社区
图象工具使用
帖子详情
求助帖!噪声大时,均值滤波会优于高斯噪声吗?
Via_deer
2019-05-14 03:37:36
一个图像滤波方向问题 高斯滤波一般是比均值滤波效果好的,但是我的结论里,噪声比较大的时候,高斯滤波没有均值滤波PSNR高了,想问问是为什么啊?或者是我做错了吗? 我现在能想到的解释是,噪声比较大的时候,高频分量太多,但是高斯噪声是低通滤波的,所以高斯滤波效果变差了。 网上搜遍也没找到为什么,求助!
...全文
55
回复
打赏
收藏
求助帖!噪声大时,均值滤波会优于高斯噪声吗?
一个图像滤波方向问题 高斯滤波一般是比均值滤波效果好的,但是我的结论里,噪声比较大的时候,高斯滤波没有均值滤波PSNR高了,想问问是为什么啊?或者是我做错了吗? 我现在能想到的解释是,噪声比较大的时候,高频分量太多,但是高斯噪声是低通滤波的,所以高斯滤波效果变差了。 网上搜遍也没找到为什么,求助!
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
中值滤波与
均值滤波
的去噪性能比较
讨论了中值滤波和
均值滤波
的去噪性能,在更一般的
噪声
模型下,当
噪声
污染的概率较小时,中值滤波抑制
噪声
的能力
优于
均值滤波
;而当
噪声
污染的概率较
大时
,
均值滤波
抑制
噪声
的能力
优于
中值滤波。
一种改进的加权
均值滤波
算法 (2015年)
当图像中同时存在脉冲
噪声
和
高斯
噪声
时,传统的中值滤波算法和
均值滤波
算法均不能达到较好的去噪效果。针对这一问题,提出了一种改进的加权
均值滤波
算法。算法采用局部阈值优化的方法计算各像素点的权值,将滤波窗口各像素点的灰度值与对应的权值进行加权运算,结果作为窗口中心点的滤波输出。仿真实验结果证明,该算法对脉冲
噪声
和
高斯
噪声
具有较强的去噪能力,且较好地保持了图像的细节,效果均
优于
传统中值、
均值滤波
算法和改进的中值滤波算法(IMF)。
面向脑血管分割的改进型非局部
均值滤波
算法研究
介绍了经典非局部
均值滤波
算法与Manjón非局部
均值滤波
算法,改进了非局部
均值滤波
方法的相似度权值,使算法在具有旋转平移不变性,保持时间复杂度的同时优化了视觉效果与信噪比。实验通过添加
噪声
标准差从10~100不等的高斯加性
噪声
,比较了改进后的算法与传统滤波算法以及Manjón非
均值滤波
算法,结果表明,改进后的算法无论从视觉上还是数值上都
优于
Manjón非
均值滤波
算法。
DSP中的一种新型
高斯
噪声
组合滤波方法
摘要:为了有效滤除图像中的
高斯
噪声
,提出了一种组合滤波方法。该方法首先将含有
高斯
噪声
的图像进行维纳滤波预处理以滤除部分
噪声
干扰,然后将图像进行二维小波分解,得到高频和低频分解系数,保持低频分解系数不变,对高频分解系数进行形态学滤波以去除参与
噪声
,最后进行系数重构。实验证明了该算法滤波效果
优于
维纳滤波、形态学滤波和
均值滤波
,是一种较为可行的滤波方法。 0 引言 图像在获取、传输、存储和记录过程中由于受到各种
噪声
的干扰,使得图像的清晰度明显降低,并且细节信息严重丢失,这给图像后续处理(如图像分割,图像融合,特征提取等)工作带来了极大的影响。图像去噪处理是图像处理的基础而又十分重要的工作
自适应中心加权的改进
均值滤波
算法 (1999年)
为了在滤除退化图像中混合
噪声
的同时能更好地保护图像的细节,文中提出了基于改进
均值滤波
(MTM)结构的新算法,其特点为:l)用中心加权中值滤波算法替代MTM方法中的中值滤波算法以更好地保护细节;2)提出了一种直接利用滤波结果来估计混合
噪声
中
高斯
噪声
方差的方法,估计的结果被用于滤波器系数的调整,使得新算法有很好的鲁棒性。实践证明新方法的处理结果
优于
传统的MTM方法。
图象工具使用
1,451
社区成员
24,335
社区内容
发帖
与我相关
我的任务
图象工具使用
多媒体/设计/Flash/Silverlight 开发 图象工具使用
复制链接
扫一扫
分享
社区描述
多媒体/设计/Flash/Silverlight 开发 图象工具使用
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章