基於Opencv的自適應中值濾波函數selfAdaptiveMedianBlur（）

 7.3.3 自適應濾波器

自適應中值濾波器

對於7.3.2節所討論的中值濾波器，只要脈沖噪聲的空間密度不大，性能還是可以的（根據經驗需P_a和P_b小於0.2）。本節將證明，自適應中值濾波器可以處理更大概率的脈沖噪聲。自適應中值濾波器的另一個優點是平滑非脈沖噪聲時，試圖保留細節，這是傳統中值濾波器所做不到的。正如前面幾節中所討論的所有濾波器一樣，自適應中值濾波器也工作於矩形窗口區域S_xy內。然而，與這些濾波器不同的是自適應中值濾波器在進行濾波處理時，會根據本節列舉的某些條件而改變（增大或縮小）S_xy的尺寸。記住，濾波器的輸出是一個單值，該值用於替代點(x,y)處的像素值，位於(x,y)處的點是S_xy的中心也是它的錨點。

 

考慮如下符號：

Zmin=S_xy中的最小灰度值；

Zmax=S_xy中的最大灰度值；

Zmed=S_xy中的中值；

Zxy=坐標(x,y)處的灰度值；

Smax=S_xy所允許的最大尺寸(在程序中，用kernal_size表示)；

自適應中值濾波算法以兩個進程工作，分別為進程A和B，如下所示：

進程A：

     如果Zmin<Zmed<Zmax,則轉到進程B
     否則增大窗口尺寸；
     增大后的窗口尺寸（程序中用ks表示），
     如果ks<Smax，則重復A。（在程序中，kernal_size即Smax）
     否則輸出Zmed

進程B：

     如果Zmin<Zxy<Zmax，則輸出Zxy
     否則，輸出Zmed.

 

    該算法的設計意圖是要實現3個目的：①去除椒鹽噪聲；②平滑其它非脈沖噪聲；③減少物體邊界細化或粗化的失真。Zmin和Zmax和在算法統計上，認為是類脈沖噪聲分量，既使它們不是圖像中的最大值或最小值。

    進程A的目的是確定中值濾波器的輸出Zmed，是否是一個脈沖（黑或白）。如果條件Zmin<Zmed<Zmax有效，則根據前節提到的原因，Zmed不可能是脈沖。這種情況下，轉到進程B，檢驗窗口S_xy的中心點Zxy（即錨點）是否是一個脈沖。如果滿足條件，就不是脈沖，原因與前同。這時，算法輸出一個未修改的像素值Zxy。通過不修改這些“中間灰度級”的點，減少圖像中的失真。如果Zmin<Zxy<Zmax為假，則Zxy=Zmin或Zxy=Zmax。在任何一種情況下，像素值都是一個極端值，且算法輸出中值Zmed，從進程A可知Zmed不是脈沖噪聲。最后一步是執行標准的中值濾波。問題是，標准中值濾波器使用圖像中相應鄰域的中值代替圖像中的每一點，這會引起不必要的細節損失。

    繼續上面的說明，假設進程A確實找到了一個脈沖（若不是，則轉到進程B），算法會增大窗口尺寸，並重復進程A。該循環會一直繼續，直到算法找到一個非脈沖的中值，並轉到進程B。如果循環中窗口達到了最大尺寸，則算法會返回值Zmed。注意，這並不能保證該值不是脈沖。噪聲的概率Pa或Pb越小，或者在S_xy允許的范圍內越大，退出條件也就越難滿足。這是合理的，隨着脈沖密度的增大，我們會需要更大的窗口來消除尖峰噪聲。

算法沒輸出一個值，窗口S_xy就被移動到圖像中的下一個位置。然后，算法重新初始化並應用到新位置的像素。僅使用新像素就可以反復更新中值，因而減少了計算開銷。

 

 

 

