资源描述
刑事数字图像处理,Forensic Digital Image Processing,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,单击此处编辑母版标题样式,四川警察学院,SICHUAN POLICE,COLLEGE,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,刑事数字图像处理,Forensic Digital Image Processing,四川警察学院,SICHUAN POLICE,COLLEGE,第四部分,刑事图像高级增强处理技术,第四部分 刑事图像高级增强处理内 容,刑事司法领域中的高级图像增强处理技术指用于从图像中,抽取有用或感兴趣信息的,一系列技术方法。,4.1,、降噪处理,4.2,、图像增强细节,USM,锐化技术,拉普拉斯算子锐化技术,差分高斯技术,直方图均衡化技术,干扰背景削弱,FFT,处理（去除规则背景）,图像数字分色（削弱图像中某色干扰背景）,图像相减（削弱不规则简单图案背景干扰）,4.3,、图像复原（模糊图像处理及变形矫正）,4.4,、监控录像画面处理,第四部分 刑事图像高级增强处理,与第三部分内容不同，本部分讨论的图像处理技术是不能通过化学、光学或电子学手段或者虽然原理上可行，但实际上很难通过这些传统手段实现，仅能依靠计算机才能完成。,了解这些技术的原理及其作用有助于在遇到具体的应用需求时快速确定正确的处理的方向、策略及步骤。,4.1,图像降噪,4.1.1,图像噪声与图像降噪,4.1.2,典型图像噪声,4.1.3,均值滤波器,4.1.4,中值滤波,4.1.5,周期性噪声及其频域处理,4.1.6,图像（桢）平均技术,4.1.1,图像噪声与图像降噪,什么是噪声,(noise),？：噪声是各种各样信号处理领域中的常见术语，指的是总的信号中的无用的信号。,数字图像中的噪声,是指图像生成（采集）、传输、处理过程中因信号失真所产生的无用信息。,广义上来说，也可能是图像中固有的对人们所关心的图像内容产生干扰的图像信息，例如痕迹图像中某些规则背景对于痕迹产生的干扰。,4.1.1,图像噪声与图像降噪,噪声的来源：,图像生成（采集）过程：,图像传感器工状受各种因素影响，包括环境高温以及传感器原件自身的质量问题。例如，在低照度条件拍摄运动客体，需要使用较高感光度并以较快快门速度进行拍摄，此时，由于传感器需要更大程度、更快地放大所捕获的弱光电信号，从而导致一些信号失真。又如，,CCD,或者,CMOS,感光原件上可能由于工艺及质量问题存在“死点”，导致所捕获画面中固定位置处永远比正常亮度值偏亮或偏暗。（可用于检测成像设备与图像的同一性）,传输过程：,主要由于所使用的信道被干扰而引起污染。,记录过程：,噪声可能源于磁带磨损或其他损坏导致的磁带磁性氧化物介质污点产生的坏信号。,4.1.1,图像噪声与图像降噪,图像采集过程中如何避免和降低噪声干扰？,低照度环境下拍摄静态场景图像，可在较低感光度设置下以长时间曝光以获得高信噪比的低噪声图像。,如果环境温度过高或摄录设备工作时间过长导致,CCD,原件过热，应对数字成像设备进行冷却处理，以降低,CCD,感光原件温度，从而降低由于高温引起的传感器噪声。,4.1.1,图像噪声与图像降噪,对已经存在噪声的图像或图像序列（视频）：,图像中的噪声往往会与图像的其他质量问题（低解析度、曝光不足、低对比度、图像模糊等）一并使得图像难以有效利用。,要提高此类图像的利用率，,首要任务是采取降噪技术提高图像的“信噪比”。,4.1.1,图像噪声与图像降噪,降噪处理重要性：,多数图像增强、复原技术对噪声敏感（增强图像细节同时放大图像噪声），使得增强、复原后的图像中的噪声对关键信息细节的辨识带来更大干扰。如果图像中的噪声得不到有效降低，则后续任何增强处理手段都不可能揭示图像中的更多细节,A,B,C,A,：存在噪声的监控录像截图,B,：对,A,图进行对比度调整,C,：降噪后再进行对比度调整,4.1.1,图像噪声与图像降噪,原图电视画面信号因被无线电信号干扰而引入噪声。,上图由,Neat,Vedio,软件（美）处理获得，极好地保留了图像细节。 