图像处理基本算法

线性滤波器的向量表示：

W是一个大小为m*n的滤波器的系数，Z为由滤波器覆盖的相应图像的灰度值。

线性滤波器所能是实现的就是乘积求和操作。

几种常见的滤波器：

平滑空间滤波器如均值滤波

统计排序滤波器如中值滤波

锐化空间滤波器如锐化滤波

 

1、  均值滤波

 

 

均值滤波在去噪声的同时会有如下缺点：

边界模糊效应明显

细节丢失比较严重

 

2、  中值滤波

中值滤波在边界的保存方面优于均值滤波，是经常使用的一种滤波器，但

是在模板逐渐变大时，依然会存在一定的边界模糊

中值滤波对处理椒盐噪声非常有效，或者称为脉冲噪声。

 

如果既想去除噪声，又极大的保存细节，此时应该考虑变形虫算法模板的大小是与周围的像素有关，模板随环境自动变化大小，这样在细节较小的区域可以使用较大的模板，而在细节较多的区域使用更小的模板。变形虫算法，以后再讲。

滤波器一般为盒状滤波器，能不能使用其他形状的滤波器，以得到更好的滤波效果呢？

 源代码：

1. //中值滤波和均值滤波  
2. #include<cv.h>  
3. #include<highgui.h>  
4.   
5. int main(){  
6.     IplImage * image,*image2,*image3;  
7.     image = cvLoadImage("E:\\image\\Dart.bmp",0);//以灰度图像的形式读入图片  
8.     cvNamedWindow("image",CV_WINDOW_AUTOSIZE);  
9.     cvNamedWindow("image2",CV_WINDOW_AUTOSIZE);  
10.     cvNamedWindow("image3",CV_WINDOW_AUTOSIZE);  
11.     //cvSaveImage("E:\\image\\moon.jpg",image,0);  
12.     cvShowImage("image",image);  
13.     //cvWaitKey(0);  
14.     unsigned char * ptr,*dst;  
15.     int i,j,m,n,sum,temp,r,s;  
16.     image2 = cvCreateImage(cvGetSize(image),image->depth,1);  
17.     image3 = cvCreateImage(cvGetSize(image),image->depth,1);  
18.     //模板1 均值   
19.     int tem[9] = {1,1,1,1,1,1,1,1,1};   
20.     //也可以使用改进的高斯模板，但是效果相近   
21.     int tem2[9] = {0};//获取中值时用于排序  
22.   
23.     //均值滤波3*3模板的均值  
24.     for( i = 0 ; i < image->height;i++){  
25.         for( j = 0; j< image->width;j++){  
26.               
27.             //边界处理  
28.             if(i == 0 || i == image->height || j == 0 || j == image->width){  
29.                 ptr = (unsigned char *)image->imageData + i*image->widthStep + j;  
30.                 dst = (unsigned char *)image2->imageData+ i*image2->widthStep+ j;  
31.                 *dst = *ptr; //边界值赋予源图像的值  
32.             }  
33.             else {  
34.                 sum = 0;  
35.                 for( m = -1 ; m <= 1; m++  ){  
36.                     for( n = -1 ; n <= 1 ; n++){  
37.                         ptr = (unsigned char *)image->imageData + (i + m)*image->widthStep + j + n;  
38.                           
39.                         sum += (*ptr) * tem[3*(m+1) + n+1];  
40.                     }  
41.                 }  
42.                 dst = (unsigned char *)image2->imageData+ i *image2->widthStep+ j;      
43.                 *dst = (unsigned char)((sum +4)/9);//赋新值，四舍五入  
44.             }   
45.           
46.         }  
47.     }  
48. //中值滤波 在去除噪声的同时，图像的模糊程度比较小，比均值滤波更加适合  
49. //冲击噪声或者称为椒盐噪声  
50.     for( i = 0 ; i < image->height;i++){  
51.         for( j = 0; j< image->width;j++){  
52.   
53.             //边界处理  
54.             if(i == 0 || i == image->height || j == 0 || j == image->width){  
55.                 ptr = (unsigned char *)image->imageData + i*image->widthStep + j;  
56.                 dst = (unsigned char *)image3->imageData+ i*image3->widthStep+ j;  
57.                 *dst = *ptr; //边界值赋予源图像的值  
58.             }  
59.             else {  
60.                 temp = 0;  
61.                 //将3*3模板覆盖的值拷贝进数组，一边查找中值  
62.                 for( m = -1 ; m <= 1; m++  ){  
63.                     for( n = -1 ; n <= 1 ; n++){  
64.                         ptr = (unsigned char *)image->imageData + (i + m)*image->widthStep + j + n;  
65.                         tem2[3*(m+1) +n +1] = *ptr;  
66.                         //printf("%d",*ptr);  
67.                       
68.                     }  
69.                 }  
70.                 //对数组进行冒泡排序  
71.                 for(r = 0 ; r <8; r ++){  
72.                     for(s = 0 ; s< r -1; s++ ){  
73.                         if(tem2[s] > tem2[s+1]){  
74.                             temp = tem2[s];  
75.                             tem2[s] = tem2[s+1];  
76.                             tem2[s+1] = temp;  
77.                         }  
78.                     }  
79.                 }  
80.                 //printf("%d",tem2[4]);  
81.                 //对新图赋予新值  
82.                 dst = (unsigned char *)image3->imageData+ i *image3->widthStep+ j;      
83.                 *dst = (unsigned char)(tem2[4]);//赋新值  
84.             }   
85.   
86.         }  
87.     }  
88.   
89.     cvShowImage("image2",image2);  
90.     cvShowImage("image3",image3);  
91.     cvWaitKey(0);  
92.     cvSaveImage("E:\\image\\Dart2.bmp",image2,0);  
93.     cvSaveImage("E:\\image\\Dart3.bmp",image3,0);  
94.     return 0;  
95. }  

