精华内容
下载资源
问答
  • 中值滤波对高斯噪声
    千次阅读
    2021-04-05 10:55:21

    为什么要对图像使用滤波?

    图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。

    噪声就是由于成像系统、传输介质和记录设备等的不完善,数字图像在其形成、传输记录过程中或者在图像处理的某些环节当输入的像对象并不如预想时受到的污染。

    常见的滤波类型

    1、中值滤波

    中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。

    2、高斯滤波

    高斯滤波是一种线性平滑滤波,适用于消除高斯噪声,广泛应用于图像处理的减噪过程。高斯滤波就是对整幅图像进行加权平均的过程,每一个像素点的值,都由其本身和邻域内的其他像素值经过加权平均后得到。

    3、均值滤波

    均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8个像素,构成一个滤波模板,即去掉目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。

    边缘检测的目的是标识数字图像中亮度变化明显的点。高斯边缘检测是用高斯滤波的方式进行边缘检测。

    参考文献:
    https://blog.csdn.net/weixin_39769740

    数学与C++代码实现:
    https://blog.csdn.net/tengfei461807914

    详细参考:图像处理:图像平滑 (均值滤波、中值滤波和高斯滤波)
    https://blog.csdn.net/ShaoDu/article/details/96429733

    更多相关内容
  • 给图像添加椒盐噪声和高斯噪声,然后图像进行中值滤波。MATLAB代码可直接运行实现。
  • a) 图像经过中值滤波后,高斯噪声没有被完全去除,椒盐噪声几乎被完全去除效果较好。经过均值滤波后不管是高斯噪声还是椒盐噪声大部分都没有被去除,只是稍微模糊化。经过高斯滤波后,高斯噪声和椒盐噪声几乎被很大...
  • 中值滤波 均值滤波 高斯滤波用于图像去噪 效果良好 对于噪声的去除有很大的帮助
  • 中值滤波高斯滤波的实验性对比 代码 可供参考
  • 图像处理python代码,附带测试图片:添加高斯、椒盐、泊松、均匀噪声,分别进行高斯滤波、中值滤波、盒滤波、双边滤波
  • M=imread('go.jpg'); %读取图像 [ROW,COL, DIM] = size(M);%保存图像尺寸 subplot(3,3,1),imshow(M),title('original');%显示原始图像 ... %加入高斯躁声 subplot(3,3,4),imshow(P1),title('gaussian noise...

     

    M=imread('go.jpg'); %读取图像
    [ROW,COL, DIM] = size(M);%保存图像尺寸
    subplot(3,3,1),imshow(M),title('original');%显示原始图像
    P1=imnoise(M,'gaussian',0.05); %加入高斯躁声
    subplot(3,3,4),imshow(P1),title('gaussian noise');%加入高斯躁声后显示图像
    P2=imnoise(M,'salt & pepper',0.05); %加入椒盐躁声
    subplot(3,3,5),imshow(P2),title('salt & pepper noise');%%加入椒盐躁声后显示图像
    S1=rgb2ycbcr(P2);
    imgn=P2;
    imgn=im2double(imgn);
    subplot(3,3,6),imshow(imgn),title('gray');
    g(:,:,1)=medfilt2(P1(:,:,1)); %对高斯躁声中值滤波
    g(:,:,2)=medfilt2(P1(:,:,2));
    g(:,:,3)=medfilt2(P1(:,:,3));
    subplot(3,3,7),imshow(g),title('medfilter gaussian');
    h(:,:,1)=medfilt2(P2(:,:,1)); %对椒盐躁声中值滤波
    h(:,:,2)=medfilt2(P2(:,:,2));
    h(:,:,3)=medfilt2(P2(:,:,3));
    mean_filter_img=imgn;
    mean_filter_img=im2double(mean_filter_img);
    subplot(3,3,8),imshow(h),title('medfilter salt & pepper noise');
    for r = 2:1:ROW-1
        for c = 2:1:COL-1
            for d =1:3
            mean_filter_img(r,c,d) = (imgn(r-1, c-1,d) + imgn(r-1, c,d) + imgn(r-1, c+1,d) + imgn(r, c-1,d) + imgn(r, c,d) + imgn(r, c+1,d) + imgn(r+1, c-1,d) + imgn(r+1, c,d) + imgn(r+1, c+1,d)) / 9;
            %mean_filter_img(r,c,2) = (imgn(r-1, c-1) + imgn(r-1, c) + imgn(r-1, c+1) + imgn(r, c-1) + imgn(r, c) + imgn(r, c+1) + imgn(r+1, c-1) + imgn(r+1, c) + imgn(r+1, c+1)) / 9;
            %mean_filter_img(r,c,3) = (imgn(r-1, c-1) + imgn(r-1, c) + imgn(r-1, c+1) + imgn(r, c-1) + imgn(r, c) + imgn(r, c+1) + imgn(r+1, c-1) + imgn(r+1, c) + imgn(r+1, c+1)) / 9;
            end
        end
    end
    subplot(3,3,3),imshow(mean_filter_img),title('mean_img');
    disp('====================finish================'); 
    