下图为名捕监控录像处理系统获得的处理画面。,4.1.2,典型图像噪声类型,高斯随机噪声,（,Gaussian random noise,）,椒盐（脉冲）噪声,(salt-and-pepper noise ),周期性噪声,（,Periodic noise,）,固定模式噪声（,Fixed pattern noise,）,（,1,）高斯随机噪声,Gaussian random noise,来源,：电子电路噪声以及低照度、高温引起的传感器噪声。例如低照明环境下采用高,ISO,设置拍摄的图像以及摄像机拍摄的画面。,所谓高斯（,Gaussian,）：,在这里指信号干扰对像素亮度幅值的影响可能是正也可能是负（导致像素值比正常亮度值偏亮或暗），其影响的程度，即受干扰后的像素亮度幅值与正常值的偏移量是服从高斯分布的（也称正态或称,Bell,分布）的随机变量。,所谓随机（,random,）：,图像中任一像素点都独立地存在受噪声干扰影响的可能，具有随机性。,高斯随机噪声,(Gaussian random noise),示例,Two images of a uniform grey target (an expanded portion to show individual pixels), with the corresponding image histograms: (a) low noise, which cannot be easily visually discerned in the image; (b) greater noise, which produces a visible speckle. The latter image was acquired with low illumination,。,低照度环境下拍摄的较多随机噪声的图像,直方图呈正态分布,理想状态（较少随机噪声）下的直方图,为了直观体会高斯噪声，可在不同照明条件下拍摄同一灰度色板,高斯随机噪声示例,高斯随机噪声示例,(a),较好的光照条件下使用数码相机拍摄的图像,(b),低照度环境下的录像机拍摄的视频图像画面（伴随低解析度）,图像中的高斯噪声对于图像细节的干扰与拍摄环境条件与拍摄方法的使用存在很大关系。,在较好的光照条件下使用数码相机拍摄的图像，图像中存在的随机噪声几乎不易察觉。但是，在低照度环境下使用快速快门拍摄的图像或录像视频，其中的随机噪声对画面质量造成影响却是不容忽视，,彩色图像中的高斯随机噪声的成因及其特点,对于彩色图像，通常采用三色通道共同表征色彩（,RGB,模式下，由红、绿、蓝三个通道构成）。每个通道分量信号分别由不同的,CCD,感光元器来进行记录，因此，高斯随机噪声可能对单一色彩通道产生影响，此时图像中存在色彩噪点 ，而非明暗噪点。,通常，由于,CCD,感光元件对于蓝光敏感程度相对较低，因此对所捕获的蓝色光谱信号需要作较多的信号放大处理，因此蓝色通道较容易被高斯噪声污染。,彩色图像中的高斯噪声,存在色彩噪点的彩色图像,Canon 450D,相机,ISO1600,感光度， 快门速度,1/100,秒下拍摄，,高斯随机噪声,高斯噪声是较为重要的一类噪声。,在实际的存在噪声的图像中，有时噪声的来源与种类可能难于确定，但不同类别和来源的多种噪声混合起来对于图像质量的总体影响与单独的高斯随机噪声类似（,即图像中像素亮度或色彩与正常值存在差异,），虽然对于单独的像素而言，这些差异并不算大，但当这样的像素的数量达到一定的程度就会对于图像质量的造成严重影响。,大多数图像处理系统中都有针对高斯噪声的图像降噪功能。,（,2,）椒盐（双极脉冲）噪声（,salt-and-pepper noise,）,某些情形下，椒盐（脉冲）噪声可能是图像中的主导性噪声。,来源,：,CCD,感光元器件坏像点，信号产生、传输过程中的电磁脉冲信号干扰 ，信号记录过程中源于磁带磨损或其他损坏导致的磁带磁性氧化物介质污点产生的坏信号。,椒盐（双极脉冲）噪声（,salt-and-pepper noise,）,椒盐（双极脉冲）噪声特点：,由于脉冲信号可能为正，也可为负，因此，脉冲导致的噪声在图像中呈现为黑点和白点，负脉冲以,黑点（胡椒点）出现,，正脉冲以,白点（盐点）,出现。