效果图：

原图：

均值滤波：

中值滤波：

 

可以看到，均值滤波缺点明显：

边界模糊效应明显

细节丢失比较严重

而中值滤波在保持细节方面明显优于均值滤波。

在滤波模板变大时，效果如何呢？

matlab源码：

1. A = imread('Dart.bmp')  
2.   
3. %采用中值滤波和均值滤波的比较  
4. %模板大小的改变对滤波效果的影响  
5. subplot(3,3,1)  
6. imshow(A)  
7. for n = 1 : 8   
8.     m = 2*n +1  
9.  B = medfilt2(A ,[m,m])  
10.  subplot(3,3,n+1)  
11.  imshow(B)  
12.    
13. end  
14.   
15. %采用均值滤波查看图像的变化  
16. subplot(3,3,1)  
17. imshow(A)  
18. for n = 1 : 8   
19.     m = 2*n +1  
20.  C = imfilter(A,[m,m]);  
21.  subplot(3,3,n+1)  
22.  imshow(B)  
23. end  

效果图：

均值滤波加大模板的效果：

中值滤波加大模板的效果：

可以看出随着模板的加大，中值滤波的模糊度也在增加，但是比均值要好很多。

3、Laplace图像锐化

锐化空间滤波器的一阶二阶微分的零交叉对于边缘定位非常有用

图像的边缘经一阶微分产生较粗的边缘

二阶微分产生由0分开的一个双边缘，这是一个适合锐化图像的理想特征。

锐化laplace算子可以突出图像中的灰度突变，但并不强调灰度缓慢变化的区域。

两种常用的Laplace模板：

0  1  0

1  -4 1

0  1  0

 

1 1 1

1 -8 1

1 1 1

 

但是得到突变的区域之后该怎么用呢？

事实上，如果源图像和laplace图像和叠加，这样既可以复原原图的背景特性，并保持laplace锐化处理的效果。这样做可以极大的增强图像的细节。

源代码：

1. //锐化滤波，并利用锐化滤波增强图像的细节  
2. #include<cv.h>  
3. #include<highgui.h>  
4.   
5. int main(){  
6.     IplImage * image,*image2,*image3;  
7.     image = cvLoadImage("E:\\image\\moon.tif",0);  
8.     cvNamedWindow("image",CV_WINDOW_AUTOSIZE);  
9.     cvNamedWindow("image2",CV_WINDOW_AUTOSIZE);  
10.     cvNamedWindow("image3",CV_WINDOW_AUTOSIZE);  
11.     cvSaveImage("E:\\image\\moon.jpg",image,0);  
12.     cvShowImage("image",image);  
13.     //cvWaitKey(0);  
14.     unsigned char * ptr,*dst;  
15.     image2 = cvCreateImage(cvGetSize(image),image->depth,1);  
16.     image3 = cvCreateImage(cvGetSize(image),image->depth,1);  
17.       
18.       
19.     int i,j,m,n,sum;  
20.   
21.     //锐化模板  
22.     int tem[9] = {0,1,0,1,-4,1,0,1,0};   
23.   
24.     //锐化滤波  
25.     for( i = 0 ; i < image->height;i++){  
26.         for( j = 0; j< image->width;j++){  
27.   
28.             //边界处理  
29.             if(i == 0 || i == image->height || j == 0 || j == image->width){  
30.                 ptr = (unsigned char *)image->imageData + i*image->widthStep + j;  
31.                 dst = (unsigned char *)image2->imageData+ i*image2->widthStep+ j;  
32.                 *dst = *ptr; //边界值赋予源图像的值  
33.             }  
34.             else {  
35.                 sum = 0;  
36.                 for( m = -1 ; m <= 1; m++  ){  
37.                     for( n = -1 ; n <= 1 ; n++){  
38.                         ptr = (unsigned char *)image->imageData + (i + m)*image->widthStep + j + n;  
39.   
40.                         sum += (*ptr) * tem[3*(m+1) + n+1];  
41.                     }  
42.                 }  
43.                 dst = (unsigned char *)image2->imageData+ i *image2->widthStep+ j;      
44.                 *dst = (unsigned char)((sum +4)/9);//赋新值，四舍五入  
45.             }   
46.   
47.         }  
48.     }  
49.   
50.     //锐化的图像与源图像相加,但是在相加之前需要先讲锐化的值稍微降低一些  
51.       
52.       
53.     cvShowImage("image2",image2);  
54.   
55.     for( i = 0 ; i < image2->height;i++){  
56.         for( j = 0; j< image->width;j++){  
57.             ptr = (unsigned char *)image2->imageData + i*image2->widthStep + j;   
58.             *ptr = ((*ptr)+4)/5;  
59.         }  
60.     }  
61.     cvAdd(image,image2,image3,0);  
62.     cvShowImage("image3",image3);  
63.       
64.     cvWaitKey(0);  
65.     cvSaveImage("E:\\image\\moon2.jpg",image2,0);  
66.     cvSaveImage("E:\\image\\moon3.jpg",image3,0);  
67.     return 0;  
68. }  

原图：

锐化图像：

叠加图像：

由叠加图像可知，经过锐化处理和叠加之后，图像的细节部分更加清晰。