数字图像处理专题（一）图像去噪实践操作

1.1 空间域图像去椒盐噪声方法对比

（1）实习内容简介：

掌握利用ENVI软件开展空间域图像去椒盐噪声

（2）实习数据：

椒盐噪声图像impulse_noise.dat数据，展示如下：

（3）实习结果对比分析

左图为中值滤波处理结果，右图为均值滤波处理结果：

虽然两种方法处理后的图像相较于原图像都实现了一定程度上的去噪声，但效果上是有明显差异的。从原理上来看，均值滤波和和中值滤波都可以起到平滑图像的功能。均值滤波采用线性的方法，平均整个窗口范围内的像素值，均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点，对椒盐噪声表现较差。中值滤波采用非线性的方法，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，选择适当的点来替代污染点的值，所以处理效果好，对椒盐噪声表现较好。

1.2 傅里叶变换去周期噪声

（1）实习内容简介：

掌握利用ENVI软件开展空间域图像去椒盐噪声

（2）实习数据：

周期噪声图像数据 periodi_noise.dat，展示如下：

 

（3）实习结果对比分析

 

左上方为原图像，右上方为掩膜两对高亮点，左下方为只掩膜靠内的一对高亮点，右下方为只掩膜靠外的一对高亮点。从原理角度分析傅里叶变换是先将图像从空间域转换到频率域,然后在频率域对频谱图像进行滤波﹑掩膜等操作,以减少或消除部分高频或低频成分,最后通过傅里叶逆变换将频率域的频谱图像转换到空间域图像。这里采取了低通滤波，希望得到图像平滑的效果。可以看到由于陷波滤波器构建的不同，出去的噪声方向有不同的而且明显的指向性。

 

1.3 空间域与频率域去噪声对比

（1）实习内容简介：

掌握利用ENVI软件开展图像空间域与频率域去噪声方法

（2）实验数据

高斯噪声图像gaussian_noise.dat，数据展示如下：

 

（3）实习结果对比分析

 在滤波半径为50的情况下，左上方图像为边缘平滑数等于0，右上方图像为边缘平滑数等于10，左下方图像为边缘平滑数等于20，右下方图像为边缘平滑数等于30.

 左上方领域窗口大小为3，右上方领域窗口大小为5，左下方领域窗口大小为7.

在边缘平滑数为20的情况下，左上方图像的滤波半径为30，右上方图像的滤波半径为50，左下方图像的滤波半径为70.

左侧图像为空间域均值滤波去噪声效果，右侧图像为频率域低通滤波去噪声效果。二者效果类似。从原理上分析，空间域均值滤波是在空间域上取每个像元邻域内像元的平均值代替该邻域中心的像元值，达到去除尖锐噪声的目的。频率域低通滤波则是借助傅里叶变换把图像从空间域变换到频率域，然后在频率域对高频部分进行滤波操作，抑制或消除部分高频，再把图像从频率域反变换回空间域。低通滤波阻止高频信息，允许低频信息通过。在具体应用时，还是需要根据图像特性选择更为适宜的去噪声方法。