值为u，无条件做f(i,j)=u处理，n由用户给定。函数说明（1）retval=cv2.copyMakeBorder(src,top,bottom,left,right,borderType)用来给图片添加边框。retval：返回带边框的图像；src：要处理的原图；top,bottom,left,right：上下左右要扩展的像素数；borderType：边框类型，（2）min_val,max_val,min_loc,max_loc=cv2.minMaxLoc(ret)该函数用来找出矩阵中的最大值和最小值以及对应的坐标位置。min_val：最小值；max_val：最大值；min_loc：最小值坐标；max_loc：最大值坐标；ret：输入矩阵。效果展示6.6双边滤波理论基础双边滤波将滤波器的权系数分解设计为空域滤波器的权系数和图像亮度差的权系数空间距离：当前点距离模板中心点的欧式距离Wd为灰度距离：当前点距离模板中心点的灰度差值的绝对值Wr为双边滤波器：

理论基础双边滤波卷积表示为

表示为归一化因子，S为卷积范围。综合结果：①平坦区域，变化很小，差值接近于0，范围域权重接近于1，空间域权重起作用，相当于进行高斯模糊；②边缘区域，像素差值大，像素范围域权重变大，即使距离远空间域权重小，加上像素域权重总的系数也较大，从而保护了边缘信息。在突变的边缘上，使用了像素差权重，所以很好的保留了边缘。函数说明dst=cv2.bilateralFilter(src,d,sigmaColor,sigmaSpace,borderType)dst：表示返回的双边滤波处理结果；src：表示原始图像，该图像不限制通道数目；d：表示在滤波时选取的空间距离参数，表示以当前像素点为中心点的半径，在实际应用中一般选取5；sigmaColor：表示双边滤波时选取的色差范围；sigmaSpace：表示坐标空间中的sigma值，它的值越大，表示越多的点参与滤波；borderType：表示以何种方式处理边界。效果展示

（a）原图