学士学位论文--基于dsp的图像去噪实现.doc
《学士学位论文--基于dsp的图像去噪实现.doc》由会员分享,可在线阅读,更多相关《学士学位论文--基于dsp的图像去噪实现.doc(36页珍藏版)》请在咨信网上搜索。
1、目录摘 要IABSTRACTII引言II1绪论21.1数字图像基础21.1.1数字图像21.1.2数字图像灰度化31.2噪声的分类与特点31.2.1椒盐噪声41.2.2高斯噪声41.2.3其他各类噪声51.2.4图像系统噪声的特点61.3灰度图像噪声的清除71.3.1邻域平均去噪法71.3.2频域去噪方法81.3.3几种新型的滤波方法81.4图像去噪效果的评价方法91.5本章小结102中值滤波112.1标准中值滤波112.1.1中值滤波的原理112.1.2中值滤波的主要特性132.2中值滤波的改进算法142.2.1快速排序算法142.2.2极值中值滤波器152.2.3加权中值滤波器162.2.
2、4多级中值滤波器162.3本章小结173算法及DSP仿真183.1算法183.1.1算法思想183.1.2 C代码实现193.2仿真过程213.2.1CCS2.2使用213.2.2去噪仿真结果243.2.3结论303.3本章小结30致谢31参考文献3231摘要近年来,图像处理相关技术取得了飞速的发展,并在人们生活的各个领域得到广泛应用,如摄影及印刷、卫星图像处理、医学图像处理、人脸识别、生物特征识别、显微图像处理等。数字图像处理的主要目的是通过对图像的加工,提高图像的视觉感受质量,从中获取有用的信息。然而数字图像在产生、传输、处理、储存的过程中,不可避免地受到各类噪声的干扰导致信息难以获取,这
3、就直接影响后期处理的效果。因此在对图像进行后续操作前必须进行提前加工处理,而图像去噪就是一种重要的方法之一。 图像噪声有很多种类,本文主要研究椒盐噪声和高斯噪声。中值滤波是一种非线性数字滤波器技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,从而消除孤立的噪声点。本文以灰度图像去噪为研究课题,通过使用DSP平台对图像分别加入椒盐噪声和高斯噪声,再进行中值滤波处理对比仿真结果,得出中值滤波能有效去除椒盐噪声的结论。也提出了一些中值滤波的优化改进算法思想。关键词: 图像去噪;DSP;椒盐噪声;高斯噪声;中值滤波 ABSTRACTIn recent year
4、s, image processing related technology has made rapid development, and it has been widely used in various fields in peoples lives such as photography and printing, satellite image processing, medical image processing, face recognition, biometric identification, microscopic image processing, etc. The
5、 main purpose of digital image processing is improve the perception of the quality of the image by the image processing, to obtain useful information.However, the process of digital image generation, transmission, processing, storage, inevitably affected by various types of noise interference lead t
6、o information difficult to obtain, which directly affects the post-processing effects. Therefore, in subsequent operations we must carried out in advance before the image processing, and image denoising is an important methods.There are many types of image noise, this paper studies salt and pepper n
7、oise and Gaussian noise. Median filter is a nonlinear digital filter technique, median filtering of the basic principle is the sequence of digital images or digital value is a point in a neighborhood of the point values of each point value to replace, thus eliminating isolated noise points.In this p
