数字滤波

1.噪声 1.1噪声分类 噪声是图像干扰的重要原因。一幅图像在实际应用中可能存在各种各样的噪声,这些噪声可能在传输中产生，也可能在量化等处理中产生。 根据噪声和信号的关系可将其分为三种形式:(f(x,y)表示给定原始图像,g(x,y)表示图像信号,n(x,y)表示噪声。) 1)加性噪声,此类噪声与输入图像信号无关，含噪图像可表示为f(x,y)=g(x,y)+ n(x,y),信道噪声及光导摄像管的摄像机扫描图像时产生的噪声就属这类噪声。 2)乘性噪声,此类噪声 与图像信号有关,含噪图像可表示为f(x,y)=g(x,y)+ n(x,y)g(x,y),飞点扫描器扛描图像时的噪声,电视图像中的相干噪声,胶片中的颗粒噪声就属于此类噪声。 3)量化噪声,此类噪声 与输入图像信号无关,是量化过程存在量化误差,再反映到接收端而产生。 1.2椒盐噪声 椒盐噪声是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割弓|起。去除脉冲干扰及椒盐噪声最常用的算法是中值滤波。 路面图像属于结构光图像,使用区域分割技术中的阈值分割法消除白噪声及部分椒盐噪声,而不能使用中值滤波对白噪声及椒盐噪声进行滤波,因为滤波模板在图像中漫游时会改变光条中像素的真实灰度分布,给随后的重心法细化过程带来负面影响。 大量的实验研究发现,由摄像机拍摄得到的图像受离散的脉冲

Matlab中与滤波相关的函数：imfilter 和fspecial。imfilter完成滤波操作，fspecial用于创建一些预定义的二维滤波器供imfilter调用。 imfilter函数： 函数格式：g=imfilter(f, w, option1, option2,…) 参数说明： f是要进行滤波操作的对象； w是滤波操作使用的模板 是一个二维数组； g是滤波后的输出图像； option1、option2是可选项 具体可以包括： （1）边界选项 合法值 含义 X（X代表一个具体的数字） 用固定数值X填充虚拟边界，默认为0 ‘symmetric’ 填充虚拟边界的内容是通过对靠近原图像边缘的像素关于边缘镜像得到 ‘replicate’ 填充虚拟边界的内容总是重复与它最近的边缘像素 ‘circular’ 周期性填充虚拟边界的内容（认为原图像具有周期性） （2）尺寸选择 合法值 含义 ‘same’ 输出图像g与输入图像f尺寸相同 ‘full’ g的尺寸为填充虚拟边界后的f的尺寸，因而大于f的尺寸 （3）模式选项：指滤波过程使用卷积还是相关 合法值 含义 ‘conv’ 滤波过程为卷积 ‘con’ 滤波过程为相关 fspecial创建预定义的二维滤波器 函数格式：h=fspecial（type，parameters） 参数说明： type用于指定滤波器的类型，type的一些合法值如下：

图像卷积、相关以及在MATLAB中的操作 2016年7月11日 20:34:35, By ChrisZZ 区分卷积和相关 图像处理中常常需要用一个 滤波器 做 空间滤波 操作。空间滤波操作有时候也被叫做卷积滤波，或者干脆叫卷积（离散的卷积，不是微积分里连续的卷积）；滤波器也有很多名字：卷积模版、卷积核、掩模、窗口等。 空间滤波可以分为线性滤波和非线性滤波。非线性滤波常见的有中值滤波、最大值滤波等，相当于自定义一个函数，在数学上由于不满足线性变换因此叫做非线性滤波。这里不细研究它。 线性滤波则通常是：将模版覆盖区域内的元素，以模版中 对应位置 元素为权值，进行累加。看起来挺简单的，但是要区分 相关(cross-correlation) 和 卷积(convolution) 两种模式。为什么呢？因为在MATLAB里是有所区分的，而且不少中文书里面把它们混淆了。 我们最容易的理解是：将模版中元素从左到右、从上到下，作为使用顺序，那么卷积操作的结果，就是模版第一个元素乘以它覆盖的元素，加上模版第二个元素乘以它覆盖的元素，再加上模版第三个元素乘以它覆盖的元素，...，一直加到模版最后一个元素乘以它覆盖的元素。好吧，其实就是：模版覆盖区域内，元素逐一相乘然后累加，此时的对应位置就是上下投影后被覆盖的位置。 上面这个理解确实是看起来最容易理解的，因而很多中文书把它叫做"卷积"。然而这个概念其实叫做