     

     

    展开全文
  • 本篇介绍均值滤波、中值滤波、高斯滤波的代码实现以及它们在椒盐噪声与高斯噪声图像中去噪效果的对比均值滤波指在图像上目标像素(指具体某一个坐标的像素)给一个模板,该模板包括目标像素本身及其周围的临近像素...

    前言

    本篇介绍均值滤波、中值滤波、高斯滤波的代码实现以及它们在椒盐噪声与高斯噪声图像中去噪效果的对比


    一、均值滤波

    均值滤波指在图像上对目标像素(指具体某一个坐标的像素)给一个模板,该模板包括目标像素本身及其周围的临近像素,再用模板中的全体像素的平均值来代替原来像素值。

    均值滤波用卷积实现,其卷积核大小常见的有3×3,5×5,7×7等,如下就是3×3的卷积核,因为是用全体像素的平均值来代替原来像素值,所以可以认为模板上每一处权重都一样,又这里是3×3的卷积核,所以都是1/9,具体操作就是两个矩阵点乘之后再相加。
    在这里插入图片描述

    代码如下:

    import cv2
    
    # 读图
    old_img = cv2.imread("lena.tif")
    
    # 均值滤波
    new_img = cv2.blur(old_img, (3, 3))  # 后面的卷积核大小可以自己定义,如(5, 5)
    
    # 结果对比
    cv2.imshow("old_img", old_img)
    cv2.imshow("new_img", new_img)
    cv2.waitKey(0)
    

    结果如下,左边是老图,右边是新图(均值滤波后的图),用5×5区别将更明显。
    在这里插入图片描述

    二、中值滤波

    中值滤波就是在将在卷积核覆盖范围内的数从小到大排序然后取中位数代替原图中卷积核中心位置的值,如下图,卷积核大小为3×3,原图中卷积核中心位置的值本来是2,对卷积核中的9个数进行排序得到:2,5,6,7,16,25,28,44,80。所以中心的2替换为16。

    需要注意的是,中值滤波只需直到卷积核大小就行,至于卷积核内各个位置的数值没必要知道,比如3×3的卷积核,当遍历到原图某个坐标时,只需以它为中心的3×3范围内的数进行排序,再取中位数就行。
    在这里插入图片描述
    代码如下:

    import cv2
    
    # 读图
    old_img = cv2.imread("lena.tif")
    
    # 中值滤波
    medianBlur_img = cv2.medianBlur(old_img, 3)
    
    cv2.imshow("old_img", old_img)
    cv2.imshow("medianBlur_img", medianBlur_img)
    cv2.waitKey(0)
    

    在这里插入图片描述

    三、高斯滤波

    为了克服简单局部平均法的弊端(图像模糊),目前已提出许多保持边缘、细节的局部平滑算法。它们的出发点都集中在如何选择邻域的大小、形状和方向、参数加平均及邻域各店的权重系数等。