,由于脉冲干扰相对图像信号通常较强，脉冲噪声总是被数字化为亮度强度的最大值或最小值（,纯黑,0,或纯白,255,），,与高斯随机不同：虽然噪点随机分布于图像任何位置，但其尺寸不一定为一个像素，且噪点只有两种亮度,即纯黑或纯白。,椒盐（双极脉冲）噪声（,salt-and-pepper noise,）示例,（,3,）周期噪声,(periodic noise),来源：,周期性噪声是从图像采集时从周期性的电力或机电干扰中产生的，例如当高频振动干扰信号叠加在原始图像信号上时，图像上将会出现规则的一组或或多组贯穿于图像中的较规则线条图案。,视觉特点：,周期性噪声视觉上较容易区别，可以理解为干扰图像细节辨识的规则图案、线条等。,周期性噪声视觉特点,周期性噪声,以上图像中的固有的规则背景，虽然不是在图像生成、传输、记录过程中产生，由于视觉特点相同，仍然可看作是周期性噪声进行处理。,NASA,对周期性噪声降噪处理的实例,源于美国航空航天局的阿波罗登月图像（包含周期噪声）及其处理结果,（,4,）固定模式噪声（,Fixed pattern noise,）,来源：,固定模式噪声（简称模式噪声）源于成像设备,CCD,或者,CMOS,感光元件上个别光电二极体因生产工艺及质量问题所导致的损坏或稳定性差异。,若对应于某个像素的光电二极体或,ADC,（,模,数转换器放大器） 损坏或不稳定，则该像素将永远比正常值偏亮或偏暗，形成所谓的,CCD“,死点”。,该类噪声的量非常小，因此其对刑事图像细节辨识的影响几乎可以忽略不计。认识该类噪声的意义在于：既然图像中的该类噪点由成像设备自身的缺陷所决定且空间位置固定，因此，在满足一定条件时，可利用该特性检验某数字图像是否由给定数字成像设备所采集。,（,4,）固定模式噪声（,Fixed pattern noise,）,固定模式噪点,图像降噪处理,降噪手段,（,Noise Reduction Methods,）,存在噪声的刑事图像，降噪处理应先于其他增强和复原处理。,本节其余内容将介绍：几类基本降噪技术的原理、作用、适用场合及注意事项。,平滑滤波器,中值滤波器,周期噪声的频域处理,桢平均技术,4.1.3,平滑滤波器,均值滤波器：,当图像存在类高斯噪声且不存在冗余图像时，使用空间均值滤波器对图像作平滑处理可以削弱图像噪声，代价是图像细节会受模糊。,机理：,用图像中每个空间坐标处的像素值与其邻域内的多个像素值进行平均运算（参与运算的像素数量取决与滤波器窗口大小）以获得新图像该空间位置的像素值，该处理对图像中均匀色调区域的类高斯噪声削弱效果明显 。,均值滤波器滤波原理,3x3,矩形窗口（掩膜、算子）的均值滤波器滤波原理,均值滤波器,使用直径为,5,的圆形邻域滤波窗口进行均值滤波处理后,典型的均值滤波为,3 x 3,5 x 5,7 x 7.15 x 15,的矩形窗口，但通常很少需要用到较大窗口的均值滤波器的应用场合 。,均值滤波器,代价：,对色调均匀、缓慢变化的无细节特征区域降噪效果明显，但会导致图像中的点、线、边缘等细节特征模糊，使得图像细节特征的更难以准确辨识，甚至引起可能导致图像内容误判的外观特征变化，例如改变图像中的客体尺寸、特征形状等。这显然不是通常所期望的结果。,均值滤波器对应的,PS,功能,1,、滤镜,-,模糊,-,方框模糊,半径参数用于指定窗口大小，半径为,1,即使用窗口,3x3,的均值滤波器，半径为,1,即使用窗口,3x3,的均值滤波器。,均值滤波器对应的,PS,功能,2,、,PS,软件“滤镜”,-“,其他”,-“,自定”滤镜功能，可直接输入用于实现均值滤波的窗口（掩膜、算子）内的系数值。,即，使用 的算子对图像进行空域滤波（卷积）运算。,加权平均 滤波器（高斯滤波器）,更好的处理策略是对掩膜对应的邻域像素进行,加权平均运算,。与均值滤波简单求邻域像素灰度值除以像素数量不同，这种处理策略考虑到处于掩膜中心的像素应比处于邻域外围的像素更为重要，应使其具有参与运算的更大的权值，这样即可减弱简单均值运算带来的图像模糊副作用。,因此，可使用一组总和为,1.0,的小数作为权值（系数）分别乘以邻域内像素灰度值再对其求和得到新像素值 ，且邻域中心像素所乘系数要大于邻域外围像素所乘系数。