#include <iostream>
#include <opencv2/opencv.hpp>
#include <vector>
#include <algorithm>
using namespace cv;
using namespace std;
//下面的宏，定義了在矩陣src的第m行、n列，ks*ks覆蓋的矩形區域內的像素，並將像素壓到矢量v中
//該覆蓋區域的左上角坐標為（m，n），寬為ks，高為ks，要求src必須是單通道，數據類型為CV_8UC1
#define CV_ROI_ELEM(src,vector,m,n,ks)  \
{                                      \
    uchar* kn;                         \
    int st0=src.step[0];\
    int st1=src.step[1];\
    for(int k=0;k<(ks);k++)            \
    {                                  \
        for(int s=0;s<(ks);s++)        \
        {                              \
            kn =src.data+(k+m)*st0+(s+n)*st1;   \
            vector.push_back(*kn);              \
        }                                       \
    }                                           \
}

#define CV_MAT_ELEM2(src,dtype,y,x) \
    (dtype*)(src.data+src.step[0]*(y)+src.step[1]*(x))
/*********************自適應中值濾波********************************/
void selfAdaptiveMedianBlur(Mat&src,Mat&dst,int kernal_size)
{
    CV_Assert(src.type()==CV_8UC1||src.type()==CV_8U);
    if(dst.empty())
    {
        dst.create(src.rows,src.cols,CV_8UC1);
    }
    uchar* pdst=dst.data;
    uchar Zmin,Zmax,Zmed,Zxy;
    int step0=src.step[0];
    int step1=src.step[1];
    for(int i=kernal_size/2;i<src.rows-kernal_size/2;i++)
    {
        for(int j=kernal_size/2;j<src.cols-kernal_size/2;j++)
        {
            int ks=3;//kernal_size;
            int count=0;
            Zxy=*CV_MAT_ELEM2(src,uchar,i,j);//Sxy覆蓋區域的中心點像素值，即錨點像素值
            vector<uchar> v;//將模板覆蓋區域的像素，壓入矢量v中
            do{
                if(cout==0)
                {//獲取模板ks*ks覆蓋區域的像素，壓入矢量v中
                    CV_ROI_ELEM(src,v,i-ks/2,j-ks/2,ks);
                }
               else
                {
               /****************下面的for循環，將外擴的四個邊的像素添加到v中**************/
                    uchar* p=src.data+(i-ks/2)*step0+(j-ks/2)*step1;
                    for(int u=0;u<ks;u++)
                    {
                        v.push_back(*(p+u*step1));//向外擴展的四個邊的上邊
                        v.push_back(*(p+(ks-1)*step0+u*step1));//向外擴展的四個邊的下邊
                        if(u!=0&&u!=ks-1)
                        {
                          v.push_back( *(p+u*step0));//向外擴展的四個邊的左邊
                          v.push_back(*(p+u*step0+(ks-1)*step1));//向外擴展的四個邊的右邊
                        }
                    }
                }

                //對v的元素排序
                //排序后，Sxy覆蓋區域內，最大值為Zmax=v[v.size-1],最小值為Zmin=v[0]
                std::sort(v.begin(),v.end());
                Zmin=v[0],Zmax=v[v.size()-1],Zmed=v[ks*ks/2];
                pdst =CV_MAT_ELEM2(dst,uchar,i,j);
                if(Zmin<Zmed&&Zmed<Zmax)
                {
                    if(Zmin<Zxy&&Zxy<Zmax)
                        {*pdst=Zxy;break;}
                    else
                        {*pdst=Zmed;break;}
                }
                else
                {
                    ks +=2;
                }
                count++;
            }while(ks<=kernal_size);

            *pdst=Zmed;
        }
    }
}


int main()
{
    Mat src=imread("D:\\Qt\\MyImage\\3.bmp",0);
    imshow("src image",src);

    Mat dst;
    selfAdaptiveMedianBlur(src,dst,7);

    imshow("adaptive median filter",dst);

    waitKey();

    return 0;
}

 

 

原圖像：

自適應中值濾波后的圖像：