美文网首页
均值滤波器

均值滤波器

作者: _酒酿芋圆 | 来源:发表于2019-01-18 12:08 被阅读0次

一、算术均值滤波器

1.1 原理：简单使用定义区域中的像素得出算术均值

1.2 公式

1.3 代码

#include <iostream>
#include "pch.h"
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;

/* Salt&pepper noise 椒盐噪声 */
void noise(Mat &image, float ratio) {
    int n = image.rows * image.cols * ratio;
    for (int k = 0; k < n; k++) {
        int i = rand() % image.rows;
        int j = rand() % image.cols;
        int type = rand() % 2;

        if (type == 1) {
            image.at<Vec3b>(i, j)[0] = 255;
            image.at<Vec3b>(i, j)[1] = 255;
            image.at<Vec3b>(i, j)[2] = 255;
        }
        else
        {
            image.at<Vec3b>(i, j)[0] = 0;
            image.at<Vec3b>(i, j)[1] = 0;
            image.at<Vec3b>(i, j)[2] = 0;
        }
    }
}

/* Arithmetic mean filter 算术均值滤波器 */
double filterArithmeticMean(Mat src) {
    double sum = 0;
    for (int i = 0; i < src.rows; i++) {
        uchar* data = src.ptr<uchar>(i);
        for (int j = 0; j < src.cols; j++) {
            sum += double(data[j]);
        }
    }
    return sum / double(src.cols*src.rows);
}

/* Filter 滤波器 */
Mat filter(Mat image, Size size) {
    Mat result;
    image.copyTo(result);
    Mat channel[3];
    split(image, channel);
    int l = (size.height - 1) / 2;
    int w = (size.width - 1) / 2;
    for (int i = l; i < result.rows - l; i++) {
        for (int j = w; j < result.cols - w; j++) {
            for (int ii = 0; ii < 3; ii++) {
                result.at<Vec3b>(i, j)[ii] = saturate_cast<uchar>(filterArithmeticMean(channel[ii](Rect(j - w, i - l, size.width, size.height))));
            }
        }
    }
    return result;
}

int main()
{
    Mat img = imread("head.jpg");

    // 噪声处理
    noise(img, 0.1);
    imshow("Noised", img);

    // 滤波处理
    Mat result = filter(img, Size(3, 3));
    imshow("Denoised", result);

    waitKey();
    return 0;
}

1.4 效果

二、几何均值滤波器

2.1 原理：每个复原的像素由子图像窗口中像素数的乘积的1/mn次幂给出

2.2 公式

2.3 代码

#include <iostream>
#include "pch.h"
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;

/* Salt&pepper noise 椒盐噪声 */
void noise(Mat &image, float ratio) {
    int n = image.rows * image.cols * ratio;
    for (int k = 0; k < n; k++) {
        int i = rand() % image.rows;
        int j = rand() % image.cols;
        int type = rand() % 2;

        if (type == 1) {
            image.at<Vec3b>(i, j)[0] = 255;
            image.at<Vec3b>(i, j)[1] = 255;
            image.at<Vec3b>(i, j)[2] = 255;
        }
        else
        {
            image.at<Vec3b>(i, j)[0] = 0;
            image.at<Vec3b>(i, j)[1] = 0;
            image.at<Vec3b>(i, j)[2] = 0;
        }
    }
}

/* Geometric mean filtering 几何均值滤波器 */
double filterGeometricMean(Mat src) {
    double geo = 1;
    for (int i = 0; i < src.rows; i++) {
        uchar* data = src.ptr<uchar>(i);
        for (int j = 0; j < src.cols; j++) {
            if (data[j] != 0)
                geo *= data[j];
        }
    }
    double power = 1.0 / double(src.rows*src.cols);
    return pow(geo, power);
}

/* Filter 滤波器 */
Mat filter(Mat image, Size size) {
    Mat result;
    image.copyTo(result);
    Mat channel[3];
    split(image, channel);
    int l = (size.height - 1) / 2;
    int w = (size.width - 1) / 2;
    for (int i = l; i < result.rows - l; i++) {
        for (int j = w; j < result.cols - w; j++) {
            for (int ii = 0; ii < 3; ii++) {
                result.at<Vec3b>(i, j)[ii] = saturate_cast<uchar>(filterGeometricMean(channel[ii](Rect(j - w, i - l, size.width, size.height))));
            }
        }
    }
    return result;
}

int main()
{
    Mat img = imread("input.jpg");