,加权平均 滤波器（高斯滤波器）,加权均值滤波器掩膜（高斯平滑滤波器），掩膜中的所有系数的和为,16,，正好是,2,的整数次幂，这有利于计算机实现。,由于该类掩膜内系数的取值依据与高斯分布函数有关，因此又被称作高斯（,Gauss,）平滑滤波器。,均值滤波器与加权平均 滤波器处理结果比较,均值滤波,加权平均（高斯）,加权平均滤波器与简单均值滤波器都能够获得大致相当的降噪效果，但前者处理后的图像模糊程度相对更小。即便如此，加权平均滤波降噪后的图像仍然存在一定程度的图像细节模糊和锐度损失问题 。,高斯滤波器对应的,PS,功能,1,、滤镜,-,模糊,-,高斯模糊,半径参数为决定掩膜内加权系数的高斯函数标准差,高斯均值滤波器对应的,PS,功能,2,、,PS,软件“滤镜”,-“,其他”,-“,自定”滤镜功能，可直接输入用于实现高斯滤波器的窗口（掩膜、算子）内的系数值。,平滑滤波器,通常，在图像应用领域，空间均值平滑滤波器一般被用于“平滑”掉图像中较小的客体，保留大的客体的粗略轮廓以方便机器对图像中大客体的智能检测（此时，图像细节信息往往是次要的），而对于关注图像细节的刑事图像应用而言却是不期望的。 本节关于其原理的介绍旨在使读者了解空域卷积（线性）滤波的原理，后续章节可以看到类似的空间域“卷积”运算还被用于增强图像细节，并且一些细节增强处理技术，例如,USM,、差分高斯处理,过程中也需要用到本小节介绍的平滑处理。,4.1.4,中值滤波器,中值滤波器（,Median Filter,）是相对更为优越的降噪滤波器，对类高斯噪声和“椒盐”噪声都有较为优异的降噪性能。,工作机理：,与均值滤波和加权平均滤波所用到的“卷积”线性运算机制不同，其工作机理为：先对邻域内像素依像素强度值进行排序，将排序后的列表中最中央的灰度值作为邻域中心像素的新灰度值。,其中,W,为窗口大小。,4.1.4,中值滤波器（原理）,如：某大小为,3 X 3,的窗口中的像素灰度值如图所示，其中灰度为,100,的像素为噪点，则邻域内所有像素灰度排序后为（,10,，,15,，,20,，,20,，,20,，,20,，,20,，,25,，,100,），则原邻域内灰度值为,100,的邻域中心像素的灰度值将被替换为排序列表中的第五个值，即,20,。,图像,Image,为了处理全图，窗口将在图像中滑动，直到所有像素被处理,窗口,W,，大小为,3x3,，半径为,1,滑动,4.1.4,中值滤波器,对类高斯噪声与椒盐噪声，中值滤波器能获得较均值滤波器、加权均值滤波器（高斯滤波器）更为理想的降噪效果，对图像带来的模糊及边缘细节变化等负面影响相对较小。,4.1.4,中值滤波器,原图,高斯滤波,中值滤波,4.1.4,中值滤波器,由于实现简单，降噪效果较好，中值滤波器广泛用于削弱类高斯噪声与椒盐噪声。,存在椒盐噪声干扰的图像,中值滤波处理后（窗口尺寸,5X5,）,4.1.4,中值滤波器,中值滤波器使用参数：,窗口,W,大小（通常取,3X3,5x5,7x7,9x915X15,）。,缺点及局限：,传统简单中值滤波伴随窗口大小的增大，虽然降噪效果变得更明显，但图像中真实细节的损失越大，特别是的,较窄边缘（线条）,或,线条构成的角将,变得圆润。（,图,）,解决策略：,使用足够小的的邻域大小（通常选用,3 X 3,的窗口大小作为参数）进行处理，如果单次处理不能获得较为满意的降噪效果，可以使用同样的邻域大小参数多次重复操作 。 （,图,）,数字滤波器使用,中值滤波器,a:1,次,3X3,窗口大小中值滤波,b: 1,次,11X11,窗口大小中值滤波,c: 1,次,21X21,窗口大小中值滤波,d: 10,次,3X3,窗口大小中值滤波,采用不同的处理参数或策略的处理效果比较,返回,a:,原图,b: 3X3,窗口大小中值滤波,c:5X5,窗口大小中值滤波,d: 7X7,窗口大小中值滤波,e: 9X9,窗口大小中值滤波,f,：,Hybrid,median,Filter,（混合中值滤波）,数字滤波器使用,中值滤波,返回,一些的源于传统中值滤波器的新型中值滤波器,一些的源于传统中值滤波的新型中值滤波器，如混,合中值滤波（,Hybrid,median,Filter,）,器，,自适应中值滤波器,（,Adaptive median,Filter,）,，,可以有效避免传统中值滤波存在的问题。 （,图,）,不管这些空间滤波算法和原理复杂程度如何，都与传统简单中值滤波器有相同的特点，即都是采用经过排序的邻域像素中间值来替换邻域中心的像素值，只不过为了保留图像更多的细节，这个值的确定的机制更为复杂。,混合中值滤波（,Hybrid,median,Filter,）器,作为中值滤波的一种改进技术，混合中值滤波器（,Hybrid median Filter,）可保留图像中的细线条并避免线条构成的角变得圆润。,原理：,混合中值滤波将窗口内几组不同方向的像素分别进行排序并取中值，然后将这些值再次进行排序选出最佳值以替换邻域中心像素。,以,3 X 3,窗口大小的混合中值滤波器工作原理为例，邻域的中心像素及其四角构成“,X”,状的四个像素作为一组、构成“十”状的作为一组分别进行排序，然后从两个列表中分别选出的中值与邻域中心像素值再次进行排序运算，确定出中值以赋予邻域中心像素。,混合中值滤波（,Hybrid,median,Filter,）器,如：某大小为,3 X 3,的窗口中的像素灰度值如图所示：,X,方向上的像素排序后：,20,，,20,，,100,，,100,，,100,，,，中值：,100,十方向上像素值：,20,，,20,，,20,，,25,，,100,，中值：,20,对,20,，,100,，,100,取中值，以,100,作为新像素值。,彩色图像中值滤波,对彩色图像进行中值滤波降噪需要重新定义邻域内像素“中值”的概念。对于彩色图像，每个像素都具有三个表征其色彩属性的数值分量，对应于三维坐标空间,（色彩空间）,中的一个点。,这种情形下，中值被定义为在色彩三维空间内与邻域内其他所有像素空间距离最近的那个点。为确定这个点，邻域内每个像素在三维色彩空间内对应的坐标点与其他像素的坐标点之间的距离被分别计算并求和，最终，距离总和最小的像素被确定为中值。（,在笛卡尔坐标系统表示的,RGB,色彩空间中，距离由毕达哥拉斯距离公式进行计算,）,RGB,色彩空间,返回,PS,软件中的中值滤波器,1,、滤镜”菜单,-”,杂色（,Noise,）”下,- “,中值”的菜单命令,即为中值滤波。,CS2,版本以上的,PS,软件，提供有“减少杂色”降噪工具可针对彩色图像某色彩通道进行中值滤波处理，关于参数使用，参见,PS,帮助文件。,4.1.5,周期噪声的频域处理,与之前介绍基于邻域像素乘以指定的加权值的空间域的卷积处理和像素排序的中值降噪技术机理不同，周期性噪声降噪处理很难从像素阵列的角度加以理解和实现，借助基于傅里叶变换原理的频域图像处理手段来理解和实现会相对更容易 。,傅里叶变换思想,傅里叶变换是信号处理领域的广泛使用的一项技术。,该技术的思想来源于法国数学家傅里叶（,1822,）的,数学思想,：任何有限域的函数，不管多复杂，都可以将其分解为不同频率的正弦和（或余弦和）的形式。这种思想给信号处理领域带来了革命性的变革。,例如：图像就可看做非周期的有限域信号，并且可被分解为以不同频率的正弦函数和（或余弦函数和）的形式进行表达，这使得以数学函数表达图像成了可能。并且这个以函数表达的图像可以无损地通过傅里叶逆变换重建出图像形态。,傅里叶变换思想,傅里叶变换,傅里叶反变换,无损还原图像,函数项可通过频谱表征,通过傅里叶变换，即可实现在频率域对图像进行处理。,削弱周期性噪声等价于削弱图像频域函数项的高频分项。,周期噪声削弱在医学领域的应用实例,受周期噪声干扰的,X,光图像,通过傅里叶处理后的,X,光图像,周期性噪声图像的频谱解读,一般图像的频谱大致表现为一个圆状云，其中心部分要更亮更密集。,如果图像中存在周期性噪声将在频谱中反映出来。通常，周期噪音通常表现为频谱图中心云环外的亮点（尖峰），去除掉这些点也就意味着衰减了对应于周期性噪声的高频分量，再对频谱图进行逆变换，即可得到降噪后的图像。,快速傅里叶变换（,FFT,）示例,彩色图像中周期性噪声的处理,大部分系统不支持对彩色图像直接进行,FFT,处理，一般需将图像转换为灰度图像再进行处理或先将图像通过通道分离得到多个通道的灰度图像，然后对每个通道图像进行分别处理，最后将处理后灰度通道图像合并为为彩色图像。