8、aper, gray image denoising as the research, through the useness of DSP platforms, salt and pepper noise and Gaussian noise were added to the image, and then comparing median filtering process simulation results we can obtained the conclusion that median filter can effectively remove salt and pepper
9、noise. We also made some improvements median filtering optimization algorithm ideas.Keywords: denoising; DSP; salt and pepper noise; median filtering; Gaussian noise基于DSP的图像去噪实现引言随着多媒体技术和网络技术的快速发展,数字图像处理已经广泛应用到了人类社会生活的各个方面,如:遥感,工业检测,医学,气象,通信,侦查,智能机器人等,对国民经济的作用也越来越大。其处理的精度高,实现多种功能的、高度复杂的运算求解非常灵活方便。在其
10、短短的历史中,它成功的应用于几乎所有与成像有关的领域,并正发挥相当重要的作用。现实中的数字图像在获取、传输、接收和处理过程中,因受到一定的外部及内部干扰,从而被噪声影响,导致图像质量的退化,这样的图像称为噪声图像。但对图像进行边缘检测、图像分割、特征识别等处理工作时,都要求图像有较高的质量,因此需要先滤除图像中的噪声以提高图像质量。减少数字图像中噪声的过程称为图像去噪。近几年来,图像去噪技术有了迅速的发展,诸多新的去噪处理方案不断涌现。目前,常用的图像噪声有椒盐噪声、高斯噪声、白噪声等,去噪方法有中值滤波、小波变换、均值滤波、同态滤波、频域滤波等等,本文也会对各类去噪方法简单介绍并提出几种中值
11、滤波的优化算法。重点为中值滤波算法、代码实现以及其对椒盐高斯噪声的处理效果的仿真实验。1绪论1.1数字图像基础 1.1.1数字图像 在人们的视界里,图像分为彩色和黑白。对于彩色图像,按照色度学理论:任何颜色都可由红、绿、蓝三种基本颜色按不同的比例混合得到。这样,自然界的图像可以用基于位置坐标的三维函数来表示,即:利用 f 表示空间坐标点的颜色函数,fred、fgreen、fblue分别表示该点颜色的红、绿、蓝三种原色的分量值。由于平面上每一点仅包括两个坐标(x, y),所以我们可以将空间三维函数转化为二维函数。对于黑白图像,就比彩色图像简单多了,只需要用表示该点图像的灰度(强度)即可。我们所说
12、的数字图像是相对于模拟图像而言的。是将图像按空间坐标和明暗程度的连续性分类得到的:(1)模拟图像指空间坐标和明暗程度都是连续变化的图像,计算机无法对其直接处理。即是空间的连续函数,为连续的空间,即在连续空间内,每一个点都有一个精确的值与之相对应。(2)数字图像是一种空间坐标和灰度均不连续的、用离散的数字表示的图像,这样的图像才能被计算机处理。由于计算机仅能处理二进制数据,如果要用计算机来处理图像的话,必须把连续的图像函数转化为离散的数据集。经过离散化处理,原来连续的模拟图像就变成了由许多像素依据一定规则形成的数字图像来近似表示,一般用一个矩阵表示那些离散的数据,每一个离散的矩阵元素表示一个像素
13、的颜色值。把像素依据不同的方式组织和存储,就形成了不同的图像格式,把图像数据存成文件就会得到相应的图像文件。由于是数字图像,那么对于一幅黑白图像来说,只要把各个像素赋值为0或1即可,我们用1 表示白色,用 0 表示黑色,于是我们把一幅黑白图像称为二值图像,彩色图像或其它图像转化为黑白图像的过程叫做二值化。对于一幅彩色图像,每个像素我们都需要用3个取值范围为之间的整数值来分别表示红、绿、蓝三原色分量,且这些分量都是用整型数据表示,称之为像素颜色的R, G, B值。表示一个取值范围为的整型数据,需要占用 8bit 空间,三个 R, G, B这样的整型数据就需要用24bit 来存储,所以,我们常把一
14、幅真彩色位图称为 24 位位图。在对数字图像进行处理的过程中,一般先把 24 位的位图转化为灰度图像,然后再进行相关的处理。所谓灰度图像,就是把图像矩阵中每个像素的值用1个 内的整型数据表示。如果彩色图像的R, G, B三个分量相等就成为灰度图像。灰度图中的每个像素只需要占有 8bit 空间,所以,灰度图像通常也被称为 8 位位图。 1.1.2数字图像灰度化 对数字图像进行灰度化处理,主要方法有以下三种: 1、最大值法:使 R、G、B 的值等于三个值中最大的一个,即: (1-1) 最大值法会使灰度图像亮度变高。 2、平均值法:使 R、G、B 的值等于三个的平均值,即: (1-2)平均值法会形成