    // 噪声处理
    noise(img, 0.01);
    imshow("Noised", img);

    // 滤波处理
    Mat result = filter(img, Size(3, 3));
    imshow("Denoised", result);

    waitKey();
    return 0;
}

2.4 效果

三、谐波均值滤波器

3.1 原理：谐波均值滤波器对于盐粒噪声效果较好，但不适用于胡椒噪声

3.2 公式

3.3 代码

#include <iostream>
#include "pch.h"
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;

/* Salt&pepper noise 椒盐噪声 */
void noise(Mat &image, float ratio) {
    int n = image.rows * image.cols * ratio;
    for (int k = 0; k < n; k++) {
        int i = rand() % image.rows;
        int j = rand() % image.cols;
        int type = rand() % 2;

        if (type == 1) {
            image.at<Vec3b>(i, j)[0] = 255;
            image.at<Vec3b>(i, j)[1] = 255;
            image.at<Vec3b>(i, j)[2] = 255;
        }
        else
        {
            image.at<Vec3b>(i, j)[0] = 0;
            image.at<Vec3b>(i, j)[1] = 0;
            image.at<Vec3b>(i, j)[2] = 0;
        }
    }
}

/* Harmonic mean filter 谐波均值滤波器 */
double filterHarmonicMean(Mat src) {
    double harmonic = 0;
    for (int i = 0; i < src.rows; i++) {
        uchar* data = src.ptr<uchar>(i);
        for (int j = 0; j < src.cols; j++) {
            if (data[j] != 0)
                harmonic += 1 / (double)data[j];
        }
    }
    return (src.rows*src.cols) / harmonic;
}

/* Filter 滤波器 */
Mat filter(Mat image, Size size) {
    Mat result;
    image.copyTo(result);
    Mat channel[3];
    split(image, channel);
    int l = (size.height - 1) / 2;
    int w = (size.width - 1) / 2;
    for (int i = l; i < result.rows - l; i++) {
        for (int j = w; j < result.cols - w; j++) {
            for (int ii = 0; ii < 3; ii++) {
                result.at<Vec3b>(i, j)[ii] = saturate_cast<uchar>(filterHarmonicMean(channel[ii](Rect(j - w, i - l, size.width, size.height))));
            }
        }
    }
    return result;
}

int main()
{
    Mat img = imread("input.jpg");

    // 噪声处理
    noise(img, 0.01);
    imshow("Noised", img);

    // 滤波处理
    Mat result = filter(img, Size(3, 3));
    imshow("Denoised", result);

    waitKey();
    return 0;
}

3.4 效果

四、中值滤波器

4.1 原理：使用一个像素领域中的灰度级的中值来替代该像素的值

4.2 公式

4.3 代码

#include <iostream>
#include "pch.h"
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;

/* Salt&pepper noise 椒盐噪声 */
void noise(Mat &image, float ratio) {
    int n = image.rows * image.cols * ratio;
    for (int k = 0; k < n; k++) {
        int i = rand() % image.rows;
        int j = rand() % image.cols;
        int type = rand() % 2;

        if (type == 1) {
            image.at<Vec3b>(i, j)[0] = 255;
            image.at<Vec3b>(i, j)[1] = 255;
            image.at<Vec3b>(i, j)[2] = 255;
        }
        else
        {
            image.at<Vec3b>(i, j)[0] = 0;
            image.at<Vec3b>(i, j)[1] = 0;
            image.at<Vec3b>(i, j)[2] = 0;
        }
    }
}

/* Bubble sort 冒泡排序 */
void bubbleSort(float* pData, int count) {
    float tData;
    for (int i = 1; i < count; i++) {
        for (int j = count - 1; j > -i; j--) {
            if (pData[j] < pData[j - 1]) {
                tData = pData[j - 1];
                pData[j - 1] = pData[j];
                pData[j] = tData;
            }
        }
    }
}