,一些系统或软件插件可以直接对彩色,RGB,图像进行直接处理，例如,Alex,Chirokov,编写的用于,Photoshop,的,FFT,插件是较易掌握的插件之一（可从,http:/www.3d4x.ch/?c=16,35,上下载）。,一些能实现,FFT,变换的系统,各种刑事痕迹、文检分析系统,ImagePro,Plus(IPP,),Photoshop FFT,插件，可从,http:/www.3d4x.ch/?c=16,35,下载,ImageJ,可从,http:/rsb.info.nih.gov/ij,获得免费下载,名捕中的,FFT,功能,Image-pro,中的,FFT,功能,PS,软件,FFT,插件菜单,4.1.6,图像（桢）平均降噪,桢平均技术又称作图像平均技术，是一种将多幅相同场景内容的噪声图像进行平均运算合成为单幅图像以削弱图像噪声的的技术手段，这种技术不但不会因降噪处理而导致图像清晰度降低，反而能极大提高图像的清晰度及信息量。,桢平均降噪原理,原理：,对一个图像栈中的多幅噪声图像的相同空间坐标处的像素的强度值进行平均运算。,对于某一特定的空间坐标位置，当只有一幅图像该位置像素受干扰时，则平均后所获得的新像素值将极为接近未受干扰的理想值；,当多幅图像的该空间位置像素都受噪声干扰时，由于这些像素受干扰的程度通常大体上服从高斯分布，则平均运算后所获得的新像素值也将极为接近未受干扰的理想值。,因此，当参与运算的图像图像内容保持静止时，通过桢平均运算可以极大削弱图像中的类高斯噪声，同的保留图像中的有用细节。,桢平均降噪原理,图示,image1,image2,image3,Image n,噪点 灰度,0,噪点 灰度,255,未被噪声干扰 灰度,127,噪点 灰度,157,噪点 灰度,107,平均后获得的新图,空间坐标（,X,Y,）,空间坐标（,X,Y,），新灰度值,（,0+255+157+127+107,）,/5=129,图像数量越多，平均后降噪的效果越明显,桢平均降噪技术的特点及要求,特点：,这种技术一般用于削弱视频序列中的的类高斯噪声（多张相邻视频,桢进行平均），并且不会造成图像模糊。,不能处理周期性噪声。,要求：,有冗余图像（视频桢）（同一静态场景、且不能有相机（摄像机）及对象客体移动）。因此，使用过程中限制较大（例如，监控录像中的犯罪嫌疑人很难较长时间保持静止），一些刑事图像专用系统可针对动态视频画面序列中关键局部进行运算，只要视频画面局部的关键客体运动速度、角度等变化幅度较小，则可以通过计算从运动画面中获得一组相对稳定的静态画面以进行桢平均降噪处理 ）,桢平均技术的其他应用,桢平均技术的其他应用：,低照度环境下拍摄的画面往往由于存在较多噪声，此时可拍摄多张相同内容的静态画面进行桢平均处理，可提高画面质量。,移除画面中的运动客体。当所采集的一组画面中总是存在运动中的客体遮挡住所关心的背景信息时，通过足够多的画面进行桢平均处理可以获得移除了这些运动客体后的场景的完整画面。,桢平均例子一,返回,5,幅相似噪声图像平均后获得的降噪图像及其直方图，直方图较窄，说明噪声干扰被有效降低。,(r,如果噪声图像更多，效果更明显,),存在高斯随机噪声的图像及其直方图，画面本应是恒定均匀的灰色，直方图较宽，说明噪声干扰较严重。,桢平均例子二,返回,原图电视画面图像序列包含无线电信号干扰产生的周期噪声等多种噪声。,右图为名捕监控录像处理系统桢平均技术处理获得的处理画面。进行平均处理的原图源于视频序列中相邻三桢静态画面。,降噪处理总结,降噪重要性：,对于存在噪声的待增强处理图像，降噪处理应先于其他增强处理。,降噪处理手段：,应首先区分处理对象是单一图像还是一组内容相同的图像。,单一图像：应首先确定噪声类型,高斯噪声与椒盐噪声：通常，采用中值滤波器降噪既简单也能获得较为理想的效果，但应注意处理策略。,周期噪声：快速傅里叶变换（,FFT,）,一组图像（例如相邻的视频桢）：采用桢平均降噪既能获得理想效果又能有效避免图像降噪后一定程度的模糊。,
展开阅读全文