15、比较柔和的灰度图像。 3、加权平均值法:根据重要性或敏感度等其他指标的要求给R,G,B 设定不同的权值,并使R、G、B值加权,即: 其中,, , 分别为R, G, B的权值。, , 取不同的值,加权平均值法将形成不同的灰度图像。人眼对绿色的敏感度最高,对红色的敏感度次之,对蓝色的敏感度最低,因此让可以得到合理的灰度图像。实验和理论推导都表明,当, , 时,即: (1-3) 此时,R, G, B, 的取值就是该像素的亮度值,此时得到的灰度图像最合理。 1.2噪声的分类与特点 噪声可以理解为“妨碍人们感觉器官对所接收的信源信息理解的因素”。噪声通常是一种随机信号,不可能预测,因此它只能用概率统计的
16、方法来分析。使用某种方法从被摄体或信息源把信息传递给受看者时,如果通过视觉接收平面二维亮度分布,那么对这种接收起干扰作用的亮度分布就叫图像噪声。噪声存在于图像的获取、传输和处理的各个环节。因此,去噪己经成为图像处理中极其必要的步骤之一,同时也是图像处理领域中一个重点研究的课题。本节先对噪声的来源和性质进行简要的介绍。 黑白图满足二维亮度分布函数,则噪声就是对亮度的干扰,用来表示。因为噪声具有随机性,所以我们需要用随机过程来描述,也就是说要求知道噪声的分布函数和密度函数。然而,在许多情况下,这些函数难以确定和描述,甚至根本无法得到,所以我们只能用统计方法来描述噪声,例如均值、方差、自相关函数等。
17、 描述噪声的总功率: (1-4)噪声的交流功率利用方差描述: (1-5)噪声的直流功率利用均值的平方表示: (1-6)一般在图像处理技术中常见的噪声有如下几种:白噪声、椒盐噪声、脉冲噪声、量化噪声等,我们重点介绍高斯噪声和椒盐噪声。 1.2.1椒盐噪声 椒盐噪声(Pepper Noise) :是一种脉冲噪声,它在图像中产生黑色点和白色点。这种噪声在图像中表现非常明显,对图像具有严重的破坏作用,极大地妨碍了图像分割、边缘检测、特征提取等后续处理。它的噪声概率密度函数可表示为: (1-7)因为脉冲信号的强度通常比图像信号强度要大的多,因此脉冲噪声可以用灰度极限值(黑或白)来量化。我们一般假设a 和
18、b 作为所取图像允许的最大灰度和最小灰度值,即“饱和”值。如果, 灰度 b在图像中表示为白点,而灰度 a 在图像中表示为黑点。如果或等于0,这时脉冲噪声被称之为单极性噪声。如果和都不等于0,但两者大小接近,这时脉冲噪声就像椒盐随机洒在图像上一样,因此,我们把双极性的脉冲噪声也叫做椒盐噪声。 1.2.2高斯噪声所谓高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。高斯分布,也称正态分布,又称常态分布,记为,其中, 为分布的参数,分别为高斯分布的期望和方差。当有确定值时,p(x)也就确定了,特别当=0,=1时,X的分布为标准正态分布。高斯随机变量z的PDF如下式: (1-8)其中z
19、表示灰度值,表示z的平均值或期望值,表示z的标准差。标准差的平方称为z的方差。当z服从式(1-8)的分布时候,其值有70落在内,且有95落在范围内。1.2.3其他各类噪声1. 均匀噪声分布均匀噪声的概率密度在较宽的频率范围内有固定的频谱分布,均匀噪声分布的概率密度,由下式给出: (1-9)概率密度函数的期望值和方差可由下式给出: (1-10)2. 瑞利噪声瑞利噪声是指频谱服从瑞利分布的噪声,瑞利分布(Rayleigh Distribution)是指一个均值为(0.5*2)(0.5),方差为(2-0.5*)*2的平稳窄带高斯过程,其包络的一维分布是瑞利分布。当一个随机二维向量的两个分量呈独立的、
20、有着相同的方差的正态分布时,这个向量的模呈瑞利分布。两个正交高斯噪声信号之和的包络服从瑞利分布。它的概率密度函数由下式给出: (1-11)概率密度的均值和方差由下式给出: (1-12)3. 伽马(爱尔兰)噪声伽马噪声的PDF如下式: (1-13)其中,a0,b为正整数且“!”表示阶乘。其密度的均值和方差由下式给出: (1-14) 4. 指数分布噪声指数噪声的PDF可由下式给出: (1-15)其中a0。概率密度函数的期望值和方差是: (1-16)1.2.4图像系统噪声的特点 1噪声的扫描变换 在对图像处理时,首先先把二维图像信号扫描变换成一维的电信号,然后再进行处理,处理完成后,还要将一维电信号
21、还原成二维图像信号。在进行这种图像转换的同时,噪声也同样会参与相同的变换。 2噪声的迭加性 在串联类型的图像传输系统中,如果各子系统窜入的噪声是同种噪声,就会进行功率相加,导致信噪比不断下降。如果不是同种形式噪声时就应区别对待,此外还要考虑视觉检出性征对视觉效果的影响。但是因为视觉检出性征中的许多问题还没有被人类研究透彻,所以我们也就只能进行一些主观的评价体验。例如空间频率性征不同的噪声迭加时我们要考虑到视觉空间频谱带通的特性。如果是时间性征不同的噪声迭加,则要考虑到视觉滞留、闪烁的性征等。 3噪声与图像的相关性 如果使用的是光导摄象管的摄象机,可以认为,噪声幅度和信号幅度无关。但如果使用的是
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 学士学位 论文 基于 dsp 图像 实现
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【胜****】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【胜****】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。