    图像高斯平滑也是邻域平均的思想对图像进行平滑的一种方法,在图像高斯平滑中,对图像进行平均时,不同位置的像素被赋予了不同的权重。高斯平滑与简单平滑不同,它在对邻域内像素进行平均时,给予不同位置的像素不同的权值,下图的所示的 3×3 和 5×5 领域的高斯模板。其中16是因为3×3的卷积核内所有的数加起来是16,273同理
    在这里插入图片描述
    代码如下:

    import cv2
    
    # 读图
    old_img = cv2.imread("lena.tif")
    
    # 高斯滤波
    GaussianBlur_img = cv2.GaussianBlur(old_img, (3,3), 0) # 第一个参数:原图像;第二个参数:卷积核大小;第三个参数:X方向上的高斯核标准偏差。
    
    # 显示
    cv2.imshow("old_img", old_img)
    cv2.imshow("GaussianBlur_img", GaussianBlur_img)
    cv2.waitKey(0)
    

    在这里插入图片描述

    四、去除椒盐噪声效果对比

    椒盐噪声图像如下:
    在这里插入图片描述
    3种滤波器效果如下,从左到右分别是均值滤波、中值滤波、高斯滤波。
    在这里插入图片描述
    所以对于椒盐噪声中值滤波器是个很好的选择

    五、去除高斯噪声效果对比

    高斯噪声图像如下:
    在这里插入图片描述
    3种滤波器效果如下,从左到右分别是均值滤波、中值滤波、高斯滤波。
    在这里插入图片描述
    去了,但只去了一点,效果感觉都差不多

    期待批评指正


    展开全文
  • I=imread('D:\TuPian\lion.png'); subplot(3,3,1);imshow(I);title('原始图像');... %添加高斯噪声,均值为0,方差为0.02 subplot(3,3,4);imshow(G);title('高斯噪声图像'); j1 = fspecial('avera
    I=imread('D:\TuPian\lion.png');
    subplot(3,3,1);imshow(I);title('原始图像');
    gray=rgb2gray(I);
    subplot(3,3,3);imshow(gray);title('灰度图像');
    
    G=imnoise(gray,'gaussian',0,0.02);    %添加高斯噪声,均值为0,方差为0.02
    subplot(3,3,4);imshow(G);title('高斯噪声图像');
    
    j1 = fspecial('average',[3,3]);  %均值滤波,3*3的模板
    filters1 = imfilter(G,j1);
    subplot(3,3,5);imshow(filters1);title('均值滤波');
    
    
    K1=medfilt2(G,[3,3]);   %中值滤波,3*3的模板
    subplot(3,3,6);imshow(K1);title('中值滤波');
    
    J=imnoise(gray,'salt & pepper',0.2);  %添加椒盐噪声,密度为0.2
    subplot(3,3,7);imshow(J);title('椒盐噪声图像');
    
    
    j2 = fspecial('average',[3,3]);
    filters2 = imfilter(J,j2);
    subplot(3,3,8);imshow(filters2);title('均值滤波');
    
    
    K2=medfilt2(J,[3,3]);
    subplot(3,3,9);imshow(K2);title('中值滤波');
    

    fspecial()为指定滤波方法的函数,如fspecial(‘average’,[3,3])是模板为33的均值滤波。
    medfilt2()是中值滤波函数,如K2=medfilt2(J,[3,3])是模板为3
    3的中值滤波,J是要处理的图像,K2是处理后的图像。