/* Median filter 中值滤波器 */
double filterMedian(Mat src) {
    int index = 0;
    int length = src.rows * src.cols;
    float* bubble = new float[length];
    for (int i = 0; i < src.rows; i++) {
        uchar* data = src.ptr<uchar>(i);
        for (int j = 0; j < src.cols; j++) {
            bubble[index] = data[j];
            index++;
        }
    }
    bubbleSort(bubble, length);
    double median = bubble[length / 2];
    return median;
}

/* Filter 滤波器 */
Mat filter(Mat image, Size size) {
    Mat result;
    image.copyTo(result);
    Mat channel[3];
    split(image, channel);
    int l = (size.height - 1) / 2;
    int w = (size.width - 1) / 2;
    for (int i = l; i < result.rows - l; i++) {
        for (int j = w; j < result.cols - w; j++) {
            for (int ii = 0; ii < 3; ii++) {
                result.at<Vec3b>(i, j)[ii] = saturate_cast<uchar>(filterMedian(channel[ii](Rect(j - w, i - l, size.width, size.height))));
            }
        }
    }
    return result;
}

int main()
{
    Mat img = imread("input.jpg");

    // 噪声处理
    noise(img, 0.01);
    imshow("Noised", img);

    // 滤波处理
    Mat result = filter(img, Size(3, 3));
    imshow("Denoised", result);

    waitKey();
    return 0;
}

4.4 效果

参考链接：https://blog.csdn.net/wzmsltw/article/details/52927787

相关文章

  • 滤波器的分类

    a.平滑空间滤波器：去除图像中不重要的细节，减少噪声b.锐化空间滤波器： a.平滑空间滤波器 线性滤波器（均值滤波...

  • 滤波器

    傅里叶变换及高低通滤波器的分类（均值滤波，高斯滤波，sobel，scharr，拉普拉斯滤波器） - CSDN博客 ...

  • 均值滤波器

    一、算术均值滤波器 1.1 原理：简单使用定义区域中的像素得出算术均值 1.2 公式 1.3 代码 1.4 效果 ...

  • OpenCV for iOS 学习笔记（九）—— 图像毛玻璃处理

    环境配置 ：OpenCV在xCode中的安装与环境配置 函数 均值平滑函数（均值滤波器）（blur） 所有像素加权...

  • OpenCV 中的滤波函数

    blur 也称为 box filter、均值滤波器，就是简单地将每个像素的值替换成邻域平均值。 如果用 kerne...

  • opencv中的各种滤波

    版权声明：转载需邮件联系我并取得授权 常用的几种滤波方式有 盒滤波器（boxFilter） 均值滤波(blur):...

  • 着色器图像处理(高斯模糊)

    模糊滤波器就是对周围像素进行加权平均处理，对于均值模糊算法来讲，周围所有邻域像素点的权值都相同，所以不是很平滑，会...

  • Scharr与Laplacian滤波器---OpenCV-Pyt

    Scharr滤波器 OpenCV还给我们提供了Scharr滤波器，该滤波器与Sobel滤波器具有同样的处理速度，且...

  • 直接生成频域滤波

    接上文:傅立叶变换滤波 频域滤波器 理想低通滤波器 巴特沃兹低通滤波器 高斯低通滤波器 dftuv的实现 dftu...

  • Chapter 2.1 实现一个均值滤波器

    本节我们利用tf的一些函数来实现一个最简单的均值滤波器对图片进行滤波，假设图片的大小为16*16*1，设计一个模...

网友评论

      本文标题：均值滤波器

      本文链接：https://www.haomeiwen.com/subject/qmxndqtx.html

      延伸阅读

      深度阅读

      • 您也可以注册成为美文阅读网的作者，发表您的原创作品、分享您的心情！

      栏目导航

      热点阅读

      关于我们|服务条款|联系我们|均值滤波器|投稿指南|网站地图|RSS订阅|排版工具|手机版

      提供经典美文摘抄,优美散文欣赏,现代诗歌精选,短篇小说,心情随笔,表白情书范文,故事会在线阅读欣赏

      Copyright © 2014-2023 Haomeiwen.com All Rights Reserved. 好美文阅读网 版权所有

      备案信息：桂公网安备 45052102000051号 · 桂ICP备13007215号-3

      本站所收录作品、热点评论等信息部分来源互联网，目的只是为了系统归纳学习和传递资讯

      所有作品版权归原创作者所有，与本站立场无关，如不慎侵犯了你的权益，请联系我们告知，我们将做删除处理！