算法（Algorithm）： 计算机解题的基本思想方法和步骤。 算法的描述： 是对要解决一个问题或要完成一项任务所采取的方法和步骤的描述，包括需要什么数据（输入什么数据、输出什么结果）、采用什么结构、使用什么语句以及如何安排这些语句等。通常使用自然语言、结构化流程图、伪代码等来描述算法。 一、计数、求和、求阶乘等简单算法 此类问题都要使用循环，要注意根据问题确定循环变量的初值、终值或结束条件，更要注意用来表示计数、和、阶乘的变量的初值。 例：用随机函数产生100个[0，99]范围内的随机整数，统计个位上的数字分别为1，2，3，4，5，6，7，8，9，0的数的个数并打印出来。 本题使用数组来处理，用数组a[100]存放产生的确100个随机整数，数组x[10]来存放个位上的数字分别为1，2，3，4，5，6，7，8，9，0的数的个数。即个位是1的个数存放在x[1]中，个位是2的个数存放在x[2]中，……个位是0的个数存放在数组x[10]。 二、求两个整数的最大公约数、最小公倍数 分析： 求最大公约数的算法思想：(最小公倍数=两个整数之积/最大公约数) (1) 对于已知两数m，n，使得m>n； (2) m除以n得余数r； (3) 若r=0，则n为求得的最大公约数，算法结束；否则执行(4)； (4) m←n，n←r，再重复执行(2)。 例如: 求 m="14" ,n=6 的最大公约数. m

除了元器件的选择和电路设计之外，良好的印制电路板（PCB）设计在电磁兼容性中也是一个非常重要的因素。PCB EMC设计的关键，是尽可能减小回流面积，让回流路径按照设计的方向流动。最常见返回电流问题来自于参考平面的裂缝、变换参考平面层、以及流经连接器的信号。跨接电容器或是去耦合电容器可能可以解决一些问题，但是必需要考虑到电容器、过孔、焊盘以及布线的总体阻抗。本讲将从PCB的分层策略、布局技巧和布线规则三个方面，介绍EMC的PCB设计技术。 PCB分层策略 电路板设计中厚度、过孔制程和电路板的层数不是解决问题的关键，优良的分层堆叠是保证电源汇流排的旁路和去耦、使电源层或接地层上的瞬态电压最小并将信号和电源的电磁场屏蔽起来的关键。从信号走线来看，好的分层策略应该是把所有的信号走线放在一层或若干层，这些层紧挨著电源层或接地层。对於电源，好的分层策略应该是电源层与接地层相邻，且电源层与接地层的距离尽可能小，这就是我们所讲的“分层”策略。下面我们将具体谈谈优良的PCB分层策略。 1．布线层的投影平面应该在其回流平面层区域内。布线层如果不在其回流平面层地投影区域内，在布线时将会有信号线在投影区域外，导致“边缘辐射”问题，并且还会导致信号回路面积地增大，导致差模辐射增大。 2．尽量避免布线层相邻的设置。因为相邻布线层上的平行信号走线会导致信号串扰，所以如果无法避免布线层相邻

一、图像及其类型 图像（image）的定义是： 在一般意义下，一幅图像是一个物体或对象（object）的另一种表示。亦即图像是其所表示物体或对象信息的一个直接描述和浓缩表示。简而言之，即图像是物体在平面坐标上的直观再现。一幅图像包含了所表示物体的描述信息和特征信息，或者说图像是与之对应的物体或抽象的一个真实表示，这个表示可以通过某些技术手段实现。 数字图像处理（digital image processing）： 又称为计算机图像处理，它是通过计算机对图像进行去除噪声、增强、变换、复原、分割、特征提取、识别等运算与处理。 图像的分类： 可见图像（visible image）： 是指视觉系统可以直接看见的图像，这也是大多数人在日常生活中所见到的和所理解的图像，这一类图像一般通过照像、手工绘制等传统方法获得，通常计算机不能直接处理，但是经过数字化处理后可变为数字图像。 物理图像（physical image）： 所反映的是物体的电磁波辐射能，包括可见光和不可见光图像。 数字图像（maths image） ：指由连续函数或离散函数生成的抽象图像，其中离散函数所生成的图像就是计算机可以处理的数字图像。 其他相关概念： 计算机图形学（computer graphic）： 是指利用计算机技术将概念或数学描述所表示的物体（非实物）图像进行处理和显示的过程。 计算机视觉（computer