    展开全文
  • 题目均值滤波和中值滤波 在自己的证件照中加入椒盐噪声高斯噪声 分别用3*35*57*7 的均值滤波器和中值滤波器进行滤波 处理过程 1. 用imnoise函数在图像中分别加入椒盐噪声高斯噪声 2. 均值滤波用fspecial函数...
  • 添加高斯噪声,并用高斯滤波、均值滤波、中值滤波、双边滤波四种滤波去噪方式,并且分别得到这四种滤波后的信噪比值,通过比较信噪比值,得到最佳的滤波去噪处理方式。添加噪声的浓度可以改变,并且也可以改变卷积核...
  • 【图像去噪】均值滤波+中值滤波+高斯低通滤波+多种小波变换图像去噪matlab源码GUI.md
  • 均值滤波对高斯噪声表现较好,椒盐噪声表现较差。 Python-OpenCV中的实现代码: img_mean = cv2.blur(img, (3,3))#(3,3)卷积核是可调的 举个例子: 下面左图为椒盐噪声原始图像,右图为高斯噪声原始图像 下...
  • 本篇博客讲述图像进行均值滤波,中值滤波高斯滤波,高斯边缘检测 滤波的意义在于:刚获得的图像有很多噪音。这主要由于平时的工作和环境引起的,图像增强是减弱噪音,增强对比度。想得到比较干净清晰的图像并...
  • 图像平滑 图像平滑是一种区域增强...图像平滑有均值滤波、中值滤波高斯滤波和高斯双边滤波等。 1.均值滤波: 用其像素点周围像素的平均值代替元像素值,在滤除噪声的同时也会滤掉图像的边缘信息。 均值滤波A...
  • MatLab自编的均值滤波、中值滤波高斯滤波 图像处理函数。%自编的均值滤波函数。x是需要滤波的图像,n是模板大小(即n×n)function d=avefilt(x,n)a(1:n,1:n)=1; %a即n×n模板,元素全是1p=size(x);...
  • import cv2 #图像平滑处理 img = cv2.imread('...运行结果:图中白点为噪声 均值滤波: #均值滤波 #简单的平均卷积操作 blur = cv2.blur(img, (3, 3))#取3*3的矩阵 一般取奇数矩阵 cv2.imshow('blur',blur...
  • 图像滤波,即在尽量保留图像细节特征的条件下目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。 图像滤波的主要目的:为了消除图像中...
  • 平滑空间滤波主要有: 1、均值滤波 2、高斯低通滤波 3、中值滤波 img=cv2.cvtColor(cv2.imread("lena512color.tiff"),cv2.COLOR_BGR2RGB) blur_img=cv2.blur(img, (7,7)) #均值滤波 median_blur_img= cv2.median...
  • 中值滤波的性能一般,因为算法执行过程中,要使用中值其它像素进行替换。而且对于高斯噪声的处理不理想,不过可以通过追加针对区域像素最大值与最小值的忽略,来计算中值。 二、高斯滤波 原
  • 1.图像处理中均值滤波、中值滤波高斯滤波各自的适用场景;2.OpenCV中均值滤波、中值滤波高斯滤波的实现
  • 图像在获取、传输和存储的过程中由于各种原因引起图像质量的下降,需要图像进行...本文图像复原技术、高斯噪声、椒盐噪声进行介绍,探讨二维中值滤波算法和MATLAB下算法的仿真实验,同时分析实验结果,最后得出结论。
  • """均值滤波、中值滤波高斯滤波、图像锐化""" ''' 均值滤波的实现 path:图像路径 ksize:卷积核大小 ''' def Mean_blur(path, ksize): time_start = time.time() '''读取图像''' image = cv2.imread(path, 1) ...
  • 图像进行添加高斯噪声、椒盐噪声处理之后,使用高斯滤波、中值滤波方式添加噪声的图像进行滤波处理,实现程序如下:clcP = imread('原始图像.jpg'); % 读入图像figureimg=rgb2gray(P);imwrite(img,'甲.png');...
  • 基于MATLAB图像处理的中值滤波、均值滤波以及高斯滤波的实现与对比作者:lee神1.背景知识中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.中值滤波是基于...
  • 基于DWT-HD-SVD混合技术的数字图像水印方法测试了jpeg压缩,高斯滤波,中值滤波,高斯噪声,图像变形等attack测试 运行注意事项:使用matlab2021a或者更高版本测试,运行里面的Runme.m文件,不要直接运行子函数文件。...
  • 各向异性滤波:各向异性扩散滤波主要是用来平滑图像的,克服了高斯模糊的缺陷,各向异性扩散在平滑图像时是保留图像边缘的,和双边滤波很像。 双边滤波:双边滤波是一种非线性滤波器,它可以达到保持边缘、降噪平滑...
  • 1. 主要工作: 基于MATLAB图像处理的中值滤波、均值滤波以及...a) 图像经过中值滤波后,高斯噪声没有被完全去除,椒盐噪声几乎被完全去除效果较好。经过均值滤波后不管是高斯噪声还是椒盐噪声大部分都没有被去除,只是
  • 在获取图像的过程中,摄像机组件的运行情况受各种客观因素的影响,包括图像拍摄的环境条件和摄像机的传感元器件质量在内都有可能会图像产生噪声影响。在传输图像的过程中,传输介质所遇到的干扰也会引起图像噪声,...
  • 3 中值滤波 4 高斯滤波 参考资料 1 图像增强——图像平滑 1.1 图像增强简介 图像增强是图像进行处理,使其比原始图像更适合于特定的应用,它需要与实际应用相结合。对于图像的某些特征如边缘、轮廓、对比度等...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 7,813
精华内容 3,125
关键字:

中值滤波对高斯噪声