[數字圖像處理]圖像去噪初步(1)--均值濾波器


1.圖像去噪的前言


    上一篇博文中,我對噪聲的類型進行了介紹,也使用的Matlab對各種噪聲進行了實現。舊話重提,一幅圖像,甚至是一個信號的老化,能夠使用下面模型來表示。


能夠使用下面算式來表示


這里,因為退化函數的作用,使得原圖像產生退化(比方,運動模糊),然后在加上一個加性噪聲項

      本博文,主要對去除加性噪聲的線性濾波器的性能進行了比較。對於退化函數的去除(稱為去卷積或者逆濾波),將放在稍后的博文。


      1.1 實驗用圖像 




      1.2 實驗結果的評價

            實驗的步驟為,將實驗用圖像加上加性噪聲,然后使用濾波器進行去噪,比較所得到的圖像的畫質。這里,就涉及到畫質的評價方法。一般的,去噪圖像的評價一般使用PSNR(峰值信噪比)。


       對於8-bit的圖片而言,這里的MAX為255。PSNR越大,其畫質就越好。可是,有些時候,使用PSNR來進行評價,也有不太合理的時候。

       請對照方下三張圖片,a)是使用平均濾波器進行了處理,使其有些模糊;b)是使用高斯噪聲污染原圖;c)是使用椒鹽噪聲污染的圖像。


    問題來了,這三張圖像哪張畫質最好,哪張最差。普遍的,畫質從好到差排列,大家的答案應該是

a) > c) > b)

這種(很多其它實際樣例,請參考https://ece.uwaterloo.ca/~z70wang/research/ssim/)。那么,我們求其的PSNR是這種。


這明顯不科學,三幅圖像的PSNR是一樣的。反觀PSNR的計算式,PSNR計算的時候,使用了MSE這個量。而MSE只表現了兩幅圖像的灰度值的差,而對於圖像的結構,卻沒有進行不論什么分析。

       這里使用一種比較好的圖像畫質評價的方法:SSIM(念做:艾斯-希姆)。這是一種由兩張圖像的灰度差異,構造差異和對照度去推斷兩張圖的接近程度的方法。詳情請參考[文獻1],這里僅僅做簡單的介紹一下啦。


SSIM從圖像亮度(Luminance),圖像對照度(Contrast)和圖像構造(Structure)去推斷處理過的圖像與原圖的差異。這里,使用了某個區域的內的平均值作為亮度度量,使用方差作為對照度度量,使用協方差作為構造度量,來進行推斷。這樣,SSIM就比僅使用灰度去推斷的PSNR更加准確。一樣的,使用SSIM求取上面三幅圖象的類似度。


從上表能夠看出來,通過使用SSIM進行推斷的結果,更加符合人眼的主觀感受。本文余下的實驗,所有使用SSIM去推斷畫質。


2.幾個均值濾波器---線性處理


    2.1 算術均值濾波器

    算術均值濾波器非常easy,就是求某個區域內的全部像素的算術均值,可用下式子表示。
    
從式子上能夠看出來,這就是一個低通濾波器,會使得畫面模糊,有些許去噪能力。略微做個實驗看看。

    將實驗用圖像加噪,噪聲均值為0、方差為0.0298的噪聲。


    以下,使用算術均值濾波器,看看去噪效果。


   被去掉了些許,僅僅是些許。再看頻率域內的圖像,果然是一個低通濾波器,我們都能夠腦補出這個濾波器的振幅特性了,對吧?


    2.2 幾何均值濾波器

    接下來是幾何均值濾波器,求某個區域內的幾何平均值。
    
對於這個濾波器,書(《Digital Image Processing》 Rafael C. Gonzalez / Richard E. Woods)上說了,這個濾波器產生的去噪效果能夠與算術平均值濾波器基本一樣,可是能夠更少的丟失細節。
    相同的,將實驗用圖像加噪,噪聲均值為0、方差為0.17的噪聲。

       有結果可見,其去噪效果也不是太理想,可是原本芯片的pin腳什么的,比算術均值濾波器略微好要一些的。當然,幾何濾波器有一個致命的缺點,一旦有0值出現,那么這個像素的值馬上被決定為0,這也就意味着,幾何濾波器不能夠去除胡椒噪聲。

    2.3 算術均值濾波器與幾何均值濾波器的比較

        為了對照幾何均值濾波器與算術均值濾波器,我們進行了例如以下幾組實驗。因為篇幅問題,我就不貼出圖來了。看數據就能夠了。
        1.  噪聲:高斯噪聲,均值0,方差為0.17

         2.噪聲:高斯噪聲,均值0.2,方差為0.17

         3.噪聲:椒鹽噪聲,胡椒密度0,鹽粒密度0.1

這個還是想把結果貼上,幾何平均濾波器的實驗結果還是具有一定的欣賞性的。

         4.噪聲:椒鹽噪聲,胡椒密度0.1,鹽粒密度0

       就如同實驗結果一樣,因為包括了大量了胡椒噪聲,幾何濾波器壞掉了。得到的結果非常糟糕。

       實驗結論:實驗4的數據說明 ,因為包括了0值,幾何濾波器去噪效果並不太好。可是實驗3,幾何濾波器的去噪效果真的是非常不錯。簡單而言,算術均值濾波器泛用性比較好,而幾何濾波器則擅長於去除鹽粒噪聲。
================
       拓展運用:既然幾何濾波器對於去除鹽粒噪聲,那么,對於只函數胡椒噪聲的圖像取反,將胡椒噪聲轉換為鹽粒噪聲去處理,所得結果再返回來,那么,幾何均值濾波器還是能夠去除胡椒噪聲的。
================

    2.4 諧波均值濾波器

    其表達式例如以下所看到的,

注意式子的分母,這個濾波器不但不能去除椒鹽噪聲,對於灰度過黑的圖像而言,也是要壞事的。書(《Digital Image Processing》 Rafael C. Gonzalez / Richard E. Woods)上又說了,這個濾波器,擅長於高斯噪聲的去噪。實驗一下看看。
    把實驗用圖加噪,類型為高斯噪聲,均值為0,方差為0.15.

從實驗結果看,事實上這個濾波器的去噪效果還不如算術平均濾波器和幾何平均濾波器。

    2.5 逆諧波均值濾波器

    逆諧波濾波器能夠相應多種噪聲,式子例如以下。

這個濾波器,能夠通過Q值的變化,來獲得一定的效果。當Q為正,這個濾波器能夠去除胡椒噪聲,當Q為負,這個濾波器能夠去除鹽粒噪聲。貼個結果收活吧。
    

3.總結

   本文介紹了幾種圖像去噪的線性濾波器,並對他們進行了比較。本次實驗所用到的代碼,我貼在以下。
   另外,評價函數ssim_index(),請自行網上查找。


參考文獻

[1] Z. Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli, "Image quality assessment: From error visibility to structural similarity," IEEE Transactions on Image Processing, vol. 13, no. 4, pp. 600-612, Apr. 2004.


原文發於博客:http://blog.csdn.net/thnh169/ 

=============更新日志===================

2014.7.17     修正了一些語法錯誤。


免責聲明!

本站轉載的文章為個人學習借鑒使用,本站對版權不負任何法律責任。如果侵犯了您的隱私權益,請聯系本站郵箱yoyou2525@163.com刪除。



 
粵ICP備18138465號   © 2018-2025 CODEPRJ.COM