文章目录 1.噪声与imnoise函数 2.平滑滤波器 3.中值滤波器 4.自适应滤波器 5.锐化滤波器 使用空域模板进行的图像处理，称为图像的空域滤波增强，模板本身称为空域滤波器。空域滤波增强的机理就是在待处理的图像中逐点的移动模板，滤波器在该点的响应通过事先定义的滤波器系数和滤波模板扫过区域的相应像素值的关系来计算。 空域滤波器可以分为平滑滤波器、中值滤波器、自适应除噪滤波器和锐化滤波器。 1.噪声与imnoise函数 图像噪声按照其干扰源可以分为内部噪声和外部噪声。外部噪声，既指系统外部干扰以电磁波或经电源串进系统内部而引起的噪声，如电气设备、天体放电现象等引起的噪声。内部噪声，一般可分为以下4种： （1）由光和电的基本性质所引起的噪声 （2）电器的机械运动产生的噪声 （3）器件材料本身引起的噪声 （4）系统内部设备电路所引起的噪声 按噪声与信号的关系分类，可以将噪声分为加性噪声和乘性噪声两大类。设f（x，y）为信号，n（x，y）为噪声，噪声影响信号后的输出为g（x，y）。表示加性噪声的公式如下： 加性噪声和图像信号强度是不相关的，如运算放大器。图像在传输过程中引进的“信道噪声”，电视摄像机扫描图像的噪声，这类带有噪声的图像g（x，y）可看成理想无噪声图像f（x，y）与噪声n（x，y）之和。形成的波形是噪声和信号的叠加，其特点是n（x，y）和信号无关。如一般的电子线性放大器

文章目录 语法 说明 示例 shape-滤波数据的子区 算法 filter2 二维数字滤波器 语法 Y = filter2 ( H , X ) Y = filter2 ( H , X , shape ) 说明 Y=filter2(H,X)根据矩阵H中的系数，对数据矩阵X应用有限脉冲响应滤波器。 Y=filter2（H，X，shape），根据shape返回滤波数据的子区。例如，Y=filter2（H，X，‘valid’）仅返回计算的没有补零边缘的滤波数据。 示例 二维台座 您可以使用与 conv2 函数紧密相关的 filter2 函数对图像和其他二维数据进行数字滤波。 创建并绘制一个内部高度等于 1 的二维台座。 A = zeros ( 10 ) ; A ( 3 : 7 , 3 : 7 ) = ones ( 5 ) ; mesh ( A ) H = [ 1 2 1 ; 0 0 0 ; - 1 - 2 - 1 ] ; Y = filter2 ( H , A , 'full' ) ; mesh ( Y ) 将 H 旋转 180 度，并将结果与 A 进行卷积。该输出等同于按照 H 中的系数对 A 中的数据进行滤波。 C = conv2 ( A , rot90 ( H , 2 ) ) ; mesh ( C ) shape-滤波数据的子区 shape - 滤波数据的子区 ‘same’ （默认）

3.1 背景知识 3.1.1 灰度变换和空间滤波基础 本节讨论的所有图像处理技术都是在空间域进行的。空间与包含图像像素的简单平面。与频率域相反，空间域技术是直接操作图像像素的简单平面。 本章讨论的空间域处理可有下式表示： g ( x , y ) = T ⋅ [ f ( x , y ) ] g(x,y)=T\cdot [f(x,y)] g ( x , y ) = T ⋅ [ f ( x , y ) ] 式中， f ( x , y ) f(x,y) f ( x , y ) 是输入图像， g ( x , y ) g(x,y) g ( x , y ) 是输出图像， T T T 是在点的邻域上定义的关于f的一种算子。算子可应用于单幅图像或图像集合。 邻域与预定义的操作一起称为空间滤波器(也称为空间掩模、核、模板、窗口)。在邻域中执行的操作据欸的那个了滤波处理的特性。 最小邻域为 1 × 1 1\times 1 1 × 1 。在这种情况下， g g g 仅取决于点(x,y)处的 f f f 值，而式(3.1-1)中的 T T T 则成为一个形如下式的灰度(也称为灰度级或映射)变换函数： s = T ( r ) s=T(r) s = T ( r ) 式中，令 s s s 和 t t t 分别表示 g g g 和 f f f 在任意点 ( x , y ) (x,y) ( x , y ) 处的灰度。

一 中值滤波概念 中值滤波算法以某像素的领域图像区域中的像素值的排序为基础，将像素领域内灰度的中值代替该像素的值[1]； 如：以3*3的领域为例求中值滤波中像素5的值 图1 1）int pixel[9]中存储像素1，像素2...像素9的值； 2）对数组pixel[9]进行排序操作； 3）像素5的值即为数组pixel[9]的中值pixel[4]。 中值滤波对处理椒盐噪声非常有效。 二 中值滤波代码实现 项目工程： https://github.com/ranjiewwen/Everyday_Practice/tree/master/MedianFilter/MedianFilter/MedianFilter //中值滤波：本算法采用3*3的领域范围 void MyImage::MedianFilterOper() { //0. 准备：获取图片的宽，高和像素信息， int const num = 3 * 3; unsigned char pixel[num] = { 0 }; //保存领域的像素值 int width = m_bmpInfo.biWidth; int height = m_bmpInfo.biHeight; int widthbyte = (width * m_bmpInfo.biBitCount / 8 + 3) / 4 * 4; //保证为4的倍数 //相对于中心点